Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# SageMaker JumpStart Settore Amazon: Finanziario
Usa SageMaker JumpStart Industry: Financial Solutions, modelli e taccuini di esempio per conoscere le caratteristiche e le capacità dell' SageMaker IA attraverso soluzioni curate in un'unica fase e taccuini di esempio di problemi di machine learning (ML) incentrati sul settore. I taccuini spiegano anche come utilizzare l'Industry SageMaker JumpStart Python SDK per migliorare i dati di testo del settore e ottimizzare i modelli preaddestrati.
**Topics**
+ [SDK Python per Amazon SageMaker JumpStart Industry](#studio-jumpstart-industry-pysdk)
+ [Amazon SageMaker JumpStart Industry: soluzione finanziaria](#studio-jumpstart-industry-solutions)
+ [Amazon SageMaker JumpStart Industry: modelli finanziari](#studio-jumpstart-industry-models)
+ [Amazon SageMaker JumpStart Industry: quaderni di esempio finanziari](#studio-jumpstart-industry-examples)
+ [Amazon SageMaker JumpStart Industry: post sui blog finanziari](#studio-jumpstart-industry-blogs)
+ [Amazon SageMaker JumpStart Industry: ricerca finanziaria](#studio-jumpstart-industry-research)
+ [Amazon SageMaker JumpStart Industry: risorse finanziarie aggiuntive](#studio-jumpstart-industry-resources)
## SDK Python per Amazon SageMaker JumpStart Industry
SageMaker Runtime JumpStart fornisce strumenti di elaborazione per la cura dei set di dati di settore e l'ottimizzazione di modelli preaddestrati tramite la sua libreria client denominata Industry Python SDK. SageMaker JumpStart Per una documentazione dettagliata sull'API dell'SDK e per saperne di più sull'elaborazione e il miglioramento dei set di dati di testo di settore per migliorare le prestazioni dei state-of-the-art modelli su SageMaker JumpStart, consulta la documentazione open source di Industry [SageMaker JumpStartPython SDK](https://sagemaker-jumpstart-industry-pack.readthedocs.io).
## Amazon SageMaker JumpStart Industry: soluzione finanziaria
SageMaker JumpStart Settore: Financial fornisce i seguenti notebook con soluzioni:
+ **Previsione del rating creditizio aziendale**
Questa soluzione SageMaker JumpStart Industria: Finanziaria fornisce un modello per un modello di rating del credito aziendale arricchito da testo. Mostra come utilizzare un modello basato su caratteristiche numeriche (in questo caso, i famosi 5 indici finanziari di Altman) combinato con testi tratti dai documenti della SEC per ottenere un miglioramento nella previsione dei rating del credito. Oltre ai 5 rapporti Altman, è possibile aggiungere altre variabili in base alle esigenze o impostare variabili personalizzate. Questo notebook sulla soluzione mostra come SageMaker JumpStart Industry Python SDK aiuta a elaborare il punteggio NLP (Natural Language Processing) dei testi dai file SEC. Inoltre, la soluzione dimostra come addestrare un modello utilizzando il set di dati avanzato per realizzare un modello, implementare il best-in-class modello su un endpoint di SageMaker intelligenza artificiale per la produzione e ricevere previsioni migliorate in tempo reale.
+ **Punteggio creditizio basato su grafici **
I rating del credito sono tradizionalmente generati utilizzando modelli che utilizzano dati di rendiconto finanziario e dati di mercato, che sono solo tabulari (numerici e categorici). Questa soluzione crea una rete di aziende utilizzando i [documenti SEC](https://www.sec.gov/edgar/searchedgar/companysearch.html) e mostra come utilizzare la rete di relazioni aziendali con dati tabulari per generare previsioni di rating accurate. Questa soluzione illustra una metodologia che utilizza i dati sulle relazioni tra imprese per estendere i modelli di credit scoring tradizionalmente basati su tabelle, utilizzati dal settore del rating da decenni, alla classe dei modelli di machine learning sulle reti.
**Nota**
I notebook delle soluzioni sono solo a scopo dimostrativo. Non si deve fare affidamento su di essi come consulenza finanziaria o di investimento.
Puoi trovare queste soluzioni di servizi finanziari nella pagina di Studio Classic. SageMaker JumpStart
**Importante**
A partire dal 30 novembre 2023, la precedente esperienza Amazon SageMaker Studio è ora denominata Amazon SageMaker Studio Classic. La sezione seguente è specifica per l’utilizzo dell’applicazione Studio Classic. Per informazioni sull’utilizzo dell’esperienza Studio aggiornata, consulta [Amazon SageMaker Studio](studio-updated.md).
Studio Classic viene ancora mantenuto per i carichi di lavoro esistenti, ma non è più disponibile per l'onboarding. È possibile solo interrompere o eliminare le applicazioni Studio Classic esistenti e non è possibile crearne di nuove. Ti consigliamo di [migrare il tuo carico di lavoro alla nuova esperienza Studio](studio-updated-migrate.md).
**Nota**
Il SageMaker JumpStart settore: le soluzioni finanziarie, le schede modello e i notebook di esempio sono ospitati ed eseguibili solo tramite Studio Classic. SageMaker Accedi alla [console SageMaker AI e avvia Studio Classic](https://console.aws.amazon.com/sagemaker). SageMaker Per ulteriori informazioni su come trovare la scheda della soluzione, consulta l'argomento precedente all'indirizzo [SageMaker JumpStart](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html).
## Amazon SageMaker JumpStart Industry: modelli finanziari
SageMaker JumpStart Settore: Financial fornisce i seguenti modelli di [approccio BERT (RoBERTa) preaddestrati e ottimizzati](https://arxiv.org/pdf/1907.11692.pdf):
+ **Incorporamento di testi finanziari (Ro -sec-Base) BERTa**
+ **RoBERTa-SEC-WIKI-Base **
+ **RoBERTa-SEC-Large **
+ **RoBERTa-SEC-WIKI-Large **
RoBERTa-SEC-LargeI modelli RoBERTa-SEC-Base and sono modelli di inserimento del testo basati sul [BERTa modello Ro di GluonNLP e preformati sui report S&P 500 SEC 10-K/10-Q del](https://nlp.gluon.ai/api/model.html#gluonnlp.model.RoBERTaModel) decennio 2010 (dal 2010 al 2019). Oltre a questi, SageMaker AI JumpStart Industry: Financial fornisce altre due BERTa varianti di Ro, che sono preimpostate sui documenti della SEC RoBERTa-SEC-WIKI-Base e sui testi comuni di RoBERTa-SEC-WIKI-Large Wikipedia.
**Puoi trovare questi modelli SageMaker JumpStart accedendo al nodo Modelli di **testo, scegliendo Esplora tutti i modelli** **di testo** e quindi filtrando per ML Task Text Embedding.** È possibile accedere a tutti i notebook corrispondenti dopo aver selezionato il modello desiderato. I notebook abbinati ti spiegheranno come ottimizzare i modelli preaddestrati per attività di classificazione specifiche su set di dati multimodali, che sono migliorati dall'Industry Python SDK. SageMaker JumpStart
**Nota**
I notebook dei modelli sono solo a scopo dimostrativo. Non si deve fare affidamento su di essi come consulenza finanziaria o di investimento.
La schermata seguente mostra le schede modello preconfigurate fornite tramite la pagina AI di Studio Classic. SageMaker JumpStart
![\[Le schede modello preaddestrate fornite tramite la JumpStart pagina SageMaker AI di Studio Classic.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/jumpstart/jumpstart-finance-models.png)
**Nota**
Il SageMaker JumpStart settore: le soluzioni finanziarie, le schede modello e i notebook di esempio sono ospitati ed eseguibili solo tramite Studio Classic. SageMaker Accedi alla [console SageMaker AI e avvia Studio Classic](https://console.aws.amazon.com/sagemaker). SageMaker Per ulteriori informazioni su come trovare i modelli di schede, consulta l'argomento precedente all'indirizzo [SageMaker JumpStart](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html).
## Amazon SageMaker JumpStart Industry: quaderni di esempio finanziari
SageMaker JumpStart Settore: Financial fornisce i seguenti taccuini di esempio per illustrare le soluzioni ai problemi di machine learning incentrati sul settore:
+ **Financial TabText Data Construction**: questo esempio introduce come utilizzare l' SageMaker JumpStart Industry Python SDK per l'elaborazione dei documenti SEC, come il riepilogo del testo e i testi di punteggio basati sui tipi di punteggio NLP e sugli elenchi di parole corrispondenti. Per visualizzare in anteprima il contenuto di questo notebook, consulta [Simple Construction of a Multimodal Dataset from SEC Filings and NLP Scores](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/finance/notebook1/SEC_Retrieval_Summarizer_Scoring.html).
+ **ML multimodale sui TabText dati**: questo esempio mostra come unire diversi tipi di set di dati in un unico dataframe chiamato ed eseguire ML multimodale. TabText Per un'anteprima del contenuto di questo taccuino, consulta [Machine Learning on a TabText Dataframe: un esempio basato sul Paycheck](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/finance/notebook2/PPP_TabText_ML.html) Protection Program.
+ **ML multicategoria sui dati dei documenti SEC**: questo esempio mostra come addestrare un modello AutoGluon NLP sui set di dati multimodali (TabText) selezionati dai documenti SEC per un'attività di classificazione multiclasse. [Classifica i documenti SEC 10K/Q in base ai codici di settore in base alla colonna di testo MDNA](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/finance/notebook3/SEC_MNIST_ML.html).
**Nota**
I notebook di esempio sono solo a scopo dimostrativo. Non si deve fare affidamento su di essi come consulenza finanziaria o di investimento.
**Nota**
Il SageMaker JumpStart settore: le soluzioni finanziarie, le schede modello e i notebook di esempio sono ospitati ed eseguibili solo tramite Studio Classic. SageMaker Accedi alla [console SageMaker AI e avvia Studio Classic](https://console.aws.amazon.com/sagemaker). SageMaker Per ulteriori informazioni su come trovare i taccuini di esempio, consulta l'argomento precedente all'indirizzo. [SageMaker JumpStart](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html)
*Per visualizzare in anteprima il contenuto dei taccuini di esempio, consulta la documentazione dell'SDK Python [Tutorials — Finance in](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/index.html) the Industry SageMaker JumpStart Python.*
## Amazon SageMaker JumpStart Industry: post sui blog finanziari
Per applicazioni complete sull'utilizzo di SageMaker JumpStart Industry: soluzioni finanziarie, modelli, esempi e SDK, consulta i seguenti post di blog:
+ [Utilizza modelli linguistici finanziari preformati per trasferire l'apprendimento in Amazon SageMaker JumpStart](https://aws.amazon.com/blogs/machine-learning/use-pre-trained-financial-language-models-for-transfer-learning-in-amazon-sagemaker-jumpstart/)
+ [Usa il testo SEC per la classificazione delle valutazioni utilizzando il machine learning multimodale in Amazon SageMaker JumpStart](https://aws.amazon.com/blogs/machine-learning/use-sec-text-for-ratings-classification-using-multimodal-ml-in-amazon-sagemaker-jumpstart/)
+ [Crea una dashboard con testo SEC per la PNL finanziaria in Amazon SageMaker JumpStart](https://aws.amazon.com/blogs/machine-learning/create-a-dashboard-with-sec-text-for-financial-nlp-in-amazon-sagemaker-jumpstart/)
+ [Crea un classificatore di rating del credito aziendale utilizzando l'apprendimento automatico a grafici in Amazon SageMaker JumpStart](https://aws.amazon.com/blogs/machine-learning/build-a-corporate-credit-ratings-classifier-using-graph-machine-learning-in-amazon-sagemaker-jumpstart/)
+ [Adattamento al dominio Ottimizzazione dei modelli Foundation in Amazon sui dati finanziari SageMaker JumpStart ](https://aws.amazon.com/blogs/machine-learning/domain-adaptation-fine-tuning-of-foundation-models-in-amazon-sagemaker-jumpstart-on-financial-data/)
## Amazon SageMaker JumpStart Industry: ricerca finanziaria
Per ricerche relative a SageMaker JumpStart Industria: soluzioni finanziarie, consulta i seguenti documenti:
+ [Contesto, modellazione del linguaggio e dati multimodali nel settore finanziario](https://www.pm-research.com/content/iijjfds/3/3/52)
+ [Machine Learning multimodale per la modellazione del credito](https://www.amazon.science/publications/multimodal-machine-learning-for-credit-modeling)
+ [Sulla mancanza di una solida interpretabilità dei classificatori di testo neurale](https://www.amazon.science/publications/on-the-lack-of-robust-interpretability-of-neural-text-classifiers)
+ [FinLex: Un uso efficace degli incorporamenti di testi per la generazione di lessici finanziari](https://www.sciencedirect.com/science/article/pii/S2405918821000131)
## Amazon SageMaker JumpStart Industry: risorse finanziarie aggiuntive
Per ulteriori tutorial e documentazione consulta le seguenti risorse:
+ [Il SageMaker JumpStart settore: Financial Python SDK](https://pypi.org/project/smjsindustry/)
+ [SageMaker JumpStart Settore: Tutorial sull'SDK in Python finanziario](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/index.html#)
+ [Il SageMaker JumpStart settore: archivio finanziario GitHub ](https://github.com/aws/sagemaker-jumpstart-industry-pack/)
+ [Guida introduttiva ad Amazon SageMaker AI - Tutorial di Machine Learning](https://aws.amazon.com/sagemaker/getting-started/)