SageMaker JumpStart Amazon-Branche: Finanzwesen - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

SageMaker JumpStart Amazon-Branche: Finanzwesen

Verwenden Sie SageMaker JumpStart Industry: Financial Solutions, Models und Beispiel-Notizbücher, um anhand kuratierter, einstufiger Lösungen und Beispielnotizbücher für branchenspezifische Probleme des maschinellen Lernens (ML) mehr über SageMaker Funktionen und Fähigkeiten zu erfahren. In den Notizbüchern wird auch beschrieben, wie das SageMaker JumpStart Industry Python SDK verwendet werden kann, um Branchentextdaten zu verbessern und vortrainierte Modelle zu optimieren.

Amazon SageMaker JumpStart Industry Python SDK

SageMaker JumpStart bietet über seine Client-Bibliothek Industry Python SDK Verarbeitungstools für die Kuratierung von SageMaker JumpStart Branchendatensätzen und die Feinabstimmung vortrainierter Modelle. Eine ausführliche API-Dokumentation des SDK und weitere Informationen zur Verarbeitung und Verbesserung von Branchentextdatensätzen zur Verbesserung der Leistung von state-of-the-art Modellen finden Sie in der Open-Source-Dokumentation zumSageMaker JumpStart Industry Python SDK. SageMaker JumpStart

Amazon SageMaker JumpStart Industry: Finanzlösung

SageMaker JumpStart Branche: Financial bietet die folgenden Lösungsnotizbücher an:

  • Prognose der Bonität von Unternehmen

Diese SageMaker JumpStart Industry: Financial Solution bietet eine Vorlage für ein textgestütztes Modell zur Bonität von Unternehmen. Es zeigt, wie ein Modell, das auf numerischen Merkmalen basiert (in diesem Fall den berühmten 5 Finanzkennzahlen von Altman), kombiniert mit Texten aus den Unterlagen der SEC, um eine Verbesserung der Ratingprognose zu erreichen. Zusätzlich zu den 5 Altman-Verhältnissen können Sie nach Bedarf weitere Variablen hinzufügen oder benutzerdefinierte Variablen festlegen. Dieses Lösungsheft zeigt, wie das SageMaker JumpStart Industry Python SDK dabei hilft, die Bewertung von Texten aus SEC-Unterlagen (Natural Language Processing) zu verarbeiten. Darüber hinaus demonstriert die Lösung, wie ein Modell mithilfe des erweiterten Datensatzes trainiert werden kann, um ein best-in-class Modell zu erstellen, das Modell an einem SageMaker Endpunkt für die Produktion bereitzustellen und verbesserte Vorhersagen in Echtzeit zu erhalten.

  • Graphengestütztes Kreditrating

Kreditratings werden traditionell anhand von Modellen generiert, die Jahresabschlussdaten und Marktdaten verwenden, die nur tabellarisch (numerisch und kategorisch) vorliegen. Diese Lösung baut ein Netzwerk von Unternehmen auf der Grundlage von SEC-Unterlagen auf und zeigt, wie das Netzwerk von Unternehmensbeziehungen mit tabellarischen Daten genutzt werden kann, um genaue Ratingvorhersagen zu erstellen. Diese Lösung demonstriert eine Methode, mit der Daten über Unternehmensverknüpfungen verwendet werden können, um die traditionell tabellarischen Kreditbewertungsmodelle, die seit Jahrzehnten von der Ratingbranche verwendet werden, auf die Klasse der maschinellen Lernmodelle in Netzwerken auszudehnen.

Anmerkung

Die Lösungshefte dienen nur zu Demonstrationszwecken. Sie sollten nicht als Finanz- oder Anlageberatung in Anspruch genommen werden.

Sie finden diese Finanzdienstleistungslösungen auf der SageMaker JumpStart Seite in Studio.

Anmerkung

Die SageMaker JumpStart Branche: Finanzlösungen, Modellkarten und Beispielnotizbücher werden nur über SageMaker Studio gehostet und können ausgeführt werden. Melden Sie sich bei der SageMaker Konsole an und starten Sie SageMaker Studio. Weitere Informationen zum Auffinden der Lösungskarte finden Sie im vorherigen Thema unter SageMaker JumpStart.

SageMaker JumpStart Amazon-Industrie: Finanzmodelle

SageMaker JumpStart Branche: Financial bietet die folgenden vortrainierten Modelle des Robustly Optimized BERT Approach (RobertA) an:

  • Einbettung von Finanztexten (Roberta-SEC-Base)

  • Roberta-Sec-Wiki-Basis

  • Roberta-Sec-Large

  • Roberta-Sec-Wiki-Large

Die Modelle Roberta-Sec-Base und Roberta-Sec-Large sind die Texteinbettungsmodelle, die auf dem RobertA-Modell von GluonNLP basieren und auf den S&P 500 SEC 10-K/10-Q-Berichten des Jahrzehnts der 2010er Jahre (von 2010 bis 2019) vortrainiert wurden. Darüber hinaus bietet SageMaker JumpStart Industry: Financial zwei weitere RobertA-Varianten an, Roberta-SEC-Wiki-Base und Roberta-Sec-Wiki-Large, die anhand der SEC-Unterlagen und der gängigen Texte von Wikipedia vortrainiert sind.

Sie finden diese Modelle, SageMaker JumpStart indem Sie zum Knoten Textmodelle navigieren, „Alle Textmodelle durchsuchen“ auswählen und dann nach der Texteinbettung für die ML-Aufgabe filtern. Sie können auf alle entsprechenden Notizbücher zugreifen, nachdem Sie das Modell Ihrer Wahl ausgewählt haben. In den gepaarten Notizbüchern erfahren Sie, wie die vortrainierten Modelle für spezifische Klassifikationsaufgaben in multimodalen Datensätzen, die durch das SageMaker JumpStart Industry Python SDK erweitert werden, optimiert werden können.

Anmerkung

Die Modell-Notebooks dienen nur zu Demonstrationszwecken. Sie sollten nicht als Finanz- oder Anlageberatung in Anspruch genommen werden.

Der folgende Screenshot zeigt die vortrainierten Modellkarten, die auf der SageMaker JumpStart Seite in Studio bereitgestellt werden.

Anmerkung

Die SageMaker JumpStart Branche: Finanzlösungen, Modellkarten und Beispielnotizbücher werden nur über SageMaker Studio gehostet und können ausgeführt werden. Melden Sie sich bei der SageMaker Konsole an und starten Sie SageMaker Studio. Weitere Informationen zum Auffinden der Modellkarten finden Sie im vorherigen Thema unter SageMaker JumpStart.

Amazon SageMaker JumpStart Industry: Notizbücher mit Finanzbeispielen

SageMaker JumpStart Industry: Financial stellt die folgenden Beispiel-Notizbücher zur Veranschaulichung von Lösungen für branchenspezifische ML-Probleme zur Verfügung:

Anmerkung

Die Beispielnotizbücher dienen nur zu Demonstrationszwecken. Sie sollten nicht als Finanz- oder Anlageberatung in Anspruch genommen werden.

Anmerkung

Die SageMaker JumpStart Branche: Finanzlösungen, Modellkarten und Beispielnotizbücher werden nur über SageMaker Studio gehostet und können ausgeführt werden. Melden Sie sich bei der SageMaker Konsole an und starten Sie SageMaker Studio. Weitere Informationen zum Auffinden der Beispielnotizbücher finden Sie im vorherigen Thema unter SageMaker JumpStart.

Eine Vorschau des Inhalts der Beispielnotizbücher finden Sie unter Tutorials — Finanzen in der Python-SDK-Dokumentation für dieSageMaker JumpStart Industrie.

Amazon SageMaker JumpStart Industry: Blog-Beiträge zum Thema Finanzen

Ausführliche Anwendungen zur Verwendung von SageMaker JumpStart Industry: Financial solutions, models, examples und dem SDK finden Sie in den folgenden Blogbeiträgen:

Amazon SageMaker JumpStart Industry: Finanzbezogene Forschung

Forschungsarbeiten zum Thema SageMaker JumpStart Industrie: Finanzlösungen finden Sie in den folgenden Artikeln:

Amazon SageMaker JumpStart Industry: Zusätzliche finanzielle Ressourcen

Weitere Dokumentation und Tutorials finden Sie in den folgenden Ressourcen: