SageMaker JumpStart Indústria da Amazon: Financeira

Use SageMaker JumpStart Indústria: soluções financeiras, modelos e notebooks de exemplo para aprender sobre SageMaker recursos e capacidades por meio de soluções selecionadas de uma etapa e exemplos de notebooks de problemas de aprendizado de máquina (ML) com foco no setor. Os notebooks também explicam como usar o SageMaker JumpStart Industry SDK Python para aprimorar os dados de texto do setor e ajustar modelos pré-treinados.

Amazon SageMaker JumpStart Industry Python SDK

SageMaker JumpStart O Runtime fornece ferramentas de processamento para organizar conjuntos de dados do setor e ajustar modelos pré-treinados por meio de sua biblioteca cliente chamada Industry Python. SageMaker JumpStart SDK Para obter API documentação detalhada do SDK e para saber mais sobre como processar e aprimorar conjuntos de dados de texto do setor para melhorar o desempenho dos state-of-the-art modelos em SageMaker JumpStart, consulte a documentação de código aberto do Industry SageMaker JumpStartPython SDK.

Amazon SageMaker JumpStart Industry: Solução financeira

SageMaker JumpStart Industry: Financial fornece os seguintes notebooks de solução:

• Previsão de classificação de crédito corporativo

Esta solução SageMaker JumpStart Industry: Financial fornece um modelo para um modelo de classificação de crédito corporativo aprimorado por texto. Mostra como usar um modelo baseado em características numéricas (neste caso, os famosos 5 índices financeiros de Altman) combinado com textos de SEC registros para obter uma melhoria na previsão das classificações de crédito. Além dos 5 índices de Altman, você pode adicionar outras variáveis conforme necessário ou definir variáveis personalizadas. Este caderno de soluções mostra como o SageMaker JumpStart Industry Python SDK ajuda a processar a pontuação do Processamento de Linguagem Natural (NLP) de textos de arquivamentos. SEC Além disso, a solução demonstra como treinar um modelo usando o conjunto de dados aprimorado para obter um best-in-class modelo, implantar o modelo em um SageMaker endpoint para produção e receber previsões aprimoradas em tempo real.

• Pontuação de crédito baseada em gráficos

As avaliações de crédito são tradicionalmente geradas usando modelos que usam dados de demonstrações financeiras e dados de mercado, que são apenas tabulares (numéricos e categóricos). Essa solução constrói uma rede de empresas usando SECregistros e mostra como usar a rede de relacionamentos firmes com dados tabulares para gerar previsões de classificação precisas. Esta solução demonstra uma metodologia para usar dados em vínculos da empresa para estender os modelos de pontuação de crédito tradicionalmente baseados em tabelas, usados pelo setor de avaliação por décadas, à classe de modelos de machine learning em redes.

nota

Os cadernos de solução servem apenas para fins de demonstração. Eles não devem ser considerados como conselhos financeiros ou de investimento.

Você pode encontrar essas soluções de serviços financeiros na SageMaker JumpStart página do Studio Classic.

Importante

Em 30 de novembro de 2023, a experiência anterior do Amazon SageMaker Studio agora se chama Amazon SageMaker Studio Classic. A seção a seguir é específica para usar o aplicativo Studio Classic. Para obter informações sobre como usar a experiência atualizada do Studio, consulte SageMaker Estúdio Amazon.

nota

O SageMaker JumpStart setor: soluções financeiras, modelos de cartões e notebooks de exemplo são hospedados e podem ser executados somente por meio SageMaker do Studio Classic. Faça login no SageMaker console e inicie o SageMaker Studio Classic. Para obter mais informações sobre como encontrar o cartão de solução, consulte o tópico anterior em SageMaker JumpStart.

SageMaker JumpStart Indústria da Amazon: modelos financeiros

SageMaker JumpStart Industry: Financial fornece os seguintes modelos pré-treinados de abordagem BERT(RoBERTa) Robustly Optimized:

• Incorporação de texto financeiro (R oBERTa - SEC -Base)

• R oBERTa - SEC - WIKI -Base

• R oBERTa - SEC -Grande

• R oBERTa - - SEC WIKI - Grande

Os modelos R oBERTa - SEC -Base e R oBERTa - SEC -Large são os modelos de incorporação de texto baseados no modelo oBERTa R NLP da Gluon e pré-treinados nos relatórios S&P SEC 500 10-K/10-Q da década de 2010 (de 2010 a 2019). Além dessas, SageMaker JumpStart Industry: Financial fornece mais duas oBERTa variações de R, R oBERTa - SEC - WIKI -Base e R oBERTa - SEC - WIKI -Large, que são pré-treinadas nos SEC arquivos e textos comuns da Wikipedia.

Você pode encontrar esses modelos SageMaker JumpStart navegando até o nó Modelos de texto, escolhendo Explorar todos os modelos de texto e, em seguida, filtrando a incorporação de texto da tarefa de ML. Você pode acessar qualquer caderno correspondente após selecionar o modelo de sua escolha. Os notebooks emparelhados explicarão como os modelos pré-treinados podem ser ajustados para tarefas de classificação específicas em conjuntos de dados multimodais, que são aprimorados pelo Industry Python. SageMaker JumpStart SDK

nota

Os cadernos de modelo servem apenas para fins de demonstração. Eles não devem ser considerados como conselhos financeiros ou de investimento.

A captura de tela a seguir mostra as placas de modelo pré-treinadas fornecidas na SageMaker JumpStart página do Studio Classic.

nota

O SageMaker JumpStart setor: soluções financeiras, modelos de cartões e notebooks de exemplo são hospedados e podem ser executados somente por meio SageMaker do Studio Classic. Faça login no SageMaker console e inicie o SageMaker Studio Classic. Para obter mais informações sobre como encontrar os cartões modelo, consulte o tópico anterior em SageMaker JumpStart.

SageMaker JumpStart Indústria da Amazon: exemplos financeiros de notebooks

SageMaker JumpStart Industry: Financial fornece os seguintes exemplos de notebooks para demonstrar soluções para problemas de ML focados no setor:

• Construção de TabText dados financeiros — Este exemplo apresenta como usar o SageMaker JumpStart Industry SDK Python para processar SEC os arquivamentos, como resumo de texto e pontuação de textos com base NLP nos tipos de pontuação e nas listas de palavras correspondentes. Para visualizar o conteúdo deste caderno, consulte Construção simples de um conjunto de dados multimodal a partir de SEC arquivamentos e pontuações. NLP

• ML multimodal em TabText dados — Este exemplo mostra como mesclar diferentes tipos de conjuntos de dados em um único dataframe chamado e executar ML multimodal. TabText Para visualizar o conteúdo desse notebook, consulte Machine Learning on a TabText Dataframe — Um exemplo baseado no programa de proteção do salário.

• ML de várias categorias em dados de SEC arquivamento — Este exemplo mostra como treinar um AutoGluon NLP modelo nos conjuntos de dados multimodais (TabText) selecionados a partir de SEC arquivamentos para uma tarefa de classificação multiclasse. Classifique os arquivamentos SEC 10K/Q de acordo com os códigos do setor com base na coluna de texto. MDNA

nota

Os cadernos de exemplos servem apenas para fins de demonstração. Eles não devem ser considerados como conselhos financeiros ou de investimento.

nota

O SageMaker JumpStart setor: soluções financeiras, modelos de cartões e notebooks de exemplo são hospedados e podem ser executados somente por meio SageMaker do Studio Classic. Faça login no SageMaker console e inicie o SageMaker Studio Classic. Para obter mais informações sobre como encontrar os exemplos de cadernos, consulte o tópico anterior em SageMaker JumpStart.

Para visualizar o conteúdo dos cadernos de exemplo, consulte Tutoriais — Documentação em SageMaker JumpStart Python sobre finanças no setor. SDK

SageMaker JumpStart Indústria da Amazon: publicações em blogs financeiros

Para aplicações completas do uso da SageMaker JumpStart Indústria: soluções financeiras, modelos, exemplos e outrosSDK, consulte as seguintes postagens no blog:

• Use modelos de linguagem financeira pré-treinados para transferência de aprendizado na Amazon SageMaker JumpStart

• Use SEC texto para classificação de classificações usando ML multimodal na Amazon SageMaker JumpStart

• Crie um painel com SEC texto para finanças NLP na Amazon SageMaker JumpStart

• Crie um classificador de classificação de crédito corporativo usando aprendizado de máquina gráfico na Amazon SageMaker JumpStart

• Adaptação de domínio: ajuste fino de modelos de fundação na Amazon em dados financeiros SageMaker JumpStart

SageMaker JumpStart Indústria da Amazon: pesquisa relacionada a finanças

Para pesquisas relacionadas à SageMaker JumpStart Indústria: Soluções financeiras, consulte os seguintes artigos:

• Contexto, modelos de linguagem e dados multimodais em finanças

• Machine Learning multimodal para modelos de crédito

• A falta de interpretabilidade robusta dos classificadores neurais de texto

• FinLex: Um uso eficaz de incorporações de palavras para geração de léxico financeiro

SageMaker JumpStart Indústria da Amazon: recursos financeiros adicionais

Para tutoriais e documentação adicionais, consulte os recursos a seguir:

• A SageMaker JumpStart indústria: Python financeiro SDK

• SageMaker JumpStart Setor: Tutoriais financeiros de Python SDK

• A SageMaker JumpStart indústria: GitHub repositório financeiro

• Comece a usar a Amazon SageMaker - Tutoriais de Machine Learning