As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
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.
Tópicos
- Amazon SageMaker JumpStart Industry Python SDK
- Amazon SageMaker JumpStart Industry: Solução financeira
- SageMaker JumpStart Indústria da Amazon: modelos financeiros
- SageMaker JumpStart Indústria da Amazon: exemplos financeiros de notebooks
- SageMaker JumpStart Indústria da Amazon: publicações em blogs financeiros
- SageMaker JumpStart Indústria da Amazon: pesquisa relacionada a finanças
- SageMaker JumpStart Indústria da Amazon: recursos financeiros adicionais
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
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
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
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
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
Para visualizar o conteúdo dos cadernos de exemplo, consulte Tutoriais — Documentação em SageMaker JumpStart Python sobre finanças
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:
SageMaker JumpStart Indústria da Amazon: pesquisa relacionada a finanças
Para pesquisas relacionadas à SageMaker JumpStart Indústria: Soluções financeiras, consulte os seguintes artigos:
SageMaker JumpStart Indústria da Amazon: recursos financeiros adicionais
Para tutoriais e documentação adicionais, consulte os recursos a seguir: