TecTop
|
|
Hoy, AWS anuncia nuevas características en Amazon SageMaker Canvas que ayudan a los analistas de negocios a generar información a partir de miles de documentos, imágenes y líneas de texto en minutos con aprendizaje automático (ML). A partir de hoy, puede acceder a modelos listos para usar y crear modelos de clasificación de imágenes y texto personalizados junto con modelos personalizados previamente admitidos para datos tabulares, todo sin necesidad de experiencia en aprendizaje automático ni escribir una línea de código.
Los analistas de negocios de diferentes industrias quieren aplicar soluciones de IA/ML para generar conocimientos a partir de una variedad de datos y responder a las solicitudes de análisis ad-hoc provenientes de las partes interesadas del negocio. Al aplicar AI/ML en sus flujos de trabajo, los analistas pueden automatizar procesos manuales, lentos y propensos a errores, como la inspección, la clasificación y la extracción de información de datos sin procesar, imágenes o documentos. Sin embargo, la aplicación de AI/ML a los problemas comerciales requiere experiencia técnica y la creación de modelos personalizados puede llevar varias semanas o incluso meses.
Lanzado en 2021, Amazon SageMaker Canvas es un servicio visual de apuntar y hacer clic que permite a los analistas comerciales usar una variedad de modelos listos para usar o crear modelos personalizados para generar predicciones precisas de ML por su cuenta.
Modelos listos para usar
Los clientes pueden usar SageMaker Canvas para acceder a modelos listos para usar que se pueden usar para extraer información y generar predicciones de miles de documentos, imágenes y líneas de texto en minutos. Estos modelos listos para usar incluyen análisis de sentimientos, detección de lenguaje, extracción de entidades, detección de información personal, detección de objetos y texto en imágenes, análisis de gastos para facturas y recibos, análisis de documentos de identidad y análisis de formularios y documentos más generalizados.
Por ejemplo, puede seleccionar el modelo listo para usar de análisis de sentimientos y cargar reseñas de productos de las redes sociales y tickets de atención al cliente para comprender rápidamente cómo se sienten sus clientes acerca de sus productos. Con el modelo listo para usar de detección de información personal, puede detectar y redactar información de identificación personal (PII) de correos electrónicos, tickets de soporte y documentos. Con el modelo listo para usar de análisis de gastos, puede detectar y extraer fácilmente datos de sus facturas y recibos escaneados y generar información sobre esos datos.
Estos modelos listos para usar cuentan con la tecnología de los servicios de IA de AWS, incluidos Amazon Rekognition, Amazon Comprehend y Amazon Textract.
Texto e imagen personalizados Clasificación Modelos
Los clientes que necesitan modelos personalizados capacitados para su caso de uso específico del negocio pueden usar SageMaker Canvas para crear modelos de clasificación de texto e imágenes.
Puede utilizar SageMaker Canvas para crear modelos de clasificación de texto personalizados para clasificar los datos según sus necesidades. Por ejemplo, imagine que trabaja como analista comercial en una empresa que brinda atención al cliente. Cuando un agente de atención al cliente interactúa con un cliente, crea un ticket y necesita registrar el tipo de ticket, por ejemplo, «incidente», «solicitud de servicio» o «problema». Muchas veces, este campo se olvida y, por lo tanto, cuando se realiza el informe, los datos son difíciles de analizar. Ahora, con SageMaker Canvas, puede crear un diseño personalizado clasificación de texto modelo, entrénelo con la información del ticket de atención al cliente existente y el tipo de ticket, y utilícelo para predecir el tipo de tickets en el futuro cuando trabaje en un informe con datos faltantes.
También puede utilizar SageMaker Canvas para crear modelos de clasificación de imágenes personalizados utilizando sus propios conjuntos de datos de imágenes. Por ejemplo, imagina que trabajas como analista comercial en una empresa que fabrica teléfonos inteligentes. Como parte de su función, debe preparar informes y responder a las preguntas de las partes interesadas del negocio relacionadas con la evaluación de la calidad y sus tendencias. Cada vez que se ensambla un teléfono, se toma una foto automáticamente y, al final de la semana, recibes todas esas imágenes. Ahora, con SageMaker Canvas, puede crear un nuevo modelo de clasificación de imágenes personalizado que está capacitado para identificar defectos de fabricación comunes. Luego, cada semana, puede usar el modelo para analizar las imágenes y predecir la calidad de los teléfonos producidos.
SageMaker Canvas en acción
Imaginemos que usted es un analista comercial de una empresa de comercio electrónico. Se le ha encomendado la tarea de comprender el sentimiento del cliente hacia todos los productos nuevos para esta temporada. Sus partes interesadas requieren un informe que agregue los resultados por categoría de artículo para decidir qué inventario deben comprar en los meses siguientes. Por ejemplo, quieren saber si los nuevos muebles han recibido una opinión positiva. Se le ha proporcionado una hoja de cálculo que contiene reseñas de los nuevos productos, así como un archivo obsoleto que clasifica todos los productos en su plataforma de comercio electrónico. Sin embargo, este archivo aún no incluye los nuevos productos.
Para resolver este problema, puede utilizar SageMaker Canvas. En primer lugar, deberá utilizar el modelo listo para usar de análisis de opiniones para comprender la opinión de cada reseña, clasificándolas como positivas, negativas o neutrales. Luego, deberá crear un modelo de clasificación de texto personalizado que prediga las categorías para los nuevos productos en función de los existentes.
Modelo listo para usar: análisis de sentimiento
Para conocer rápidamente el sentimiento de cada revisión, puede realizar una actualización masiva de las revisiones del producto y generar un archivo con todas las predicciones de sentimiento.
Para empezar, busque Análisis de los sentimientos sobre el Modelos listos para usar página y debajo predicción por lotes, seleccionar Importar nuevo conjunto de datos.
Cuando crea un nuevo conjunto de datos, puede cargar el conjunto de datos desde su máquina local o usar Amazon Simple Storage Service (Amazon S3). Para esta demostración, cargará el archivo localmente. Puede encontrar todas las reseñas de productos utilizadas en este ejemplo en el Conjunto de datos de reseñas de clientes de Amazon.
Después de completar la carga del archivo y la creación del conjunto de datos, puede Generar predicciones.
La generación de la predicción tarda menos de un minuto, según el tamaño del conjunto de datos, y luego puede ver o descargar los resultados.
Los resultados de esta predicción se pueden descargar como .csv archivo o visto desde la interfaz de SageMaker Canvas. Puede ver el sentimiento de cada una de las reseñas de productos.
Ahora tiene lista la primera parte de su tarea: tiene un .csv archivo con el sentimiento de cada revisión. El siguiente paso es clasificar esos productos en categorías.
Modelo de clasificación de texto personalizado
Para clasificar los nuevos productos en categorías según el título del producto, debe entrenar un nuevo modelo de clasificación de texto en SageMaker Canvas.
En SageMaker Canvas, cree un Nuevo modelo del tipo Análisis de texto.
El primer paso al crear el modelo es seleccionar un conjunto de datos con el que entrenar el modelo. Entrenarás este modelo con un conjunto de datos de la temporada pasada, que contiene todos los productos excepto la nueva colección.
Una vez que el conjunto de datos haya terminado de importarse, deberá seleccionar la columna que contiene los datos que desea predecir, que en este caso es el categoria de producto columna, y la columna que se usará como entrada para que el modelo haga predicciones, que es la Titulo del producto columna.
Después de terminar de configurar eso, puede comenzar a construir el modelo. Hay dos modos de construcción:
- Construcción rápida que devuelve un modelo en 15-30 minutos.
- Construcción estándar tarda de 2 a 5 horas en completarse.
Para obtener más información sobre las diferencias entre los modos de construcción, puede consultar la documentación. Para esta demostración, elija compilación rápida, ya que nuestro conjunto de datos tiene menos de 50 000 filas.
Cuando se crea el modelo, puede analizar su rendimiento. SageMaker Canvas utiliza el enfoque 80-20; entrena el modelo con el 80 por ciento de los datos del conjunto de datos y utiliza el 20 por ciento de los datos para validar el modelo.
Cuando el modelo termina de construirse, puede comprobar la puntuación del modelo. El puntuación La sección le da una idea visual de cuán precisas fueron las predicciones para cada categoría. Puede obtener más información sobre cómo evaluar el rendimiento de su modelo en la documentación.
Después de asegurarse de que su modelo tiene una alta tasa de predicción, puede pasar a generar predicciones. Este paso es similar a los modelos listos para usar para el análisis de sentimientos. Puede hacer una predicción sobre un solo producto o sobre un conjunto de productos. Para una predicción por lotes, debe seleccionar un conjunto de datos y dejar que el modelo genere las predicciones. Para este ejemplo, seleccionará el mismo conjunto de datos que seleccionó en el modelo listo para usar, el que tiene las revisiones. Esto puede demorar unos minutos, según la cantidad de productos en el conjunto de datos.
Cuando las predicciones estén listas, puede descargar los resultados como un .csv archivo o ver cómo se clasificó cada producto. En los resultados de la predicción, a cada producto se le asigna solo una categoría en función de las categorías proporcionadas durante el proceso de creación del modelo.
Ahora tiene todos los recursos necesarios para realizar un análisis y evaluar el rendimiento de cada categoría de producto con la nueva colección en función de las opiniones de los clientes. Con SageMaker Canvas, pudo acceder a un modelo listo para usar y crear un modelo de clasificación de texto personalizado sin tener que escribir una sola línea de código.
Disponible ahora
Los modelos listos para usar y la compatibilidad con modelos de clasificación de imágenes y texto personalizados en SageMaker Canvas están disponibles en todas las regiones de AWS donde SageMaker Canvas está disponible. Puede obtener más información sobre las nuevas funciones y su precio visitando la página de detalles del producto SageMaker Canvas.
— Marcia
