Publicado en: Feb 11, 2022
Ahora puede definir modelos de machine learning personalizados con Neptune Machine Learning (ML) para los datos de grafos en Amazon Neptune. Neptune ML es la capacidad de machine learning de Amazon Neptune que utiliza redes neuronales de grafos (GNN, Graph Neural Networks) desarrolladas con Deep Graph Library (DGL) a fin de automatizar la ardua tarea de seleccionar y entrenar modelos de ML para los datos de grafos. Con este lanzamiento, también puede ejecutar consultas de inferencia SPARQL en el modelo de datos del marco de descripción de recursos (RDF, Resource Description Framework) de W3C, además de las consultas de inferencia del Gremlin de Apache TinkerPop en los grafos de propiedades. Las nuevas tareas de machine learning para RDF incluyen la clasificación, la regresión y la predicción de objetos y la predicción de sujetos.
El entrenamiento de modelos personalizado está dirigido a usuarios que desean aportar sus propios modelos de GNN personalizados desarrollados en DGL o para casos de uso avanzados en clasificación y regresión de nodos, como el uso de modelos tabulares o de ensamble. Por ejemplo, puede crear un modelo de ML personalizado a fin de vincular los registros de los clientes en un grafo de identidad o combinar las predicciones de un modelo sin grafos y de otro con grafos para la detección de fraude. Con la ayuda de SPARQL, Neptune ML puede inferir una clasificación categórica o una regresión numérica sobre las propiedades tanto de los objetos como de los sujetos. Además, Neptune ML puede predecir el objeto más probable a partir de un sujeto y un predicado existentes y viceversa con los datos de RDF.
Puede utilizar la configuración de inicio rápido en la introducción a Neptune ML. Neptune ML se encuentra disponible en las versiones de Neptune 1.0.5.0 y posteriores, en todas las regiones en las que Amazon Neptune está disponible. El uso de Neptune ML no conlleva cargos adicionales. Solo paga por los recursos aprovisionados, como Amazon Neptune, Amazon SageMaker, Amazon CloudWatch y Amazon S3.
Para obtener más información sobre los modelos personalizados, consulte la documentación o revise los modelos de ejemplo sobre la clasificación de nodos y otras tareas en GitHub. Las muestras de consultas de inferencia SPARQL para Neptune ML se encuentran disponibles en nuestra documentación.