Amazon SageMaker Autopilot

Cree modelos de aprendizaje automático con visibilidad completa de forma automática

Amazon SageMaker Autopilot crea, entrena y ajusta automáticamente los mejores modelos de aprendizaje automático en función de sus datos, a la vez que le permite mantener el control y la visibilidad completos.

La creación de modelos de aprendizaje automático (ML) requiere que prepare las características, pruebe varios algoritmos y optimice cientos de parámetros de modelos de forma manual con el fin de encontrar el mejor modelo para sus datos. Sin embargo, esta opción requiere una amplia experiencia en el aprendizaje automático. Si no cuenta con esa experiencia, puede utilizar un enfoque automatizado (AutoML), pero los enfoques de aprendizaje automático automatizado suelen ofrecer muy poca visibilidad sobre el impacto que tienen sus características para las predicciones del modelo. Como resultado, es posible que confíe menos en él porque no puede recrearlo ni tampoco puede saber cómo realiza las predicciones.

Amazon SageMaker Autopilot elimina las arduas tareas de creación de modelos de aprendizaje automático y lo ayuda a crear, entrenar y ajustar de forma automática el mejor modelo de aprendizaje automático basado en sus datos. Con SageMaker Autopilot, simplemente debe proporcionar un conjunto de datos tabular y seleccionar la columna de destino para la predicción, que puede ser un número (como el precio de una casa, llamado “regresión”) o una categoría (como spam o no spam, llamada “clasificación”). Amazon SageMaker Autopilot analizará diferentes soluciones de manera automática para encontrar el mejor modelo. Luego, podrá implementar directamente el modelo en la etapa de producción con un solo clic o iterar en las soluciones recomendadas con Amazon SageMaker Studio a fin de mejorar aún más la calidad del modelo.

Funcionamiento

Cómo funciona Amazon SageMaker Autopilot

Características principales

Preprocesamiento automático de datos e ingeniería de características

Puede usar Amazon SageMaker Autopilot incluso cuando le faltan datos. SageMaker Autopilot rellena de manera automática los datos faltantes, proporciona información estadística acerca de las columnas del conjunto de datos y, también de forma automática, extrae la información de las columnas no numéricas, como la de la fecha y la hora de las marcas temporales.

Selección automática de modelos de aprendizaje automático

Amazon SageMaker Autopilot infiere automáticamente el tipo de predicciones que mejor se adapta a sus datos, como la clasificación binaria, la clasificación de varias clases o la regresión. Luego, SageMaker Autopilot analiza los algoritmos de alto rendimiento, como el árbol de decisiones con potenciación de gradientes, las redes neuronales profundas de prealimentación y la regresión logística, y entrena y optimiza cientos de modelos basados en estos algoritmos para encontrar el modelo que mejor se adapte a sus datos.

Tabla de clasificación de modelos

Amazon SageMaker Autopilot permite revisar todos los modelos de aprendizaje automático que se generan automáticamente para sus datos. Puede ver la lista de modelos, ordenados por métricas como la precisión, la exactitud, las recuperaciones y el área debajo de la curva (AUC), revisar los detalles de los modelos, como el impacto de las características en las predicciones, e implementar el modelo que se adapte mejor a su caso de uso.

Creación automática de blocs de notas

Puede generar de forma automática un bloc de notas de Amazon SageMaker Studio para cualquier modelo que cree Amazon SageMaker Autopilot y sumergirse en los detalles de cómo se creó, refinarlo como lo desee y recrearlo a partir del bloc de notas en cualquier momento en el futuro.

Integración sencilla a sus aplicaciones

Puede utilizar la interfaz de programación de aplicaciones (API) de Amazon SageMaker Autopilot para crear modelos con facilidad y realizar inferencias directamente desde sus aplicaciones, como las herramientas de análisis y almacenamiento de datos.

Casos de uso

Predicciones de precios

Los modelos para predicciones de precios se utilizan mucho en los sectores de servicios financieros, de bienes raíces, de energía y de servicios públicos con el fin de predecir el precio de las acciones, los bienes inmuebles y los recursos naturales. Amazon SageMaker Autopilot puede predecir los precios futuros para ayudarlo a tomar decisiones acertadas de inversión en función de los datos históricos, como la demanda, las tendencias estacionales y el precio de otros productos básicos.

Predicción de pérdida de clientes

El abandono de clientes implica la pérdida de dichos clientes y, por ello, es un factor que todas las empresas buscan eliminar. Los modelos generados de forma automática con Amazon SageMaker Autopilot lo ayudan a comprender los patrones de abandono de los clientes. Los modelos de predicción del abandono de los clientes funcionan, en primer lugar, aprendiendo los patrones de los datos existentes e identificando los patrones de los nuevos conjuntos de datos, de manera que obtenga una predicción acerca de qué clientes tienen más probabilidades de abandono.

Evaluación de riesgos

La evaluación de riesgos requiere la identificación y el análisis de los eventos potenciales que puedan afectar de forma negativa a las personas, a los activos o a su empresa. Los modelos generados de forma automática con Amazon SageMaker Autopilot predicen los riesgos a medida que se desarrollan nuevos eventos. Los modelos de evaluación de riesgos se entrenan con sus conjuntos de datos existentes con el fin de obtener predicciones optimizadas para su negocio.

Clientes

Skullcandy Inc.
“El nuevo servicio de aprendizaje automático con tecnología de Amazon SageMaker Autopilot de Sisense era exactamente lo que necesitábamos para mantenernos a la vanguardia en el servicio de atención al cliente durante esta pandemia de COVID-19. Skullcandy pudo obtener información detallada sobre las necesidades de los clientes, mejorar la resolución de problemas y aumentar las puntuaciones de satisfacción de los clientes”.

Mark Hopkins, director de información de Skullcandy Inc.

Freddy's
“Antes, simplemente elegíamos dos restaurantes parecidos, pero ahora comprendemos realmente la relación entre los productos del menú, los clientes y los locales. Amazon SageMaker Autopilot, que respalda la nueva funcionalidad de aprendizaje automático de Domo, ha aumentado de forma exponencial la fuerza de nuestros equipos de marketing y compra para tratar nuevas ideas y mejorar la experiencia de nuestros clientes”.

Sean Thompson, director de TI de Freddy’s

Mobilewalla
“El objetivo principal del mapeo demográfico es optimizar tanto la precisión como la escala. Aunque esto suele ser difícil, pudimos usar Amazon SageMaker Autopilot con nuestros completos datos de entrenamiento y características sofisticadas para producir mejores modelos que optimizaron la precisión de nuestras predicciones en un 137 %”.

Anindya Datta, director ejecutivo de Mobilewalla

Amazon SageMaker Autopilot