Amazon SageMaker Autopilot

Cree modelos de machine learning con visibilidad completa de forma automática

Cree, entrene y ajuste de forma automática los mejores modelos de ML en función de los datos, manteniendo el control y la visibilidad totales

Seleccione el mejor modelo de una tabla de clasificación para los requisitos de rendimiento y precisión del modelo

Implemente el modelo en la etapa de producción con solo un clic o bien itere con los modelos recomendados en Amazon SageMaker Studio

 

El Piloto automático de Amazon SageMaker elimina el trabajo pesado que supone crear modelos de ML. Simplemente proporcione un conjunto de datos tabulares y seleccione la columna de destino para predecir, y el piloto automático de Amazon SageMaker analizará de forma automática las diferentes soluciones para encontrar el mejor modelo. Después, podrá implementar directamente el modelo en la etapa de producción con un solo clic o bien iterar en las soluciones recomendadas a fin de mejorar aún más la calidad del modelo.

Amazon SageMaker Autopilot Overview (Perspectiva general del Piloto automático de Amazon SageMaker) (1:28)

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.

Importancia de la característica

Amazon SageMaker Autopilot provee un informe de explicabilidad, generado por Amazon SageMaker Clarify, que facilita la comprensión y explicación de la forma en que los modelos creados con SageMaker Autopilot elaboran predicciones. También puede identificar en qué medida cada atributo de los datos de entrenamiento contribuye al resultado predicho en forma de porcentaje. Cuanto mayor sea el porcentaje, mayor será el impacto de esa característica en las predicciones del modelo.

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 (CEO) de Mobilewalla

RetentionX
“En RetentionX, proporcionamos información comercial con un solo clic a las empresas de comercio electrónico. Para servir a nuestros clientes, es importante que puedan comenzar rápidamente y tomar decisiones empresariales a tiempo, sin embargo, crear modelos de machine learning precisos puede ser costoso y llevar meses de prueba y error. Además, la precisión del modelo también depende en gran medida de la amplitud y la profundidad de los datos de formación y del conjunto de características únicas disponibles para cada uno de nuestros clientes. Con la ayuda de Amazon SageMaker Autopilot, nuestros clientes pueden generar automáticamente los mejores modelos de ML basados en conjuntos de datos únicos. Gracias a SageMaker Autopilot, podemos proporcionar información personalizada a decenas de millones de compradores aprovechando el poder de AutoML”.

Alexander Jost, director ejecutivo (CEO) de RetentionX

EPCVIP
“En EPCVIP, sacamos partido del machine learning para entender mejor los atributos de grupos de usuarios, acelerar los tiempos de procesamiento y mejorar las tasas de conversión para nuestras ofertas de productos. La industria de la tecnología financiera es muy completa y está en constante cambio. De manera semanal, se incorporan nuevos socios, afiliados, orígenes de tráfico y ofertas de productos. A medida que creamos modelos de machine learning, experimentamos de manera constante para adaptar nuestros modelos con el objetivo de producir mejores resultados. Ahora, gracias al Piloto automático de Amazon SageMaker, podemos diseñar con rapidez un prototipo y crear, entrenar y ajustar automáticamente modelos de ML con visibilidad total de los datos. Con el Piloto automático de SageMaker podemos clasificar y revisar características, algoritmos y conjuntos de datos, lo que nos ha permitido comprender de manera completa las iteraciones de nuestros modelos. Los resultados de las tasas de coincidencia mejoradas y otros modelos implementados a través del Piloto automático de SageMaker han contribuido al valor por cliente potencial de nuestra compañía hasta en un 30 %”.

Pascal Simpkins, director de Ciencia de Datos, EPCVIP

Recursos

TUTORIAL

Cree automáticamente modelos de aprendizaje automático

Blog

Realice predicciones por lotes con el piloto automático de Amazon SageMaker

BLOG

Ahora, el piloto automático de Amazon SageMaker admite datos de series temporales

BLOG

AutoML está utilizando SageMaker con grandes conjuntos de datos de parquet

BLOG

Agregar AutoML con el piloto automático de Amazon SageMaker en las cuentas

BLOG

Herramientas de calidad de modelo y explicabilidad del piloto automático de Amazon SageMaker

BLOG

Genera métricas de evaluación de modelo de forma automática

Novedades

Fecha (de más reciente a más antigua)
  • Fecha (de más reciente a más antigua)
1
No se encontraron resultados