Amazon SageMaker Autopilot

Créer automatiquement des modèles de machine learning avec une visibilité complète

Amazon SageMaker Autopilot crée, entraîne et ajuste automatiquement les meilleurs modèles de machine learning en fonction de vos données, tout en vous permettant de conserver un contrôle et une visibilité totale.

La création de modèles de machine learning (ML) vous oblige à préparer manuellement des caractéristiques, à tester plusieurs algorithmes et à optimiser des centaines de paramètres de modèle afin de trouver le meilleur modèle pour vos données. Toutefois, cette approche nécessite une solide expertise en ML. Si vous ne possédez pas cette expertise, vous pouvez utiliser une approche automatisée (AutoML), mais les approches AutoML n'offrent généralement que très peu de visibilité sur l'impact de vos caractéristiques pour les prédictions de modèle. Par conséquent, vous pouvez avoir moins confiance en lui parce que vous ne pouvez pas le recréer et vous ne pouvez pas savoir comment il fait des prédictions.

Amazon SageMaker Autopilot élimine la lourde tâche de créer des modèles de ML. Il vous aide à créer, entraîner et ajuster automatiquement le meilleur modèle de ML en fonction de vos données. Avec SageMaker Autopilot, il vous suffit de fournir un ensemble de données tabulaires et de sélectionner la colonne cible à prédire, qui peut être un nombre (par exemple : le prix d'un bien immobilier, appelé régression) ou une catégorie (par exemple : spam/non spam, appelée classification). SageMaker Autopilot explorera automatiquement différentes solutions pour trouver le meilleur modèle. Vous pouvez ensuite déployer directement le modèle en production en un seul clic, ou itérer sur les solutions recommandées avec Amazon SageMaker Studio pour améliorer davantage la qualité du modèle.

Fonctionnement

Fonctionnement d'Amazon SageMaker Autopilot

Fonctionnalités principales

Prétraitement automatique des données et ingénierie des caractéristiques

Vous pouvez utiliser Amazon SageMaker Autopilot même si vous avez des données manquantes. SageMaker Autopilot remplit automatiquement les données manquantes, fournit des informations statistiques sur les colonnes de votre ensemble de données et extrait automatiquement les informations des colonnes non numériques, telles que les informations de date et d'heure des horodatages.

Sélection automatique du modèle de ML

Amazon SageMaker Autopilot déduit automatiquement le type de prédictions qui convient le mieux à vos données, comme la classification binaire, la classification multi-classes ou la régression. SageMaker Autopilot explore ensuite des algorithmes très performants tels que l'arbre de décision amplifiée du gradient, les réseaux de neurones profonds à propagation avant et la régression logistique, et entraîne et optimise des centaines de modèles basés sur ces algorithmes pour trouver le modèle qui correspond le mieux à vos données.

Classement de modèles

Amazon SageMaker Autopilot vous permet de passer en revue tous les modèles de ML générés automatiquement pour vos données. Vous pouvez afficher la liste des modèles, classés selon des critères tels que l'exactitude, la précision, le rappel et l'aire sous la courbe (AUC), examiner les détails du modèle tels que l'impact des caractéristiques sur les prédictions, et déployer le modèle le mieux adapté à votre cas d'utilisation.

Création automatique de bloc-notes

Vous pouvez générer automatiquement un bloc-notes d'Amazon SageMaker Studio pour n'importe quel modèle créé par Amazon SageMaker Autopilot et explorer les détails de sa création, l'affiner comme vous le souhaitez et le recréer à partir du bloc-notes à tout moment dans le futur.

Importance de la fonctionnalité

Amazon SageMaker Autopilot fournit un rapport d'explicabilité généré par Amazon SageMaker Clarify, qui vous permet de comprendre et d'expliquer plus facilement comment les modèles créés avec SageMaker Autopilot effectuent des prédictions. Vous pouvez également identifier comment chaque attribut dans vos données d'entraînement contribue au résultat prédit sous forme de pourcentage. Plus le pourcentage est élevé, plus cette fonctionnalité a un impact important sur les prédictions de votre modèle.

Intégration facile avec vos applications

Vous pouvez utiliser l'interface de programmation d'application (API) d'Amazon SageMaker Autopilot pour créer facilement des modèles et effectuer des inférences directement à partir de vos applications, telles que vos outils d'analyse de données et d'entreposage de données.

Cas d'utilisation

Prévisions des prix

Les modèles de prévision des prix sont largement utilisés dans les services financiers, l'immobilier, l'énergie et les services publics pour prédire le prix des actions, de l'immobilier et des ressources naturelles. Amazon SageMaker Autopilot peut prédire les prix futurs pour vous aider à prendre de bonnes décisions d'investissement en fonction de vos données historiques telles que la demande, les tendances saisonnières et le prix d'autres produits.

Prévisions des désabonnements

Le taux de désabonnement des clients correspond à la perte de clients, et chaque entreprise cherche des moyens de l'éliminer. Les modèles automatiquement générés par Amazon SageMaker Autopilot vous aident à comprendre les modèles de désabonnement. Les modèles de prédiction de désabonnement fonctionnent en apprenant d'abord les schémas dans vos données existantes et en identifiant les schémas dans les nouveaux ensembles de données afin que vous puissiez obtenir une prédiction sur les clients les plus susceptibles de se désabonner.

Évaluation des risques

L'évaluation des risques nécessite d'identifier et d'analyser les événements potentiels qui peuvent avoir un impact négatif sur les individus, les actifs et votre entreprise. Les modèles automatiquement générés par Amazon SageMaker Autopilot prédisent les risques à mesure que de nouveaux événements se déroulent. Les modèles d'évaluation des risques sont formés à l'aide de vos ensembles de données existants afin que vous puissiez obtenir des prédictions optimisées pour votre entreprise.

Clients

Skullcandy Inc.
« Le nouveau service ML de Sisense optimisé par Amazon SageMaker Autopilot était exactement ce dont nous avions besoin pour garder une longueur d'avance dans le service client pendant cette pandémie COVID-19. Skullcandy a été en mesure d'acquérir une connaissance approfondie des besoins de nos clients, d'améliorer la résolution des problèmes et d'augmenter les scores de satisfaction des clients. »

Mark Hopkins, directeur de l'information, Skullcandy Inc.

Freddy's
« Auparavant, nous nous contentions d'essayer de faire deux restaurants à peu près identiques mais maintenant, nous avons une réelle compréhension des relations entre les articles de notre menu, les clients et les emplacements. Amazon SageMaker Autopilot, derrière la nouvelle capacité de ML de Domo, a démultiplié les possibilité de nos équipes marketing et d'achat. Le service a permis d'essayer de nouvelles idées et d'améliorer l'expérience de nos clients. »

Sean Thompson, directeur informatique, Freddy’s

mobilewalla
« L'objectif principal de la cartographie démographique est d'optimiser à la fois la précision et l'échelle. Bien que cela soit généralement difficile, nous avons pu utiliser Amazon SageMaker Autopilot avec nos données d'entraînement complètes et nos caractéristiques sophistiquées pour produire de meilleurs modèles qui ont amélioré notre précision de prévision de 137 %. »

Anindya Datta, PDG, Mobilewalla

Ressources pour Amazon SageMaker Autopilot

Créer facilement et rapidement des modèles de machine learning de haute qualité avec Amazon SageMaker Autopilot (31:39)

Amazon SageMaker Autopilot