Amazon SageMaker JumpStart

Solutions Machine Learning (ML) avec algorithmes intégrés, modèles de base et solutions ML intégrées que vous pouvez déployer en quelques clics seulement

Des centaines d'algorithmes intégrés avec des modèles préentraînés provenant de centres de modèles populaires

Modèles de base populaires pouvant être déployés en quelques clics

Solutions entièrement personnalisables pour les cas d'utilisation courants avec des architectures de référence pour accélérer votre transition vers le ML

Partagez des modèles et des blocs-notes ML au sein de votre organisation pour accélérer la création et le déploiement de modèles ML

Amazon SageMaker JumpStart est une solution de machine learning (ML) qui peut vous aider à accélérer votre transition vers le ML. Avec SageMaker JumpStart, vous pouvez accéder à des algorithmes intégrés avec des modèles préentraînés à partir de solutions de modèles, des modèles de base préentraînés pour vous aider à effectuer des tâches telles que la synthèse d'articles et la génération d'images, et des solutions prédéfinies pour résoudre des cas d'utilisation courants. De plus, vous pouvez partager des artefacts ML, y compris des modèles ML et des blocs-notes, au sein de votre organisation pour accélérer la création et le déploiement de modèles ML.

Fonctionnement

  • Algorithmes intégrés avec modèles préentraînés
  • Solutions
  • Diagramme de fonctionnement des solutions
  • Partage d'artefacts ML
  • Diagramme de fonctionnement du partage d'artefacts ML

Algorithmes intégrés

SageMaker JumpStart propose des centaines d'algorithmes intégrés avec des modèles préentraînés provenant de hubs de modèles, notamment TensorFlow Hub, PyTorch Hub, HuggingFace et MxNet GluonCV. Vous pouvez également accéder aux algorithmes intégrés à l'aide du SDK Python de SageMaker. Les algorithmes intégrés couvrent les tâches courantes de ML, telles que la classification des données (image, texte, tableau) et l'analyse du ressenti client.

En savoir plus sur les algorithmes intégrés »

Type Tâches ML Exemples d'algorithmes et de modèles
Vision  Classification d’image
Intégration d'images
Détection d'objets
Segmentation sémantique 
Plus de 200 modèles dont ResNet, Inception, MobileNet, SSD, Faster RCNN, YOLO, Stable Diffusion
Texte (traitement du langage naturel)
Segmentation de phrase
Classification de texte
Intégration
Classification par paire
Réponse aux questions
Résumé
Génération de texte
Traduction
Reconnaissance d'entités nommées 
Plus de 100 modèles, dont BERT, RoBERTa, DistilBERT, Distillbart xsum, GPT2, ELECTRA, Blazing Text, Sequence-to-sequence, Latent Dirichlet Allocation (LDA), Neural Topic Model (NTM), Bloom
Tabulaire  Classification
Régression 
LightGBM, CatBoost, XGBoost, Linear Learner, AutoGluon,  TabTransformer, DeepAR, Factorization Machines, K-nearest Neighbors, Object2Vec, K-means, Random Cut Forest, IP Insights
Audio  Intégration d'audio  TRILL, TRILL Distillé, FRILL 

Modèles de base

Les modèles de base sont des modèles ML à grande échelle qui contiennent des milliards de paramètres et sont préentraînés sur des téraoctets de données texte et image, ce qui vous permet d'effectuer un large éventail de tâches telles que la synthèse d'articles et la génération de texte, d'image ou de vidéo. Puisque les modèles de base sont préentraînés, ils peuvent aider à réduire les coûts de formation et d'infrastructure et permettre la personnalisation pour votre cas d'utilisation.

Modèles de base disponibles via SageMaker.

LightOn Logo
Stability AI Logo
Hugging Face Logo
Alexa Logo

Solutions intégrées

Les solutions intégrées peuvent être utilisées pour les cas d'utilisation courants et sont entièrement personnalisables.

Cas d'utilisation Solution Démarrer
Prédictibilité de l'évaluation du crédit Prédictibilité de l'évaluation du crédit des entreprises à l'aide d'un ML multimodal pour les prédictions de crédit de qualité Évaluation du crédit basée sur un graphique
Décisions en matière de crédit
Documentation »
Maintenance prédictive Maintenance prévisionnelle de vos flottes de véhicules
Maintenance prévisionnelle de la fabrication
Documentation »
Aide visuelle par ordinateur Détection des défauts des produits sur les photos
Reconnaissance de l'écriture manuscrite
Détection d'objets pour les espèces d'oiseaux
Documentation »
Apprentissage renforcé
Conduite autonome avec perception visuelle et apprentissage actif
Apprentissage par renforcement distribué pour le défi Procgen
Apprentissage par renforcement pour les concours d'IA Battlesnake
Documentation »
Détection des fraudes Détection des transactions et utilisateurs malveillants
Détection de la fraude dans les transactions financières grâce à Deep Graph Library
Classification des paiements financiers
Documentation »
Extraction et analyse des données de documents
Différence de confidentialité pour la classification du ressenti client
Résumé de documents, extraction d’entités et de relations
Reconnaissance de la main d’écriture à l’aide de Amazon SageMaker
Compléter les informations manquantes dans les tableaux
Documentation »
Prévisions des désabonnements Prévision des désabonnements pour les téléphones mobiles
Prévisions des désabonnements avec du texte
Documentation »
Prévision de la demande Prévision de la demande grâce à l’apprentissage profond (deep learning) Documentation »
Recommandations personnalisées Résolution des entités dans les graphiques d'identité grâce à Deep Graph Library
Modèle d’achat
Documentation »
Optimisation des prix  Optimisation des prix à l'aide de Double Machine Learning (ML) et de Prophet forecasting
Documentation »
Analyse de santé et des sciences de la vie Prévision de la survie du cancer du poumon  Documentation »

Clients

  • Tyson
  • Tyson
    Tyson
    « Chez Tyson Foods, nous continuons à rechercher de nouvelles façons d'utiliser le machine learning (ML) dans notre processus de production pour améliorer la productivité. Nous utilisons des modèles de classification d'images pour identifier les produits de la chaîne de production qui nécessitent des étiquettes d'emballage. Cependant, les modèles de classification d'images doivent être recyclés avec de nouvelles images du terrain sur une base récurrente. Amazon SageMaker JumpStart permet à nos scientifiques des données de partager des modèles ML avec des ingénieurs d'assistance afin qu'ils puissent former des modèles ML avec de nouvelles données sans écrire de code. Cela accélère la mise sur le marché des solutions ML, favorise des améliorations continues et augmente la productivité. »

    Rahul Damineni, scientifique des données, Tyson Foods

  • Automatisation des tâches
  • Automatisation des tâches
    Automatisation des tâches
    « Grâce à Amazon SageMaker JumpStart, nous sommes en mesure de proposer des solutions ML en quelques jours pour répondre aux besoins de prédiction plus rapide et plus fiable du machine learning. »

    Alex Panait, PDG – Automatisation des tâches

  • MyCase
  • MyCase
    MyCase
    « Grâce à Amazon SageMaker JumpStart, nous pouvons avoir de meilleurs points de départ, ce qui nous permet de déployer une solution ML pour nos propres cas d'utilisation en 4 à 6 semaines au lieu de 3 à 4 mois. »

    Gus Nguyen, Ingénieur logiciel – MyCase

  • pivotree
  • Pivotree
    Pivotree
    « Avec Amazon SageMaker JumpStart, nous pouvons développer plus rapidement des applications ML dédiées notamment à la détection automatique d'anomalies ou à la classification d'objets et proposer des solutions, de la démonstration de faisabilité à la production en quelques jours seulement. »

    Milos Hanzel, Architecte de plateforme – Pivotree  

Démarrage de Amazon SageMaker JumpStart

Blogs

BLOG

Formation incrémentale avec Amazon SageMaker JumpStart

BLOG

Modèles et algorithmes d'Amazon SageMaker JumpStart disponibles via l'API

Blog

Nouveaux algorithmes intégrés Amazon SageMaker pour la modélisation des données tabulaires

BLOG

Apprentissage par transfert pour les modèles de classification d'images TensorFlow

BLOG

Détecter la fraude dans les transactions financières à l'aide d'un réseau neuronal pour le traitement de données graphiques avec Amazon SageMaker

BLOG

Prévision d'une demande importante avec Amazon SageMaker

Ateliers pratiques

Didacticiel

Tutoriel étape par étape pour démarrer avec SageMaker JumpStart

ATELIERS

Découvrez comment utiliser SageMaker JumpStart pour les cas d'utilisation

Nouveautés

Date (de la plus récente à la plus ancienne)
  • Date (de la plus récente à la plus ancienne)
Aucun résultat correspondant
1