Amazon SageMaker Autopilot

Buat model machine learning dengan visibilitas penuh secara otomatis

Bangun, latih dan setel model ML terbaik menurut data Anda dengan tetap menjaga kontrol dan visibilitas penuh

Pilih model terbaik dari papan peringkat performa model dan persyaratan akurasi

Lakukan deployment model ke produksi hanya dengan sekali klik atau lakukan iterasi dengan model yang disarankan di Amazon SageMaker Studio

 

Amazon SageMaker Autopilot meniadakan pekerjaan berat pembangunan model ML. Anda cukup menyediakan set data tabel dan memilih kolom target untuk diprediksi, lalu, SageMaker Autopilot akan secara otomatis mengeksplorasi berbagai solusi untuk menemukan model terbaik. Anda kemudian dapat langsung melakukan deployment model ke produksi dengan sekali klik, atau melakukan iterasi pada solusi yang disarankan untuk lebih meningkatkan kualitas modelnya.

Gambaran Umum Amazon SageMaker Autopilot (1:28)

Cara kerja

Cara kerja Amazon SageMaker Autopilot

Fitur utama

Pra-pemrosesan data otomatis dan rekayasa fitur

Anda dapat menggunakan Amazon SageMaker Autopilot bahkan ketika Anda memiliki data yang hilang. SageMaker Autopilot secara otomatis mengisi data yang hilang, memberikan wawasan statistik tentang kolom dalam set data Anda, serta secara otomatis mengekstraksi informasi dari kolom non-numerik, seperti informasi tanggal dan waktu dari stempel waktu.

Pemilihan model ML otomatis

Amazon SageMaker Autopilot secara otomatis menyimpulkan jenis prediksi yang paling sesuai dengan data Anda, seperti klasifikasi biner, klasifikasi multi-kelas, atau regresi. SageMaker Autopilot kemudian mengeksplorasi algoritme berperforma tinggi seperti pohon keputusan peningkatan gradien, jaringan neural dalam feedforward, dan regresi logistik, serta melatih dan mengoptimalkan ratusan model berdasarkan algoritme ini untuk menemukan model yang paling sesuai dengan data Anda.

Papan peringkat model

Amazon SageMaker Autopilot memungkinkan Anda meninjau semua model ML yang dibuat secara otomatis untuk data Anda. Anda dapat melihat daftar model, yang diberi peringkat berdasarkan metrik seperti akurasi, presisi, ingatan, dan area di bawah kurva (AUC), meninjau detail model seperti dampak fitur pada prediksi, serta men-deploy model yang paling sesuai dengan kasus penggunaan Anda.

Pembuatan notebook otomatis

Anda dapat secara otomatis membuat Amazon SageMaker Studio Notebook untuk model apa pun yang dibuat oleh Amazon SageMaker Autopilot dan mempelajari detail cara pembuatannya, menyempurnakannya sesuai keinginan Anda, dan membuatnya kembali dari notebook kapan pun pada masa mendatang.

Fitur penting

Amazon SageMaker Autopilot menyediakan laporan keterjelasan, yang dibuat oleh Amazon SageMaker Clarify, yang memudahkan Anda untuk memahami dan menjelaskan cara model yang dibuat dengan SageMaker Autopilot membuat prediksi. Anda juga dapat mengidentifikasi bagaimana setiap atribut dalam data pelatihan Anda berkontribusi pada hasil yang diprediksi dalam bentuk persentase. Makin tinggi persentasenya, makin besar pengaruh fitur tersebut terhadap prediksi model Anda.

Integrasi yang mudah dengan aplikasi Anda

Anda dapat menggunakan antarmuka pemrograman aplikasi (API) dari Amazon SageMaker Autopilot untuk dengan mudah membuat model dan membuat kesimpulan langsung dari aplikasi Anda, seperti alat analisis data dan penggudangan data Anda.

Kasus Penggunaan

Prediksi harga

Model prediksi harga banyak digunakan dalam layanan keuangan, real estat, serta energi dan utilitas untuk memprediksi harga saham, real estat, dan sumber daya alam. Amazon SageMaker Autopilot dapat memprediksi harga pada masa mendatang untuk membantu Anda membuat keputusan investasi yang tepat berdasarkan data historis Anda seperti permintaan, tren musiman, dan harga komoditas lainnya.

Prediksi churn

Churn pelanggan berarti hilangnya pelanggan atau klien, dan setiap perusahaan mencari cara untuk menghilangkannya. Model yang dibuat secara otomatis oleh Amazon SageMaker Autopilot membantu Anda memahami pola churn. Model prediksi churn bekerja dengan terlebih dahulu mempelajari pola dalam data Anda dan mengidentifikasi pola dalam set data baru sehingga Anda dapat memperoleh prediksi tentang pelanggan yang kemungkinan besar termasuk dalam churn.

Penilaian risiko

Penilaian risiko memerlukan identifikasi dan analisis potensi kejadian yang dapat berdampak negatif terhadap individu, aset, dan perusahaan Anda. Model yang dibuat secara otomatis oleh Amazon SageMaker Autopilot memprediksi risiko saat kejadian baru terungkap. Model penilaian risiko dilatih menggunakan set data yang ada sehingga Anda dapat memperoleh prediksi yang dioptimalkan untuk bisnis Anda.

Pelanggan

Skullcandy Inc.
"Layanan ML baru Sisense yang didukung oleh Amazon SageMaker Autopilot benar-benar yang kami butuhkan untuk tetap terdepan dalam layanan pelanggan selama pandemi COVID-19 ini. Skullcandy dapat memperoleh wawasan mendalam tentang kebutuhan pelanggan kami, meningkatkan resolusi masalah kami, dan meningkatkan skor kepuasan pelanggan."

Mark Hopkins, Chief Information Officer, Skullcandy Inc.

Freddys
“Sebelumnya, kami hanya memilih dua restoran yang tampak serupa, tetapi kini kami benar-benar memahami hubungan antara item menu, pelanggan, dan lokasi kami. Amazon SageMaker Autopilot, yang mendukung kemampuan ML baru Domo, telah menjadi faktor pendorong luar biasa bagi tim pemasaran dan pembelian kami untuk mencoba banyak ide baru dan meningkatkan pengalaman pelanggan kami.”

Sean Thompson, IT Director, Freddy’s

Mobilewalla
"Tujuan utama dalam pemetaan demografis adalah mengoptimalkan akurasi dan skala. Meski umumnya sulit, kami dapat menggunakan Amazon SageMaker Autopilot dengan data pelatihan komprehensif dan fitur canggih kami untuk menghasilkan model yang lebih baik yang meningkatkan akurasi prediksi kami hingga 137%."

Anindya Datta, CEO, Mobilewalla

RetentionX
"Di RetentionX, kami memberikan wawasan bisnis sekali klik kepada perusahaan perdagangan elektronik. Untuk melayani pelanggan kami, penting bagi mereka untuk dapat memulai dengan cepat dan membuat keputusan bisnis yang tepat waktu, tetapi membangun model machine learning yang akurat dapat memakan biaya dan membutuhkan waktu berbulan-bulan untuk proses uji coba. Selain itu, akurasi model juga sangat bergantung pada luas dan kedalaman data pelatihan dan kumpulan fitur unik yang tersedia untuk setiap pelanggan kami. Dengan bantuan Amazon SageMaker Autopilot, pelanggan kami dapat secara otomatis menghasilkan model ML terbaik berdasarkan set data yang unik. Berkat SageMaker Autopilot, kami dapat memberikan wawasan yang dipersonalisasi kepada puluhan juta pembeli yang memanfaatkan kecanggihan AutoML."

Alexander Jost, CEO - RetentionX

EPCVIP
"Di EPCVIP, kami memanfaatkan machine learning untuk lebih memahami atribut grup pengguna, mempercepat waktu pemrosesan, dan meningkatkan tingkat konversi untuk penawaran produk kami. Fintech adalah industri yang sangat kompleks dan selalu berubah. Mitra, afiliasi, sumber lalu lintas, dan penawaran produk baru ditambahkan setiap minggu. Saat kami membangun model machine learning, kami terus bereksperimen untuk mengadaptasi model kami gna menghasilkan hasil yang unggul. Berkat Amazon SageMaker Autopilot, kami sekarang dapat dengan cepat membuat prototipe dan secara otomatis membangun, melatih, dan menyesuaikan model ML dengan visibilitas penuh ke dalam data. Dengan SageMaker Autopilot, kami dapat membuat katalog dan meninjau fitur, hiper-parameter, algoritme, dan set data, yang memungkinkan kami untuk sepenuhnya memahami iterasi model kami. Hasil dari peningkatan tingkat kecocokan dan model lain yang di- deploy melalui SageMaker Autopilot telah berkontribusi pada nilai per prospek perusahaan kami sebesar 30%."

Pascal Simpkins, Kepala Bagian Ilmu Data (Head of Data Science), EPCVIP

Sumber daya

TUTORIAL

Membuat model machine learning secara otomatis

Blog

Membuat prediksi batch dengan Amazon SageMaker Autopilot

BLOG

Sekarang Amazon SageMaker Autopilot mendukung data deret waktu

BLOG

AutoML menggunakan SageMaker dengan set data parket yang besar

BLOG

Menambahkan AutoML dengan SageMaker Autopilot di seluruh akun

BLOG

Penjelasan dan alat kualitas model di SageMaker Autopilot

BLOG

Membuat metrik evaluasi model secara otomatis

Apa yang baru

Tanggal (Terbaru hingga Terlama)
  • Tanggal (Terbaru hingga Terlama)
1
Hasil tidak ditemukan