Guida all'implementazione

6 fasi  |  30 minuti

Machine_Learning_HERO-ART_SM

D: Che cos'è Amazon Machine Learning (Amazon ML)?

Amazon ML è un servizio che ti permette di creare facilmente applicazioni predittive, con caratteristiche, tra le altre, di rilevamento delle frodi, previsione della domanda e stima dei clic. Amazon ML utilizza potenti algoritmi che ti aiutano a creare modelli di apprendimento automatico individuando gli schemi ricorrenti nei dati esistenti e utilizzando tali schemi per generare stime dai nuovi dati non appena si rendono disponibili. La Console di gestione AWS e l'API offrono strumenti di visualizzazione di dati e modelli, nonché procedure guidate che ti aiutano a completare il processo di creazione di modelli di Machine Learning, misurandone la qualità e ottimizzando le stime in modo da soddisfare i requisiti della tua applicazione. Dopo aver creato i modelli, puoi ottenere le stime per la tua applicazione utilizzando la semplice API, senza dover implementare alcun codice di generazione di stime personalizzato o gestire alcuna infrastruttura. Amazon ML è altamente scalabile e può generare miliardi di stime, rendendole disponibili in tempo reale e a un throughput elevato. Con Amazon ML non sono previsti costi di configurazione e puoi pagare in base al consumo, per poter iniziare al minimo e dimensionare la soluzione parallelamente alla crescita della tua applicazione.

D: Quali sono i casi d'uso per Amazon ML?

Puoi utilizzare Amazon ML per creare un'ampia gamma di applicazioni predittive. Ad esempio, puoi utilizzare Amazon ML per semplificare la creazione di applicazioni in grado di contrassegnare le transazioni sospette, rilevare gli ordini fraudolenti, prevedere la domanda, personalizzare i contenuti, prevedere l'attività degli utenti, filtrare le recensioni, ascoltare i social media, analizzare testo eterogeneo e consigliare articoli.

D: Quali misure di sicurezza vengono applicate da Amazon ML?

Amazon ML assicura la crittografia dei modelli ML e di altri elementi del sistema inattivi o in transito. Le richieste all'API e alla console di Amazon ML vengono effettuate tramite una connessione sicura (SSL). Puoi utilizzare AWS Identity and Access Management (AWS IAM) per definire gli utenti di IAM autorizzati ad accedere a operazioni e risorse specifiche di Amazon Machine Learning.

D: Dove si memorizzano i dati con Amazon ML?

Puoi utilizzare Amazon ML per leggere i dati da tre datastore: (a) uno o più file in Amazon S3, come in questo esempio di progetto, (b) i risultati di una query Amazon Redshift oppure (c) i risultati di una query Amazon Relational Database Service (RDS) eseguita su un database in esecuzione con il motore MySQL. I dati generati da altri prodotti possono in genere essere esportati in file CSV in Amazon S3 perché Amazon ML possa accedervi. Per istruzioni dettagliate sulla configurazione dei permessi che consentono ad Amazon ML di accedere agli archivi dati supportati, consulta l'Amazon Machine Learning Developer Guide.

D: Voglio usare questo esempio di progetto con i miei dati. Le dimensioni del data set che è possibile utilizzare per il training sono limitate?

Amazon ML può eseguire l'addestramento di modelli in set di dati di dimensioni fino a 100 GB.

D: Come si esegue il tuning del modello se non produce i risultati desiderati?

Il modo migliore per incrementare la qualità di un modello consiste nell'utilizzare dati di qualità e quantità superiori per il training. L'aggiunta di un numero maggiore di osservazioni e la trasformazione dei dati per ottimizzare il processo di apprendimento sono tutti metodi validi per migliorare l'accuratezza predittiva di un modello. Amazon ML offre inoltre diversi parametri per il tuning del processo di apprendimento automatico: (a) dimensioni di destinazione del modello, (b) numero di passaggi da eseguire sui dati e (c) tipo e livello di regolarizzazione da applicare al modello. Infine, un aspetto importante da considerare riguardo al tuning del modello è il modo in cui le stime generate dal modello ML vengono interpretate dalla tua applicazione, per allinearle in misura ottimale agli obiettivi aziendali. Amazon ML ti aiuta a modificare il punteggio limite di interpretazione per modelli di classificazione binaria, in modo da realizzare un equilibrio consapevole tra i diversi tipi di errori possibili per un modello di training. Ad esempio, alcune applicazioni hanno un'elevata tolleranza agli errori falsi positivi, mentre gli errori falsi negativi sono altamente indesiderati. La console del servizio Amazon ML semplifica la modifica del limite di punteggio in base a questo requisito.

D: Cosa è possibile fare con il modello predittivo creato con Amazon ML?

Quando hai generato delle predizioni, ci sono vari modi per utilizzare i risultati. Per esempio, puoi caricare i dati in un foglio di calcolo per ordinare e filtrare i dati per punteggi di stima. Puoi anche caricare i dati in un database come Amazon RDS o Amazon Redshift per generare elenchi di segmenti qualificati. Inoltre puoi caricare i punteggi di stima in un database NoSQL utilizzando Amazon DynamoDB per permettere di gestire il punteggio di stima per un'applicazione.

Inizia la guida all'implementazione