Amazon SageMaker Ground Truth

Utilizza il feedback umano in tutto il ciclo di vita ML per creare o valutare modelli di alta qualità
Inizia subito con Amazon SageMaker Ground Truth
Richiesta di una fase pilota

Perché scegliere Amazon SageMaker Ground Truth?

Amazon SageMaker Ground Truth offre il set più completo di funzionalità human-in-the-loop, che consente di sfruttare la potenza del feedback umano durante tutto il ciclo di vita del ML per migliorare l'accuratezza e la pertinenza dei modelli. Con SageMaker Ground Truth puoi completare una serie di attività umane, dalla generazione e annotazione dei dati alla revisione, personalizzazione e valutazione del modello, tramite un'offerta self-service o gestita da AWS.

Come funziona

Vantaggi di SageMaker Ground Truth

Ottieni dati generati da umani per personalizzare i modelli su attività specifiche o con dati specifici aziendali o di settore
Utilizza la valutazione umana per confrontare e selezionare il modello di fondazione (FM) più adatto al caso d'uso
Crea set di dati di addestramento di alta qualità per migliorare l'accuratezza con una forza lavoro esperta e su richiesta
Accelera e automatizza le attività di interazione umana (human-in-the-loop), dalla generazione e annotazione dei dati alla revisione, personalizzazione e valutazione del modello, riducendo al contempo i costi

Casi d'uso

Inizia subito dai casi d'uso principali

Utilizza dati generati dall'uomo come riassunti di testo, coppie di domande e risposte, citazioni e didascalie per addestrare gli FM ad applicazioni basate sull'IA

Ulteriori informazioni sui dati di esempio e dimostrativi

Utilizza il feedback umano per classificare le risposte dei modelli (ad esempio dalla migliore alla peggiore) e usa questi dati per addestrare gli FM

Ulteriori informazioni sulla classificazione dei dati

Consenti alle persone di esaminare, confrontare e valutare facilmente gli output del modello per scoprire le vulnerabilità, ridurre i bias ed eliminare la tossicità

Etichetta testo, immagini, video, audio e nuvole di punti per addestrare modelli di ML per una serie di casi d'uso

Ulteriori informazioni sull'etichettatura dei dati