Publicado: Dec 8, 2020
Hoje a Amazon anunciou a ML do Amazon Neptune, uma nova capacidade do Amazon Neptune que utiliza Redes Neurais Gráficas (GNNs), uma técnica de machine learning (ML) especialmente criada para gráficos, para fazer previsões fáceis, rápidas e precisas usando dados gráficos. Com as GNNs, é possível aprimorar a exatidão das principais previsões de gráficos em cerca de 50% em comparação com previsões que utilizam métodos sem gráfico, com base em uma pesquisa publicada da Stanford University.
Fazer previsões exatas em gráficos com bilhões de relacionamentos pode ser difícil e demorado. As abordagens de ML existentes, como o XGBoost, não podem operar de modo eficaz em gráficos porque foram projetadas para dados tabulares. Como resultado, a utilização desses métodos nos gráficos pode demorar, exige habilidades especializadas e produz previsões abaixo do ideal.
Ao usar a Deep Graph Library (DGL), uma biblioteca de código aberto para a qual a AWS contribui, que facilita a aplicação do aprendizado profundo aos dados gráficos, a ML do Neptune automatiza o levantamento pesado da seleção e treinamento do melhor modelo de ML para dados gráficos e permite que os usuários executem a ML em seus gráficos diretamente usando as APIs e consultas do Neptune. Como resultado, agora é possível criar, treinar e aplicar a ML aos dados do Neptune em horas, em vez de semanas, sem precisar aprender novas ferramentas e tecnologias de ML.
Você paga apenas pelos recursos da AWS utilizados, como Amazon Sagemaker, Amazon Neptune, Amazon Cloudwatch e Amazon S3. A ML do Neptune está disponível para os clientes que usam o mecanismo versão 1.0.4.1 (ou superior) do Neptune e em todas as regiões comerciais nas quais o Neptune está disponível. Para saber mais a respeito desse recurso, consulte a página de documentação de ML do Neptune.