O Amazon Sagemaker JumpStart ajuda você a rápida e facilmente começar a usar machine learning. Para facilitar o início, o Amazon SageMaker JumpStart oferece um conjunto de soluções para os casos de uso mais comuns que podem ser implantados prontamente com apenas alguns cliques. As soluções são totalmente personalizáveis e mostram o uso de modelos do AWS CloudFormation e arquiteturas de referência para que você possa acelerar sua jornada de ML. O Amazon Sagemaker JumpStart também suporta a implantação em um clique e ajuste fino de mais de 150 modelos de origem aberta populares, como processamento de linguagem natural, detecção de objetos e modelos de classificação de imagem.
Casos de uso
Descubra as possibilidades do Amazon Sagemaker Jumpstart
Manutenção preditiva
Tome ações preventivas como substituição de peças e serviços no melhor tempo, estendendo a vida útil restante do seu maquinário ao menor custo e melhorando a eficiência operacional.
Visão por computação
Traga automação ou aumento inteligente a uma ampla gama de aplicações para melhorar a qualidade e velocidade.
Direção autônoma
Detecte objetos como pedestres e outros veículos na estrada para acelerar o ritmo da inovação e trazer veículos de condução automática à vida.
Detecção de fraudes
Automatize a detecção de transações suspeitas e outros comportamentos anômalos mais rápido e alerte seus clientes de maneira pontual para reduzir potenciais perdas financeiras e fortalecer a confiança do cliente.
Previsão de risco de crédito
Preveja a probabilidade de um empréstimo padrão para maximizar retornos ajustados ao risco.
Extraia e analise dados de documentos
Extraia automaticamente, processe e analise dados de documentos escritos à mão e eletrônicos para uma investigação mais precisa e tomada de decisão mais rápida.
Previsão de rotatividade
Preveja a probabilidade de rotatividade de clientes e melhore a retenção ao agrupar potenciais abandonos e tomar ações remediais, como ofertas promocionais.
Previsão sob demanda
Preveja a métrica de demanda mais rápido e mais precisamente para tomar decisões pontuais e ajudar a satisfazer as expectativas do cliente e reduzir custos de carregamento de inventário e descartes.
Recomendações personalizadas
Forneça experiências personalizadas e únicas a clientes para melhorar a satisfação do cliente e crescer seus negócios rapidamente.
Conceitos básicos
Caso de uso |
Solução |
Comece a usar |
Manutenção preditiva |
Manutenção preditiva da AWS para frotas |
|
Manutenção preditiva para fabricação |
||
Visão por computação |
Detecção de defeitos no produto em imagens |
|
Direção autônoma |
Percepção visual com aprendizado ativo para veículos autônomos |
|
Detecção de fraudes |
Detecção de usuários e transações maliciosas |
|
Detecção de fraudes em transações financeiras usando a biblioteca de gráficos profundos |
||
Previsão de risco de crédito |
Explique as decisões de crédito |
|
Extraia e analise dados de documentos |
Privacidade diferencial para classificação de sentimentos |
|
Resumo de documentos, entidades e extração de relacionamentos |
||
Reconhecimento de escrita manual usando o Amazon Sagemaker |
||
Preenchimento dos valores ausentes em registros tabulares |
||
Previsão de rotatividade |
Previsão de rotatividade com texto |
|
Previsão sob demanda |
Previsão sob demanda com aprendizado profundo |
|
Recomendações personalizadas |
Resolução de entidades em gráficos de identidade com biblioteca de gráficos profundos |
|
| Aquisição de modelos |
Clientes
-
Automatização da missão
-
“Graças ao Amazon Sagemaker JumpStart, podemos lançar soluções de ML em questão de dias para atender às necessidades de previsão de machine learning de forma mais rápida e confiável.”
Alex Panait, CEO – Mission Automate
-
MyCase
-
“Graças ao Amazon Sagemaker JumpStart, podemos ter melhores pontos de partida, o que facilita a implantação de uma solução ML para nossos próprios casos de uso em 4-6 semanas ao invés de 3-4 meses.”
Gus Nguyen, Engenheiro de Software – MyCase
-
MyCase
-
“Com o Amazon Sagemaker JumpStart, podemos construir aplicações ML como detecção automática de anomalias ou classificação de objetos mais rápido e lançar soluções da prova de conceito à produção em dias.”
Milos Hanzel, Arquiteto de Plataforma – Pivotree
Recursos
Detecção de fraudes em redes heterogêneas usando Amazon SageMaker e Deep Graph Library
Construção de um Battlesnake promovido por IA com aprendizado de reforço do Amazon SageMaker
Escalamento do Battlesnake promovido por IA com aprendizado de reforço distribuído no Amazon SageMaker
Detecção de fraudes em redes de transações financeiras com o Amazon Sagemaker
.ffb8823d6a103d17e047412282292c8805647b2a.png "Heróis da AWS")