Amazon SageMaker JumpStart Branche: Finanzen
Verwenden Sie SageMaker AI JumpStart Industry: Finanzlösungen, Modelle und Beispiel-Notebooks, um mehr über die Features und Möglichkeiten von SageMaker AI anhand von kuratierten One-Step-Lösungen und Beispiel-Notebooks zu branchenspezifischen Problemen im Bereich Machine Learning (ML) zu erfahren. In den Notebooks wird auch erklärt, wie Sie das SageMaker JumpStart Industry Python SDK verwenden können, um Industrietextdaten zu verbessern und vortrainierte Modelle zu optimieren.
Themen
Amazon SageMaker JumpStart Python-SDK für die Industrie
SageMaker Runtime JumpStart bietet über seine Clientbibliothek namens SageMaker AI JumpStart Industry Python SDK Verarbeitungstools für die Kuratierung von Branchendatensätzen und die Feinabstimmung vortrainierter Modelle. Eine ausführliche API-Dokumentation des SDK und weitere Informationen zur Verarbeitung und Verbesserung von Industrietextdatensätzen zur Verbesserung der Leistung modernster Modelle auf SageMaker JumpStart finden Sie in der Open-Source-Dokumentation zum SageMaker JumpStart Industry Python
Amazon SageMaker JumpStart Industry: Finanzlösung
SageMaker JumpStart Industry: Financial bietet die folgenden Lösungs-Notebooks:
-
Prognose der Kreditwürdigkeit von Unternehmen
Diese Lösung von SageMaker JumpStart Industry: Financial bietet eine Vorlage für ein textgestütztes Ratingmodell für Unternehmen. Sie zeigt, wie ein auf numerischen Merkmalen basierendes Modell (in diesem Fall die berühmten 5 Finanzkennzahlen von Altman) mit Texten aus Unterlagen der Börsenaufsicht kombiniert werden kann, um die Vorhersage von Kreditratings zu verbessern. Zusätzlich zu den 5 Altman-Verhältnissen können Sie bei Bedarf weitere Variablen hinzufügen oder benutzerdefinierte Variablen festlegen. Dieses Lösungs-Notebook zeigt, wie das SageMaker JumpStart Industry Python SDK bei der Verarbeitung natürlicher Sprache (NLP) von Texten aus SEC-Einreichungen hilft. Darüber hinaus zeigt die Lösung, wie ein Modell mithilfe des erweiterten Datensatzes trainiert werden kann, um ein erstklassiges Modell zu erhalten, das Modell auf einem SageMaker-AI-Endpunkt für die Produktion bereitzustellen und verbesserte Prognosen in Echtzeit zu erhalten.
-
Auf Grafiken basierende Kreditwürdigkeitsprüfung
Kreditratings werden traditionell anhand von Modellen generiert, die Jahresabschlussdaten und Marktdaten verwenden, die nur tabellarisch (numerisch und kategorisch) sind. Diese Lösung baut anhand von Unterlagen der SEC
Anmerkung
Die Lösungs-Notebooks dienen nur zu Demonstrationszwecken. Sie sollten sich nicht als Finanz- oder Anlageberatung heranziehen.
Sie finden diese Finanzdienstleistungslösungen auf der SageMaker JumpStart-Seite in Studio Classic.
Wichtig
Am 30. November 2023 wurde Amazon SageMaker Studio in Amazon SageMaker Studio umbenannt. Der folgende Abschnitt bezieht sich konkret auf die Verwendung der Studio-Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Oberfläche finden Sie unter Amazon SageMaker Studio.
Anmerkung
Die SageMaker JumpStart-Branche: Finanzlösungen, Modellkarten und Beispiel-Notebooks werden nur über SageMaker Studio Classic gehostet und ausgeführt. Melden Sie sich bei der SageMaker-AI-Konsole
Amazon SageMaker JumpStart Industry: Finanzmodelle
SageMaker JumpStart Industry: Financial bietet die folgenden vortrainierten Modelle des Robustly Optimized BERT Approach (RobertA)
-
Einbettung von Finanztexten (Roberta-SEC-Base)
-
Roberta-SEC-Wiki-Basis
-
Roberta-SEC-groß
-
Roberta-Sec-Wiki-groß
Bei den Modellen Roberta-SEC-Base und Roberta-SEC-Large handelt es sich um Modelle zur Texteinbettung, die auf dem RoberTA-Modell von GluonNLP
Sie finden diese Modelle in SageMaker JumpStart, indem Sie zum Knoten Textmodelle navigieren, Alle Textmodelle durchsuchen auswählen und dann nach der ML-Aufgabe Text Embedding filtern. Sie können auf alle entsprechenden Notebooks zugreifen, nachdem Sie das Modell Ihrer Wahl ausgewählt haben. In den beiden Nototebooks erfahren Sie, wie die vortrainierten Modelle für spezifische Klassifizierungsaufgaben in multimodalen Datensätzen, die durch das SageMaker JumpStart Industry Python SDK erweitert wurden, optimiert werden können.
Anmerkung
Die Modell-Notebooks dienen nur zu Demonstrationszwecken. Sie sollten sich nicht als Finanz- oder Anlageberatung heranziehen.
Der folgende Screenshot zeigt die vortrainierten Modellkarten, die auf der Seite von SageMaker AI JumpStart in Studio Classic bereitgestellt werden.
Anmerkung
Die SageMaker JumpStart-Branche: Finanzlösungen, Modellkarten und Beispiel-Notebooks werden nur über SageMaker Studio Classic gehostet und ausgeführt. Melden Sie sich bei der SageMaker-AI-Konsole
Amazon SageMaker JumpStart Industry: Finanzielle Beispiel-Notebooks
SageMaker JumpStart Industry: Financial stellt die folgenden Beispiel-Notebooks zur Verfügung, um Lösungen für branchenspezifische ML-Probleme zu demonstrieren:
-
Financial TabText Data Construction – In diesem Beispiel wird die Verwendung des SageMaker JumpStart Industry Python SDK für die Verarbeitung von SEC-Einreichungen wie Textzusammenfassungs- und Bewertungstexten auf der Grundlage von NLP-Scoretypen und den entsprechenden Wortlisten vorgestellt. Eine Vorschau des Inhalts dieses Notebooks finden Sie unter Einfache Erstellung eines multimodalen Datensatzes aus SEC-Unterlagenund NLP-Ergebnissen
. -
Multimodales ML auf TabText-Daten – Dieses Beispiel zeigt, wie Sie verschiedene Arten von Datensätzen zu einem einzigen Datenrahmen namens TabText zusammenführen und multimodales ML durchführen. Eine Vorschau des Inhalts dieses Notebooks finden Sie unter Machine Learning auf einem TabText-Datenrahmen
– Ein Beispiel, das auf dem Paycheck Protection Program basiert. -
Mehrkategorisches ML anhand von SEC-Anmeldedaten – Dieses Beispiel zeigt, wie ein AutoGluon-NLP-Modell anhand von multimodalen (TabText) Datensätzen trainiert wird, die aus SEC-Einreichungen für eine Klassifizierungsaufgabe mit mehreren Klassen zusammengestellt wurden. Klassifizieren Sie SEC 10K/Q-Einreichungen anhand der MDNA-Textspalte nach Branchencodes
.
Anmerkung
Die Beispiel-Notebooks dienen nur zu Demonstrationszwecken. Sie sollten sich nicht als Finanz- oder Anlageberatung heranziehen.
Anmerkung
Die SageMaker JumpStart-Branche: Finanzlösungen, Modellkarten und Beispiel-Notebooks werden nur über SageMaker Studio Classic gehostet und ausgeführt. Melden Sie sich bei der SageMaker-AI-Konsole
Eine Vorschau des Inhalts der Beispiel-Notebooks finden Sie unter Tutorials – Finanzen
Amazon SageMaker JumpStart Industry: Blogbeiträge zum Thema Finanzen
Ausführliche Anwendungsmöglichkeiten von SageMaker JumpStart Industry: Finanzlösungen, Modelle, Beispiele und das SDK finden Sie in den folgenden Blogbeiträgen:
Amazon SageMaker JumpStart Industry: Finanzbezogene Recherchen
Recherchen zu SageMaker JumpStart Industry: Financial Solutions finden Sie in den folgenden Veröffentlichungen:
Amazon SageMaker JumpStart Industry: Zusätzliche finanzielle Ressourcen
Weitere Dokumentation und Tutorials finden Sie in den folgenden Ressourcen:
