Uso de algoritmos integrados y modelos previamente entrenados en Amazon SageMaker
Amazon SageMaker proporciona un conjunto de algoritmos integrados, modelos previamente entrenados y plantillas de soluciones prediseñadas para ayudar a los científicos de datos y a los profesionales del machine learning a empezar a entrenar e implementar modelos de machine learning rápidamente. Para alguien que es nuevo en SageMaker, elegir el algoritmo adecuado para su caso de uso particular puede ser una tarea difícil. La siguiente tabla proporciona una hoja de referencia rápida que muestra cómo empezar con un ejemplo de problema o caso de uso y encontrar un algoritmo integrado adecuado ofrecido por SageMaker que sea válido para ese tipo de problema. En las secciones que siguen a la tabla encontrará orientación adicional organizada por paradigmas de aprendizaje (supervisados y no supervisados) y dominios de datos importantes (texto e imágenes).
Tabla: Asignación de casos de uso a algoritmos integrados
| Ejemplos de problemas y casos de uso | Paradigma o dominio de aprendizaje | Tipos de problemas | Formato de los datos de entrada | Algoritmos integrados |
|---|---|---|---|---|
|
Estos son algunos ejemplos de los quince tipos de problemas que pueden abordarse con los modelos previamente entrenados y las plantillas de soluciones prediseñadas que proporciona SageMaker JumpStart. Respuesta a preguntas: un chatbot que genera una respuesta para una pregunta determinada. Análisis de texto: analice textos de modelos específicos de un ámbito industrial, como las finanzas. |
Modelos prentrenados y plantillas de soluciones prediseñadas |
Clasificación de imágenes Clasificación tabular Regresión tabular Clasificación de textos Detección de objetos Incrustación de texto Respuesta a preguntas Clasificación de pares de frases Incrustación de imágenes Reconocimiento de entidades con nombre Segmentación de instancias Generación de texto Resumen de texto Segmentación semántica Traducción automática |
Imagen, texto, tabular | Modelos populares, como Mobilenet, YOLO, Faster R-CNN, BERT, LightGBM y CatBoost Para obtener una lista de los modelos prentrenados disponibles, consulte JumpStart Models. Para ver una lista de las plantillas de soluciones prediseñadas disponibles, consulte JumpStart Solutions. |
|
Predecir si un artículo pertenece a una categoría: un filtro de correo no deseado |
Clasificación multiclase/binaria |
Tabular |
AutoGluon-Tabular, CatBoost, Algoritmo de máquinas de factorización, Algoritmo k vecinos más próximos (k-NN) (K-Nearest Neighbors), LightGBM, Algoritmo de aprendizaje lineal, TabTransformer, Algoritmo XGBoost con Amazon SageMaker AI |
|
|
Predecir un valor numérico/continuo: estimar el valor de una casa |
Regresión |
Tabular |
AutoGluon-Tabular, CatBoost, Algoritmo de máquinas de factorización, Algoritmo k vecinos más próximos (k-NN) (K-Nearest Neighbors), LightGBM, Algoritmo de aprendizaje lineal, TabTransformer, Algoritmo XGBoost con Amazon SageMaker AI |
|
|
En función de los datos históricos de un comportamiento, predecir el comportamiento futuro: predecir las ventas de un nuevo producto en función de los datos de ventas anteriores. |
Previsión de serie temporal |
Tabular | ||
|
Mejorar la incrustación de datos de los objetos de alta dimensión: identificar las incidencias de asistencia duplicadas o encontrar la ruta correcta en función de la similitud del texto en las incidencias. |
Incrustaciones: convertir objetos de alta dimensión en espacios de baja dimensión. | Tabular | Algoritmo Object2Vec | |
|
Eliminar las columnas de un conjunto de datos que tengan una relación débil con la variable etiqueta/objetivo: el color de un automóvil al predecir su kilometraje. |
Aprendizaje no supervisado |
Ingeniería de características: reducción de la dimensionalidad |
Tabular | |
|
Detectar un comportamiento anormal en la aplicación: detectar si un sensor de IoT envía lecturas anormales |
Detección de anomalías |
Tabular | ||
|
Proteger su aplicación de usuarios sospechosos: detectar si la dirección IP que accede a un servicio puede provenir de un origen peligroso |
Detección de anomalías IP |
Tabular | ||
|
Agrupar objetos o datos similares: buscar clientes con gastos altos, medios y bajos a partir de sus historiales de transacciones |
Clustering o agrupación |
Tabular | ||
|
Organizar un conjunto de documentos en temas (no conocidos de antemano): etiquetar un documento como perteneciente a una categoría médica según los términos utilizados en el documento. |
Modelado de temas |
Texto |
Algoritmo Asignación latente de Dirichlet (LDA), Algoritmo de Modelo de tema neuronal (NTM) |
|
|
Asignar categorías predefinidas a los documentos de un corpus: clasificar los libros de una biblioteca en disciplinas académicas |
Clasificación de textos |
Texto | ||
|
Convertir texto de un idioma a otro: español a inglés |
Traducción automática algoritmo |
Texto | ||
|
Resumir un corpus de texto largo: un resumen para un artículo de investigación |
Resumen de texto |
Texto | ||
|
Convertir archivos de audio en texto: transcribir las conversaciones del centro de llamadas para analizarlas más a fondo |
Voz a texto |
Texto | ||
|
Etiquetar una imagen en función del contenido de la imagen: alertas sobre el contenido para adultos de una imagen |
Procesamiento de imágenes |
Clasificación de etiquetas múltiples e imágenes |
Imagen | |
|
Clasificar algo de una imagen mediante el aprendizaje por transferencia. |
Clasificación de imágenes | Imagen | ||
|
Detectar personas y objetos en una imagen: la policía revisa una gran galería de fotos en busca de una persona desaparecida |
Clasificación y detección de objetos |
Imagen |
Detección de objetos - MXNet, Detección de objetos - TensorFlow |
|
|
Etiquetar cada píxel de una imagen de forma individual con una categoría: los coches autónomos se preparan para identificar los objetos que se interponen en su camino |
Visión artificial |
Imagen |
Para obtener información importante sobre los siguientes elementos comunes a todos los algoritmos integrados proporcionados por SageMaker AI, consulte Parámetros para algoritmos integrados.
-
Rutas de registro de Docker
-
formatos de datos
-
tipos de instancia de Amazon EC2 recomendados
-
Registros de CloudWatch
Las siguientes secciones proporcionan orientación adicional para los algoritmos integrados de Amazon SageMaker AI agrupados por los paradigmas de aprendizaje no supervisado y supervisado a los que pertenecen. Para obtener descripciones de estos paradigmas de aprendizaje y sus tipos de problemas asociados, consulte Tipos de algoritmos. También se proporcionan secciones sobre los algoritmos integrados de SageMaker AI disponibles para abordar dos dominios importantes de machine learning: el análisis textual y el procesamiento de imágenes.
Modelos entrenados previamente y plantillas de soluciones
SageMaker JumpStart proporciona una amplia gama de modelos entrenados previamente, plantillas de soluciones prediseñadas y ejemplos de tipos de problemas populares. Utilizan el SageMaker SDK y Studio Classic. Para obtener más información sobre estos modelos, soluciones y cuadernos de ejemplo proporcionados por SageMaker JumpStart, consulte Modelos previamente entrenados de SageMaker JumpStart.
Aprendizaje supervisado
Amazon SageMaker AI proporciona varios algoritmos integrados de uso general que se pueden utilizar para problemas de clasificación o regresión.
-
AutoGluon-Tabular: un marco AutoML de código abierto que funciona ensamblando modelos y apilándolos en varias capas.
-
CatBoost: una implementación del algoritmo de árboles potenciados por gradientes, con una potenciación ordenada y un algoritmo innovador para procesar características categóricas.
-
Algoritmo de máquinas de factorización: una extensión de un modelo lineal que se ha diseñado para capturar de manera económica las interacciones entre características dentro de conjuntos de datos dispersos y de grandes dimensiones.
-
Algoritmo k vecinos más próximos (k-NN) (K-Nearest Neighbors): un método no paramétrico que utiliza los k puntos etiquetados más cercanos para asignar un valor. Para la clasificación, es una etiqueta para un nuevo punto de datos. Para la regresión, es un valor objetivo previsto a partir del promedio de los k puntos más cercanos.
-
LightGBM: una implementación del algoritmo de árboles con potenciación por gradiente que añade dos técnicas novedosas para mejorar la eficiencia y la escalabilidad. Estas dos técnicas novedosas son el muestreo unilateral basado en gradientes (GOSS) y la agrupación de características exclusivas (EFB).
-
Algoritmo de aprendizaje lineal: aprende una función lineal para la regresión o una función de umbral lineal para la clasificación.
-
TabTransformer: una novedosa arquitectura de modelado de datos tabulares profundos basada en transformadores con atención automática.
-
Algoritmo XGBoost con Amazon SageMaker AI: una implementación del algoritmo de árboles con potenciación por gradiente que combina un conjunto de estimaciones a partir de un conjunto de modelos más simples y débiles.
Amazon SageMaker AI también proporciona varios algoritmos de aprendizaje supervisado integrados que se utilizan para tareas más especializadas durante la ingeniería de características y la previsión a partir de datos de series temporales.
-
Algoritmo Object2Vec: un nuevo algoritmo multipropósito y altamente personalizable que se utiliza para la ingeniería de características. Puede aprender incrustaciones densas y de baja dimensión de objetos de alta dimensión para producir características que mejoren la eficiencia del entrenamiento en modelos posteriores. Si bien se trata de un algoritmo supervisado, hay muchos escenarios en los que las etiquetas de relación se pueden obtener únicamente a partir de clústeres naturales en los datos. Aunque requiere datos etiquetados para el entrenamiento, esto puede ocurrir sin ninguna anotación humana explícita.
-
Uso del algoritmo de previsión SageMaker AI DeepAR: un algoritmo de aprendizaje supervisado para series temporales (monodimensionales) escalares y de previsión que emplean redes neuronales recurrentes (RNN).
Aprendizaje no supervisado
Amazon SageMaker AI proporciona varios algoritmos integrados que se pueden utilizar para una variedad de tareas de aprendizaje no supervisado. Estas tareas incluyen aspectos como la agrupación en clústeres, la reducción de dimensiones, el reconocimiento de patrones y la detección de anomalías.
-
Algoritmo de análisis de componente principal (PCA): reduce la dimensionalidad (número de características) dentro de un conjunto de datos mediante la proyección de puntos de datos en los primeros componentes principales. El objetivo es retener la mayor cantidad de información o variación posible. Para los matemáticos, los componentes principales son los vectores propios de la matriz de covarianza de los datos.
-
Algoritmo k-means: busca agrupaciones discretas dentro de los datos. Esto se produce cuando los miembros de un mismo grupo tienen el mayor grado de similitud posible entre sí, pero el menor grado de similitud posible con respecto a los miembros de otros grupos.
-
Información de IP: aprende los patrones de uso de las direcciones IPv4. Está diseñado para capturar asociaciones entre las direcciones IPv4 y diversas entidades, como ID de usuario o números de cuenta.
-
Algoritmo de bosque de corte aleatorio (RCF): detecta puntos de datos anómalos dentro de un conjunto de datos divergente con respecto a datos que, por todo lo demás, tienen un buen nivel de organización o uniformidad.
Análisis textual
SageMaker AI proporciona algoritmos adaptados para el análisis de documentos textuales. Esto incluye el texto empleado en el procesamiento del lenguaje natural, la clasificación o el resumen de documentos, el modelado o la clasificación de temas y la transcripción o traducción de lenguaje.
-
Algoritmo BlazingText: una implementación muy optimizada del Word2vec y de los algoritmos de clasificación de textos que se adapta fácilmente a grandes conjuntos de datos. Resulta útil para muchas tareas de salida en el procesamiento de lenguaje natural (NLP).
-
Algoritmo de secuencia a secuencia: un algoritmo supervisado que se utiliza normalmente para la traducción automática neuronal.
-
Algoritmo Asignación latente de Dirichlet (LDA): este algoritmo es idóneo para determinar temas en un conjunto de documentos. Se trata de un algoritmo no supervisado, lo que significa que no utiliza datos de ejemplo con respuestas durante la capacitación.
-
Algoritmo de Modelo de tema neuronal (NTM): otra técnica no supervisada para determinar temas en un conjunto de documentos, con una estrategia de redes neuronales.
-
Text Classification - TensorFlow: un algoritmo supervisado para el aprendizaje por transferencia con modelos prentrenados disponibles para la clasificación de textos.
Procesamiento de imágenes
SageMaker AI también proporciona algoritmos de procesamiento de imágenes que se utilizan para la clasificación de imágenes, la detección de objetos y la visión artificial.
-
Image Classification - MXNet: usa datos de ejemplo con respuestas (conocido como algoritmo supervisado). Utilice este algoritmo para clasificar imágenes.
-
Image Classification - TensorFlow: usa modelos de TensorFlow Hub previamente entrenados para ajustarlos a tareas específicas (lo que se denomina algoritmo supervisado). Utilice este algoritmo para clasificar imágenes.
-
Algoritmo de segmentación semántica: proporciona un sistema de nivel de píxel detallado para desarrollar aplicaciones de visión artificial.
-
Detección de objetos - MXNet: detecta y clasifica los objetos de las imágenes mediante una única red neuronal profunda. Es un algoritmo de aprendizaje supervisado que toma como entrada e identifica todas las instancias de objetos dentro de la escena de una imagen.
-
Detección de objetos - TensorFlow: detecta los cuadros delimitadores y las etiquetas de los objetos de una imagen. Es un algoritmo de aprendizaje supervisado para el aprendizaje por transferencia con modelos prentrenados disponibles de TensorFlow.
Temas
