Ниже приведены важные концепции и сервисы AWS, которые могут потребоваться при реализации решения AWS ML.
Сервисы искусственного интеллекта AWS
Компьютерное зрение
Rekognition
: Автоматизируйте анализ изображений и видео с помощью машинного обученияPanorama
: Улучшите свои операции с помощью компьютерного зрения на периферии.
Бизнес-показатели
- Прогноз -> Управляемый сервис прогнозирования временных рядов
Язык искусственного интеллекта
Comprehend
: Извлечение взаимосвязей и метаданных- Полли -> Речь в текст
- Lex -> чат-боты, текст в текст, речь в текст
- Языковой перевод -> Перевести
- OCR › Текстовый тракт
Опыт работы с клиентами
- Персонализация. Улучшите качество обслуживания клиентов, используя машинное обучение для персонализации веб-сайтов и онлайн-приложений.
SageMaker
SageMaker
— это полностью управляемый сервис AWS, который позволяет разработчикам быстро создавать, обучать и развертывать модели машинного обучения (ML).Hyperparameter Tuning->Collection of Optimal Algorithms
Batch Transform —> Large Dataset Transformation and Feature Generation
- SageMaker Neo → Машинное обучение для облачных и периферийных устройств
- Конвейеры вывода → предсказание/обслуживание ML без какой-либо предварительной обработки
- Эластичные вычисления для вывода → Эластичный вывод
Standard Scaler > Standardizing Features
- Номализатор -> нормализовать значение, используя общую шкалу.
XGBoost-> Ridge regression to penalize a complex model
Feature Engineering->Generating Unique Attributes for Data
Dimensionality Reduction-> Convert data features from high dimensions to low dimensions
- Word2Vec - › Анализ слова в скользящем периоде вдовы с помощью Word2Vec
FeatureStore -> DataStore for features (online and offline)
Стриминговые сервисы
Kinesis Data Stream
: потоковая передача больших объемов данных для обработки.Kinesis Video Stream
: потоковое видео для аналитики, машинного обучения или обработки видеоKinesis Firehose
: Потоковая передача данных в приемник.Kinesis Data Analytics (KDA):
Применение аналитики к данным в реальном времени
Метрики модели
- Отзыв/чувствительность (% истинных положительных результатов)
- Специфичность (% истинно отрицательных результатов)
Precision
Accuracy
F1
ROC
AUC
Bias and Variance
: Предвзятость — это ошибка, возникающая из-за неверного предположения. Дисперсия относится к изменениям результатов модели с различными наборами обучающих данных.