Amazon Neptune ML
Prédictions faciles, rapides et précises pour les graphesPrésentation
Amazon Neptune ML est une nouvelle fonctionnalité de Neptune qui utilise les réseaux neuronaux graphiques (GNN), une technique de ML spécialement conçue pour les graphes, afin de faire des prédictions faciles, rapides et plus précises en utilisant les données de graphe. Avec Neptune ML, vous pouvez améliorer de plus de 50 % la précision de la plupart des prédictions pour les graphes par rapport aux prédictions effectuées à l’aide de méthodes non basées sur les graphes.
Faire des prédictions précises sur des graphes comportant des milliards de relations peut être complexe et chronophage. Les approches ML existantes, telles que XGBoost, ne peuvent pas fonctionner efficacement sur les graphes, car elles sont conçues pour des données tabulaires. En conséquence, l'utilisation de ces méthodes sur les graphes peut être chronophage, nécessiter des compétences spéciales de la part des développeurs et produire des prévisions sous-optimales.
L’utilisation de la Deep Graph Library (DGL), une bibliothèque open source à laquelle AWS contribue, facilite l’application du deep learning aux données de graphe. Neptune ML automatise la lourde tâche de sélectionner et d'entraîner le meilleur modèle de ML pour les données de graphe et permet aux utilisateurs d'exécuter le ML directement sur leur graphe à l'aide des API et des requêtes Neptune. En conséquence, vous pouvez maintenant créer, entraîner et appliquer le ML sur les données de Neptune en quelques heures au lieu de plusieurs semaines sans avoir besoin d'apprendre de nouveaux outils et de nouvelles technologies ML.
ML et IA générative
Cas d'utilisation
Tarification
Aucun investissement initial n’est nécessaire. Vous ne payez que pour les ressources AWS utilisées, telles qu’Amazon SageMaker, Neptune et Amazon Simple Storage Service (Amazon S3).
Mise en route
Le moyen le plus simple de démarrer avec Neptune ML est d’utiliser les modèles de démarrage rapide prédéfinis d’AWS CloudFormation. Vous pouvez également parcourir les blocs-notes Neptune ML pour découvrir des exemples complets de prédiction de liens et de classification et régression de nœuds à l’aide de la pile CloudFormation prédéfinie.