Amazon SageMaker Ground Truth

Utilizza il feedback umano in tutto il ciclo di vita ML per creare o valutare modelli di alta qualità
Inizia a usare SageMaker Ground Truth
Richiesta di una fase pilota

Perché scegliere SageMaker Ground Truth?

Amazon SageMaker Ground Truth offre il set più completo di funzionalità human-in-the-loop, che consente di sfruttare la potenza del feedback umano durante tutto il ciclo di vita del ML per migliorare l'accuratezza e la pertinenza dei modelli. Con SageMaker Ground Truth puoi completare una serie di attività umane, dalla generazione e annotazione dei dati alla revisione, personalizzazione e valutazione del modello, tramite un'offerta self-service o gestita da AWS.

Come funziona

Vantaggi di SageMaker Ground Truth

Ottieni dati generati da umani per personalizzare i modelli su attività specifiche o con dati specifici aziendali o di settore
Utilizza la valutazione umana per confrontare e selezionare il modello di fondazione (FM) più adatto al caso d'uso
Crea set di dati di addestramento di alta qualità per migliorare l'accuratezza con una forza lavoro esperta e su richiesta
Accelera e automatizza le attività di interazione umana (human-in-the-loop), dalla generazione e annotazione dei dati alla revisione, personalizzazione e valutazione del modello, riducendo al contempo i costi

Casi d'uso

Inizia subito dai casi d'uso principali

Utilizza dati generati dall'uomo come riassunti di testo, coppie di domande e risposte, citazioni e didascalie per addestrare gli FM ad applicazioni basate sull'IA

Ulteriori informazioni sui dati di esempio e dimostrativi

Utilizza il feedback umano per classificare le risposte dei modelli (ad esempio dalla migliore alla peggiore) e usa questi dati per addestrare gli FM

Ulteriori informazioni sulla classificazione dei dati

Consenti alle persone di esaminare, confrontare e valutare facilmente gli output del modello per scoprire le vulnerabilità, ridurre i bias ed eliminare la tossicità

Etichetta testo, immagini, video, audio e nuvole di punti per addestrare modelli di ML per una serie di casi d'uso

Ulteriori informazioni sull'etichettatura dei dati