Amazon SageMaker Ground Truth

Aplique feedback humano em todo o ciclo de vida do ML para criar ou avaliar modelos de alta qualidade
Conceitos básicos do SageMaker Ground Truth
Solicite um piloto

Por que SageMaker Ground Truth?

O Amazon SageMaker Ground Truth oferece o conjunto mais abrangente de recursos profissionais humanos, permitindo que você use o poder do feedback humano em todo o ciclo de vida do ML para melhorar a precisão e a relevância dos modelos. Você pode realizar uma variedade de tarefas simples com o SageMaker Ground Truth, desde a geração e anotação de dados até a revisão, personalização e avaliação do modelo, seja por meio de um autoatendimento ou de uma oferta gerenciada pela AWS.

Como funciona

Crie conjuntos de dados de treinamento de alta qualidade sem precisar criar aplicativos de etiquetagem ou gerenciar uma força de trabalho de etiquetagem.

Benefícios do SageMaker Ground Truth

Obtenha dados gerados por humanos para personalizar modelos em tarefas específicas ou com dados específicos da empresa e do setor
Use a avaliação humana para comparar e selecionar o modelo de base (FM) mais adequado ao seu caso de uso
Crie conjuntos de dados de treinamento de alta qualidade para melhorar a precisão do modelo com uma força de trabalho especializada e sob demanda
Acelere e automatize tarefas simples, desde a geração e anotação de dados até a revisão, personalização e avaliação de modelos, enquanto reduz custos

Casos de uso

Comece a usar rapidamente com os principais casos de uso

Use dados gerados por humanos, como resumos de texto, pares de perguntas e respostas, citações e legendas para treinar FMs para aplicações baseadas em IA

Saiba mais sobre dados de exemplo e demonstração

Use o feedback humano para classificar e/ou classificar as respostas do modelo (por exemplo, da melhor para a pior) e use esses dados para treinar FMs

Saiba mais sobre dados de classificação

Permita que os humanos revisem, comparem e avaliem facilmente os resultados do modelo para descobrir vulnerabilidades, reduzir preconceitos e eliminar a toxicidade

Identifique texto, imagens, vídeo, áudio e nuvem de pontos para treinar modelos de ML para uma variedade de casos de uso

Saiba mais sobre rotulagem de dados