Amazon Sagemaker Ground Truth Reseñas y Detalles del Producto

Desde la perspectiva de un usuario, casi todas las características proporcionadas por los servicios de Amazon Machine Learning son impresionantes. En esa lista, si observamos SageMaker Ground Truth, reduce el costo significativo de ejecutar un modelo de Machine Learning en la nube gracias a su avanzada capacidad de etiquetado automático. Además, reduce la interacción humana en lo que respecta al etiquetado de datos en una cantidad significativa. Reseña recopilada por y alojada en G2.com.

Según nuestra observación al usar SageMaker Ground Truth, funciona significativamente mejor que cualquier otra solución de ML. Así que no hay nada de qué quejarse en absoluto. Reseña recopilada por y alojada en G2.com.

Muy fácil de usar y desplegar los modelos de aprendizaje automático y la gestión de API es muy fácil. Muy fácil de conectar a Docker. Reseña recopilada por y alojada en G2.com.

El precio es un poco alto cuando se ejecuta una gran cantidad de etiquetas. El punto final no se puede apagar y, por lo tanto, desperdicia memoria. Reseña recopilada por y alojada en G2.com.

Excelente experiencia de usuario comprensible para el etiquetador, con restricciones de tiempo y la capacidad de retomar donde se dejó. Reseña recopilada por y alojada en G2.com.

Los etiquetadores no pueden rastrear cuántos objetos están pendientes en el proyecto si no tienen acceso a la consola de AWS. Es difícil emparejar la PII con el ID del etiquetador para rastrear la contribución/progreso por etiquetador. Reseña recopilada por y alojada en G2.com.

Fácil con el que podemos desplegar y monitorear nuestros modelos de aprendizaje automático usando el endpoint de Sagemaker. Reseña recopilada por y alojada en G2.com.

El endpoint de Sagemaker no se puede apagar, por lo tanto, consume recursos y dinero innecesarios a veces. Reseña recopilada por y alojada en G2.com.

Disfruté de la facilidad de uso del producto. Buena cantidad de opciones; me gusta cómo admite contenedores Docker y gestión de API. Es muy fácil de configurar e integrar con otros servicios. También es muy bueno que admita múltiples frameworks. Probablemente la mejor herramienta en el mercado en este momento utilizada para el aprendizaje automático. Reseña recopilada por y alojada en G2.com.

Cuando se ejecuta el producto en una gran cantidad de etiquetas; el precio se vuelve realmente elevado. Toma un tiempo configurarlo y entenderlo por tu cuenta cuando no estás acostumbrado a los productos de Amazon. La integración con AWS puede llevar un tiempo acostumbrarse si estás tratando de usar otros productos además de AWS. Opciones muy limitadas al elegir algo que no sea la plataforma de AWS. Reseña recopilada por y alojada en G2.com.

El servicio AWS SageMaker Ground Truth es la mejor y única solución al respecto. Utiliza un servicio de IA para predecir etiquetas a partir de datos.

El servicio no promete resolver todas las etiquetas. Los datos que no se pueden etiquetar pueden usarse para crowdsourcing. Como en el servicio Amazon Turk, puedes asignar tus datos a personas de todo el mundo que intentan predecir etiquetas. SageMaker Ground Truth puede reducir tus costos de etiquetado hasta en un 70% utilizando el etiquetado automático. Reseña recopilada por y alojada en G2.com.

Debido a que es un servicio muy nuevo y único, no podemos dar ninguna opinión negativa. Reseña recopilada por y alojada en G2.com.

Esta es una gran herramienta que puedes usar para organizar datos para la tarea de aprendizaje automático. Si tienes muchos datos y no tienes las herramientas necesarias o la potencia de cálculo para agregar todos los datos; entonces AWS SageMaker hace un gran trabajo al permitirte hacerlo. Uso esto a diario en este momento para completar tareas diarias. Reseña recopilada por y alojada en G2.com.

Una cosa que no me gusta es el precio de la herramienta. Una vez que tienes muchos datos y toneladas de objetos para ingresar; el precio puede aumentar sustancialmente. Es asequible; pero para una pequeña empresa puede ser un poco caro una vez que empiezas a manejar una gran cantidad de datos. Reseña recopilada por y alojada en G2.com.

Esta herramienta resuelve uno de los problemas más populares en la minería de datos y el aprendizaje automático. Permite a los usuarios etiquetar el contenido de cada conjunto de datos, como audio, bases de datos con textos extensos, imágenes. Estas tareas hacen la vida mucho más fácil para un científico de datos. Reseña recopilada por y alojada en G2.com.

La configuración es demasiado difícil y confusa, el tiempo para configurar la herramienta en producción y el precio son las cosas que no me gustan. Para un gran volumen de datos, la herramienta es un poco lenta, pero es comprensible. Reseña recopilada por y alojada en G2.com.

Amazon Web Services, el servicio de proveedor de nube de Amazon, anunció el lanzamiento de AWS SageMaker Ground Truth durante el AWS Re:Invent 2019 y con esta introducción ha avanzado más en el espacio de la IA y el aprendizaje automático.

Lo que este servicio promete hacer es ayudar en el etiquetado de datos, reduciendo así el costo y el tiempo.

Me gusta este servicio porque:

1. Tradicionalmente, el aprendizaje automático requiere un conjunto de datos de buen tamaño que uno tiene que etiquetar o adquirir. Ambos son procesos que toman tiempo. Con AWS SageMaker Ground Truth, será fácil proporcionar el conjunto de datos no etiquetados con un pequeño conjunto de datos etiquetados y hará el resto. No más usar trabajadores humanos y explicarles el proceso, añadiendo su sesgo al proceso. He realizado esta tarea antes y sé que no es fácil.

2. Costo: El costo es otro de los problemas, especialmente cuando se trata de contratar a esos trabajadores para el etiquetado.

Este servicio puede construir conjuntos de datos para texto, imagen, detección de objetos, etc. Esto puede usar opcionalmente el aprendizaje activo para etiquetar automáticamente los datos también. Reseña recopilada por y alojada en G2.com.

Este es un nuevo servicio y no hay muchos tutoriales en el sitio web. Tuve que aprender por mí mismo usando publicaciones de blog de AWS y autoaprendizaje, por lo que hay una curva de aprendizaje alta.

No sé cuán preciso podría ser este servicio. Reseña recopilada por y alojada en G2.com.

La mayor parte del tiempo se dedica a etiquetar los datos utilizados para el entrenamiento al crear un modelo de aprendizaje automático, pero AWS SageMaker Ground Truth facilita el etiquetado de estos datos y su uso para entrenar el modelo. El tiempo necesario para etiquetar los datos se reduce significativamente. Reseña recopilada por y alojada en G2.com.

Puede ser difícil de usar para personas que no tienen experiencia en aprendizaje automático. Después de que los datos son etiquetados por AWS SageMaker Ground Truth, se debe validar que los datos han sido etiquetados correctamente. Algunas de las etiquetas son inexactas y deben ser corregidas. Esto puede llevar más tiempo de lo esperado a veces. Reseña recopilada por y alojada en G2.com.