Avis et détails du produit Amazon Sagemaker Ground Truth

Du point de vue de l'utilisateur, presque toutes les fonctionnalités fournies par les services d'Amazon Machine Learning sont impressionnantes. Dans cette liste, si nous examinons SageMaker Ground Truth, il réduit le coût significatif de l'exécution d'un modèle de Machine Learning dans le cloud grâce à sa capacité avancée d'étiquetage automatique. De plus, il réduit considérablement l'interaction humaine en matière d'étiquetage des données. Avis collecté par et hébergé sur G2.com.

Selon notre observation lors de l'utilisation de SageMaker Ground Truth, il fonctionne nettement mieux que toute autre solution ML. Donc rien à redire du tout. Avis collecté par et hébergé sur G2.com.

Très facile à utiliser et à déployer les modèles d'apprentissage automatique et la gestion des API est très facile. Très facile à se connecter à Docker. Avis collecté par et hébergé sur G2.com.

Les prix sont un peu élevés lorsqu'on utilise un grand nombre d'étiquettes. Le point de terminaison ne peut pas être désactivé et gaspille donc de la mémoire. Avis collecté par et hébergé sur G2.com.

Une excellente UX compréhensible pour l'étiqueteur, avec des restrictions de temps et la possibilité de reprendre là où on s'est arrêté. Avis collecté par et hébergé sur G2.com.

Les étiqueteurs ne peuvent pas suivre combien d'objets sont en attente dans le projet s'ils n'ont pas accès à la console AWS. Difficile de faire correspondre les informations personnelles identifiables (PII) à l'ID de l'étiqueteur pour suivre la contribution/progression par étiqueteur. Avis collecté par et hébergé sur G2.com.

Facilité avec laquelle nous pouvons déployer et surveiller nos modèles d'apprentissage automatique en utilisant le point de terminaison Sagemaker. Avis collecté par et hébergé sur G2.com.

Le point de terminaison Sagemaker ne peut pas être désactivé, consommant ainsi des ressources et de l'argent inutiles à certains moments. Avis collecté par et hébergé sur G2.com.

J'ai apprécié la facilité d'utilisation du produit. Bonne quantité d'options; j'aime la façon dont il prend en charge les conteneurs Docker et la gestion des API. Il est très facile à configurer et à intégrer avec d'autres services. Aussi très agréable qu'il prenne en charge plusieurs frameworks. Probablement le meilleur outil sur le marché actuellement utilisé pour l'apprentissage automatique. Avis collecté par et hébergé sur G2.com.

Lorsque vous utilisez le produit sur une grande quantité d'étiquettes ; le prix devient vraiment élevé. Cela prend un certain temps pour s'installer et comprendre par soi-même lorsque vous n'êtes pas habitué aux produits Amazon. L'intégration avec AWS peut prendre un certain temps pour s'habituer si vous essayez d'utiliser d'autres produits que ceux d'AWS. Options très limitées lors du choix de quelque chose d'autre que la plateforme AWS. Avis collecté par et hébergé sur G2.com.

AWS SageMaker Ground Truth est la meilleure et la seule solution à ce sujet. Il utilise un service d'IA pour prédire les étiquettes à partir des données.

Le service ne promet pas de résoudre toutes les étiquettes. Les données non étiquetées peuvent être utilisées pour le crowdsourcing. Comme dans le service Amazon Turk, vous pouvez attribuer vos données à des personnes du monde entier qui essaient de prédire les étiquettes. SageMaker Ground Truth peut réduire vos coûts d'étiquetage jusqu'à 70 % grâce à l'étiquetage automatique. Avis collecté par et hébergé sur G2.com.

Parce que c'est un service très nouveau et unique, nous ne pouvons pas donner de retour négatif. Avis collecté par et hébergé sur G2.com.

C'est un excellent outil que vous pouvez utiliser pour organiser des données pour la tâche d'apprentissage automatique. Si vous avez beaucoup de données et que vous n'avez pas les outils nécessaires ou la puissance de calcul pour ajouter toutes les données ; alors AWS SageMaker fait un excellent travail en vous permettant de le faire. Je l'utilise quotidiennement en ce moment pour accomplir des tâches quotidiennes. Avis collecté par et hébergé sur G2.com.

Une chose que je n'aime pas est le prix de l'outil. Une fois que vous avez beaucoup de données et des tonnes d'objets à saisir ; le prix peut augmenter considérablement. C'est abordable ; mais pour une petite entreprise, cela peut être un peu cher une fois que vous commencez à gérer une grande quantité de données. Avis collecté par et hébergé sur G2.com.

Cet outil résout l'un des problèmes les plus populaires en exploration de données et apprentissage automatique. Il permet aux utilisateurs de taguer chaque contenu de jeu de données comme l'audio, les bases de données avec de grands textes, les images. Ces tâches rendent la vie beaucoup plus facile pour un data scientist. Avis collecté par et hébergé sur G2.com.

La configuration est trop difficile et confuse, le temps nécessaire pour mettre en place l'outil en production et le prix sont les choses que je n'aime pas. Pour de grandes données, l'outil est un peu lent, mais c'est compréhensible. Avis collecté par et hébergé sur G2.com.

Amazon Web Services, le service de fournisseur de cloud d'Amazon, a annoncé la sortie d'AWS SageMaker Ground Truth lors de l'AWS Re:Invent 2019 et avec cette introduction, a progressé davantage dans le domaine de l'IA et de l'apprentissage automatique.

Ce que ce service promet de faire, c'est d'aider à l'étiquetage des données - réduisant ainsi les coûts et le temps.

J'aime ce service parce que :

1. Traditionnellement, l'apprentissage automatique nécessite un ensemble de données de bonne taille qu'il faut étiqueter ou acquérir. Les deux sont des processus chronophages. Avec AWS SageMaker Ground Truth, il deviendra facile de donner l'ensemble de données non étiqueté avec un petit ensemble de données étiqueté et il fera le reste. Plus besoin d'utiliser des travailleurs humains et de leur expliquer le processus, d'ajouter leur biais dans le processus. J'ai déjà effectué cette tâche et je sais que ce n'est pas facile.

2. Coût : Le coût est un autre des problèmes, surtout lorsqu'il s'agit d'embaucher ces travailleurs pour l'étiquetage.

Ce service peut construire des ensembles de données pour le texte, l'image, la détection d'objets, etc. Il peut également utiliser l'apprentissage actif pour étiqueter automatiquement les données. Avis collecté par et hébergé sur G2.com.

C'est un nouveau service et il n'y a pas beaucoup de tutoriels sur le site web. J'ai dû apprendre par moi-même en utilisant des articles de blog AWS et l'auto-apprentissage, donc il y a une courbe d'apprentissage élevée.

Je ne sais pas à quel point ce service pourrait être précis. Avis collecté par et hébergé sur G2.com.

La plupart du temps est consacré à l'étiquetage des données utilisées pour l'entraînement lors de la création d'un modèle d'apprentissage automatique, mais AWS SageMaker Cloud Truth facilite l'étiquetage de ces données et leur utilisation pour l'entraînement du modèle. Le temps nécessaire pour étiqueter les données est considérablement réduit. Avis collecté par et hébergé sur G2.com.

Cela peut être difficile à utiliser pour les personnes qui n'ont aucune expérience en apprentissage automatique. Après que les données ont été étiquetées par AWS SageMaker Ground Truth, il faut vérifier que les données ont été correctement étiquetées. Certaines des étiquettes sont inexactes et doivent être corrigées. Cela peut parfois prendre plus de temps que prévu. Avis collecté par et hébergé sur G2.com.