Recensioni e Dettagli del Prodotto Amazon Sagemaker Ground Truth

Dal punto di vista dell'utente, quasi tutte le funzionalità fornite dai servizi di Amazon Machine Learning sono straordinarie. In quella lista, se diamo un'occhiata a SageMaker Ground Truth, riduce il costo significativo di esecuzione di un modello di Machine Learning nel cloud grazie alla sua avanzata capacità di etichettatura automatica. Inoltre, riduce notevolmente l'interazione umana quando si tratta di etichettatura dei dati. Recensione raccolta e ospitata su G2.com.

Secondo la nostra osservazione durante l'utilizzo di SageMaker Ground Truth, funziona significativamente meglio di qualsiasi altra soluzione di ML. Quindi niente di cui lamentarsi. Recensione raccolta e ospitata su G2.com.

Molto facile da usare e distribuire i modelli di apprendimento automatico e la gestione delle API è molto semplice. Molto facile da connettere a Docker. Recensione raccolta e ospitata su G2.com.

Il prezzo è un po' alto quando si stampano grandi quantità di etichette. L'endpoint non può essere disattivato e quindi spreca memoria. Recensione raccolta e ospitata su G2.com.

Ottima UX comprensibile per l'etichettatore, con restrizioni di tempo e la possibilità di riprendere da dove si era interrotto Recensione raccolta e ospitata su G2.com.

I classificatori non possono tracciare quanti oggetti sono in sospeso nel progetto se non hanno accesso alla console AWS. Difficile abbinare i dati personali identificabili (PII) all'ID del classificatore per tracciare il contributo/progresso per classificatore. Recensione raccolta e ospitata su G2.com.

Facile con cui possiamo distribuire e monitorare i nostri modelli di machine learning utilizzando l'endpoint di Sagemaker. Recensione raccolta e ospitata su G2.com.

L'endpoint di Sagemaker non può essere spento, quindi a volte consuma risorse e denaro inutilmente. Recensione raccolta e ospitata su G2.com.

Ho apprezzato la facilità d'uso del prodotto. Buona quantità di opzioni; mi piace come supporta i container Docker e la gestione delle API. È molto facile da configurare e integrare con altri servizi. Inoltre, è molto bello che supporti più framework. Probabilmente il miglior strumento sul mercato in questo momento utilizzato per il machine learning. Recensione raccolta e ospitata su G2.com.

Quando si utilizza il prodotto su un gran numero di etichette, il prezzo diventa davvero elevato. Ci vuole un po' di tempo per configurarlo e capirlo da soli quando non si è abituati ai prodotti Amazon. L'integrazione con AWS può richiedere un po' di tempo per abituarsi se si sta cercando di utilizzare altri prodotti diversi da AWS. Opzioni molto limitate quando si sceglie qualcosa di diverso dalla piattaforma AWS. Recensione raccolta e ospitata su G2.com.

Il servizio AWS SageMaker Ground Truth è la migliore e unica soluzione a riguardo. Utilizza un servizio di intelligenza artificiale per prevedere le etichette dai dati.

Il servizio non promette di risolvere tutte le etichette. I dati non etichettati possono essere utilizzati per il crowdsourcing. Come nel servizio Amazon Turk, puoi assegnare i tuoi dati a persone in tutto il mondo che cercano di prevedere le etichette. SageMaker Ground Truth può ridurre i costi di etichettatura fino al 70% utilizzando l'etichettatura automatica. Recensione raccolta e ospitata su G2.com.

Poiché è un servizio molto nuovo e unico, non possiamo dare alcun feedback negativo. Recensione raccolta e ospitata su G2.com.

Questo è un ottimo strumento che puoi usare per organizzare i dati per il compito di apprendimento automatico. Se hai molti dati e non hai gli strumenti necessari o la potenza di calcolo per aggiungere tutti i dati, allora AWS SageMaker fa un ottimo lavoro permettendoti di farlo. Lo uso quotidianamente al momento per completare i compiti giornalieri. Recensione raccolta e ospitata su G2.com.

Una cosa che non mi piace è il prezzo dello strumento. Una volta che hai molti dati e un sacco di oggetti da inserire, il prezzo può aumentare notevolmente. È accessibile; ma per una piccola impresa può essere un po' costoso una volta che inizi a gestire una grande quantità di dati. Recensione raccolta e ospitata su G2.com.

Questo strumento risolve uno dei problemi più popolari nel data mining e nel machine learning. Permette agli utenti di etichettare ogni contenuto del set di dati come audio, database con testi lunghi, immagini. Questi compiti rendono la vita molto più facile per un data scientist. Recensione raccolta e ospitata su G2.com.

La configurazione è troppo difficile e confusa, il tempo necessario per impostare lo strumento in produzione e il prezzo sono le cose che non mi piacciono. Per una grande quantità di dati lo strumento è un po' lento, ma è comprensibile. Recensione raccolta e ospitata su G2.com.

Amazon Web Services, il servizio di cloud provider di Amazon, ha annunciato il rilascio di AWS SageMaker Ground Truth durante l'AWS Re:Invent 2019 e con questa introduzione ha fatto ulteriori passi avanti nel campo dell'IA e del machine learning.

Quello che questo servizio promette di fare è aiutare nell'etichettatura dei dati - riducendo così costi e tempi.

Mi piace questo servizio perché:

1. Tradizionalmente il machine learning richiede un buon set di dati che bisogna etichettare o acquisire. Entrambi sono processi che richiedono tempo. Con AWS SageMaker Ground Truth, diventerà facile fornire il dataset non etichettato con un piccolo dataset etichettato e farà il resto. Non più utilizzare lavoratori umani e spiegare loro il processo, aggiungere il loro bias nel processo. Ho svolto questo compito prima e so che non è facile.

2. Costo: Il costo è un altro dei problemi, specialmente quando si tratta di assumere quei lavoratori per l'etichettatura.

Questo servizio può costruire dataset per testo, immagini, rilevamento di oggetti ecc. Può opzionalmente utilizzare l'apprendimento attivo per etichettare automaticamente i dati. Recensione raccolta e ospitata su G2.com.

Questo è un nuovo servizio e non ci sono molti tutorial sul sito web. Ho dovuto imparare da solo utilizzando i post del blog di AWS e l'autoapprendimento, quindi c'è una curva di apprendimento elevata.

Non so quanto possa essere accurato questo servizio. Recensione raccolta e ospitata su G2.com.

La maggior parte del tempo viene spesa per etichettare i dati utilizzati per l'addestramento durante la creazione di un modello di machine learning, ma AWS SageMaker Ground Truth rende più facile etichettare questi dati e utilizzarli per addestrare il modello. Il tempo impiegato per etichettare i dati si riduce significativamente. Recensione raccolta e ospitata su G2.com.

Può essere difficile da usare per le persone che non hanno alcuna esperienza con il machine learning. Dopo che i dati sono stati etichettati da AWS SageMaker Ground Truth, è necessario verificare che i dati siano stati etichettati correttamente. Alcune delle etichette sono inaccurate e devono essere corrette. Questo potrebbe richiedere più tempo del previsto a volte. Recensione raccolta e ospitata su G2.com.