Avaliações e Detalhes do Produto Amazon Sagemaker Ground Truth

Do ponto de vista do usuário, quase todos os recursos fornecidos pelos serviços de Aprendizado de Máquina da Amazon são incríveis. Nessa lista, se olharmos para o SageMaker Ground Truth, ele reduz o custo significativo de execução de um modelo de Aprendizado de Máquina na nuvem por sua capacidade avançada de rotulagem automática. Além disso, reduz a interação humana quando se trata de rotulagem de dados em uma quantidade significativa. Análise coletada por e hospedada no G2.com.

De acordo com nossa observação ao usar o SageMaker Ground Truth, ele tem um desempenho significativamente melhor do que qualquer outra solução de ML. Portanto, nada a reclamar. Análise coletada por e hospedada no G2.com.

Muito fácil de usar e implantar os modelos de aprendizado de máquina e o gerenciamento de API é muito fácil. Muito fácil de conectar ao Docker. Análise coletada por e hospedada no G2.com.

Os preços são um pouco altos ao executar uma grande quantidade de etiquetas. O endpoint não pode ser desligado e, portanto, desperdiça memória. Análise coletada por e hospedada no G2.com.

Ótima UX compreensível para o rotulador, com restrições de tempo e a capacidade de retomar de onde parou. Análise coletada por e hospedada no G2.com.

Os rotuladores não conseguem rastrear quantos objetos estão pendentes no projeto se não tiverem acesso ao console da AWS. É difícil associar PII ao ID do rotulador para rastrear a contribuição/progresso por rotulador. Análise coletada por e hospedada no G2.com.

Fácil com o qual podemos implantar e monitorar nossos modelos de aprendizado de máquina usando o endpoint do Sagemaker. Análise coletada por e hospedada no G2.com.

O endpoint do Sagemaker não pode ser desligado, consumindo assim recursos e dinheiro desnecessários às vezes. Análise coletada por e hospedada no G2.com.

Eu gostei da facilidade de uso do produto. Boa quantidade de opções; eu gosto de como ele suporta contêineres Docker e gerenciamento de API. É muito fácil de configurar e integrar com outros serviços. Também é muito bom que ele suporte múltiplos frameworks. Provavelmente a melhor ferramenta no mercado atualmente usada para aprendizado de máquina. Análise coletada por e hospedada no G2.com.

Quando executa o produto em uma grande quantidade de etiquetas; o preço fica realmente alto. Demora um pouco para configurar e entender por conta própria quando você não está acostumado com produtos da Amazon. A integração com a AWS pode demorar um pouco para se acostumar se você estiver tentando usar outros produtos além da AWS. Opções muito limitadas ao escolher algo diferente da plataforma AWS. Análise coletada por e hospedada no G2.com.

O serviço AWS SageMaker Ground Truth é a melhor e única solução sobre isso. Ele usa um serviço de IA para prever rótulos a partir de dados.

O serviço não promete resolver todos os rótulos. Dados não rotulados podem ser usados para crowdsourcing. Como no serviço Amazon Turk, você pode atribuir seus dados a pessoas em todo o mundo que tentam prever rótulos. O SageMaker Ground Truth pode reduzir seus custos de rotulagem em até 70% usando rotulagem automática. Análise coletada por e hospedada no G2.com.

Por ser um serviço muito novo e único, não podemos dar nenhum feedback negativo. Análise coletada por e hospedada no G2.com.

Este é um ótimo recurso que você pode usar para organizar dados para a tarefa de aprendizado de máquina. Se você tem muitos dados e não possui as ferramentas necessárias ou poder de computação para adicionar todos os dados; então o AWS SageMaker faz um ótimo trabalho ao permitir que você faça isso. Eu uso isso diariamente no momento para completar tarefas diárias. Análise coletada por e hospedada no G2.com.

Uma coisa que eu não gosto é o preço da ferramenta. Quando você tem muitos dados e toneladas de objetos para inserir; o preço pode aumentar substancialmente. É acessível; mas para uma pequena empresa pode ser um pouco caro quando você começa a lidar com uma grande quantidade de dados. Análise coletada por e hospedada no G2.com.

Esta ferramenta resolve um dos problemas mais populares em mineração de dados e aprendizado de máquina. Ela permite que os usuários etiquetem o conteúdo de cada conjunto de dados, como áudio, bancos de dados com grandes textos, imagens. Essas tarefas tornam a vida muito mais fácil para um cientista de dados. Análise coletada por e hospedada no G2.com.

A configuração é muito difícil e confusa, o tempo para configurar a ferramenta funcionando em produção e o preço são as coisas que eu não gosto. Para um grande volume de dados, a ferramenta é um pouco lenta, mas é compreensível. Análise coletada por e hospedada no G2.com.

A Amazon Web Services, o serviço de provedor de nuvem da Amazon, anunciou o lançamento do AWS SageMaker Ground Truth durante o AWS Re:Invent 2019 e, com essa introdução, avançou ainda mais no espaço de IA e aprendizado de máquina.

O que este serviço promete fazer é ajudar na rotulagem de dados - reduzindo assim custos e tempo.

Eu gosto deste serviço porque:

1. Tradicionalmente, o aprendizado de máquina requer um conjunto de dados de bom tamanho que precisa ser rotulado ou adquirido. Ambos são processos demorados. Com o AWS SageMaker Ground Truth, será fácil fornecer o conjunto de dados não rotulado com um pequeno conjunto de dados rotulado e ele fará o resto. Não é mais necessário usar trabalhadores humanos e explicar-lhes o processo, adicionando seu viés ao processo. Eu já fiz essa tarefa antes e sei que não é fácil.

2. Custo: O custo é outro dos problemas, especialmente quando se trata de contratar esses trabalhadores para rotulagem.

Este serviço pode construir conjuntos de dados para texto, imagem, detecção de objetos, etc. Ele pode opcionalmente usar aprendizado ativo para rotular automaticamente os dados também. Análise coletada por e hospedada no G2.com.

Este é um novo serviço e não há muitos tutoriais no site. Tive que aprender sozinho usando postagens de blog da AWS e autoaprendizagem, então há uma curva de aprendizado acentuada.

Não sei quão preciso este serviço pode ser. Análise coletada por e hospedada no G2.com.

A maior parte do tempo é gasto rotulando dados usados para treinamento ao criar um modelo de aprendizado de máquina, mas o AWS SageMaker Ground Truth facilita o rótulo desses dados e seu uso para treinar o modelo. O tempo necessário para rotular os dados é reduzido significativamente. Análise coletada por e hospedada no G2.com.

Pode ser difícil de usar para pessoas que não têm experiência em aprendizado de máquina. Depois que os dados são rotulados pelo AWS SageMaker Ground Truth, é necessário validar se os dados foram rotulados corretamente. Alguns dos rótulos estão incorretos e precisam ser corrigidos. Isso pode levar mais tempo do que o esperado às vezes. Análise coletada por e hospedada no G2.com.