[ad_1]
Lanzado en 2021, Amazon SageMaker Canvas es un servicio visual de apuntar y hacer clic que permite a los analistas de negocios y científicos de datos ciudadanos utilizar modelos de aprendizaje automático (ML) disponibles en el mercado y crear modelos de ML personalizados para producir predicciones precisas listas para usar. estante para escribir cualquier código. Con modelos listos para usar, puede obtener información inmediata a partir de datos de texto, imágenes y documentos (por ejemplo, análisis de sentimientos, procesamiento de documentos o reconocimiento de objetos en imágenes). Los modelos personalizados le permiten crear modelos predictivos para casos de uso como previsión de la demanda, pérdida de clientes y detección de defectos en la fabricación.
Nos complace anunciar que SageMaker Canvas está ampliando su compatibilidad con modelos listos para usar para incluir modelos base (FM), lo que le permite utilizar IA generativa para generar y agregar contenido. Puede utilizar lenguaje natural con una interfaz de chat conversacional para realizar tareas como crear narrativas, informes y publicaciones de blog; Respondiendo preguntas; resumir notas y artículos; y explicar conceptos sin escribir una sola línea de código. Sus datos no se utilizan para mejorar los modelos base, no se comparten con proveedores de modelos externos y permanecen completamente dentro de su entorno seguro de AWS.
SageMaker Canvas le brinda acceso a una variedad de FM, incluidos los modelos Amazon Bedrock (como Claude 2 de Anthropic y Jurassic-2 de AI21 Labs) y modelos JumpStart de Amazon SageMaker disponibles públicamente, incluidos Falcon-7B-Instruct y Falcon-40B -Instruct y MPT-7B-Instrucción). Puede utilizar un único modelo o hasta tres modelos para comparar las respuestas de los modelos una al lado de la otra. En SageMaker Canvas, los modelos de Amazon Bedrock siempre están activos para que pueda usarlos inmediatamente. Los modelos SageMaker JumpStart se pueden iniciar e implementar según demanda en su cuenta de AWS y cerrarse automáticamente después de dos horas de inactividad.
Exploremos cómo puede aprovechar las capacidades de IA generativa de SageMaker Canvas. Para este artículo, trabajaremos con un caso de uso ficticio de atención al cliente para una empresa como ejemplo.
requisitos
Complete los siguientes pasos requeridos:
- Cree una cuenta de AWS.
- Configure SageMaker Canvas y, opcionalmente, configúrelo para usar una VPC sin acceso a Internet.
- Configure el acceso al modelo en Amazon Bedrock.
- Si es necesario, solicite un aumento de cuota de servicio para g5.12xlarge y g5.2xlarge en su región. Estas instancias son necesarias para alojar los puntos finales del modelo JumpStart de SageMaker. Se pueden seleccionar otras instancias según la disponibilidad.
Manejo de quejas de clientes
Supongamos que es un analista de servicio al cliente que maneja quejas para una empresa de bicicletas. Cuando recibe una queja de un cliente, puede utilizar SageMaker Canvas para analizar la queja y generar una respuesta personalizada para el cliente. Para hacer esto, siga los pasos a continuación:
- Seleccione en la consola de SageMaker lienzo en el área de navegación.
- Elige tu dominio y perfil de usuario y elige lienzo abierto para abrir la aplicación SageMaker Canvas.
También se puede acceder a SageMaker Canvas mediante inicio de sesión único u otros proveedores de identidad (IdP) existentes sin acceder primero a la consola de SageMaker.
- Elegir Generar, extraer y resumir contenidos. para abrir la consola de chat.
- Con el modelo Claude 2 seleccionado, ingrese sus instrucciones para conocer la opinión del cliente sobre la queja proporcionada y presione Aporte.
- Es posible que desees conocer los problemas específicos de la bicicleta, especialmente si se trata de una queja a largo plazo. Entonces pregunta sobre los problemas con la bicicleta. Tenga en cuenta que no es necesario volver a publicar la queja porque SageMaker Canvas guarda el contexto de su chat.
Ahora que entendemos el problema del cliente, puede enviarle una respuesta que incluya un enlace al formulario de comentarios de la empresa.
- Solicite una respuesta a la queja del cliente en la ventana de entrada.
- Si desea generar otra respuesta del FM, seleccione el icono de actualización en el área de respuesta.
La respuesta original y todas las respuestas nuevas están paginadas en la sección de respuestas. Tenga en cuenta que la nueva respuesta es diferente de la respuesta original. Puede seleccionar el icono de copiar en el área de respuesta para copiar la respuesta a un correo electrónico o documento según sea necesario.
- También puede cambiar la forma en que responde el modelo solicitando cambios específicos. Por ejemplo, pidamos al modelo que agregue una oferta de tarjeta de regalo de $50 a la respuesta del correo electrónico.
Comparación de respuestas modelo.
Puede comparar las respuestas de varios modelos (hasta tres). Comparemos dos modelos de Amazon Bedrock (Claude 2 y Jurassic-2 Ultra) con un modelo SageMaker JumpStart (Falcon-7B-Instruct) para evaluar y encontrar el mejor modelo para su caso de uso:
- Elegir Nueva conversación para abrir una interfaz de chat.
- Seleccione en el menú desplegable Modelo Iniciar otro modelo.
- Sobre el Modelos de cimentacion lado, debajo Modelos JumpStart de Amazon SageMakerelegir Instrucción Falcon 7B y seleccione en el panel derecho Modelo inicial.
Iniciar el modelo lleva unos 10 minutos.
- Sobre el Modelos de cimentacion En la página Falcon-7B-Instruct, confirme que el modelo Falcon-7B-Instruct esté activo antes de continuar con el siguiente paso.
- Elegir Nueva conversación para abrir una interfaz de chat.
- Elegir Comparar para mostrar un menú desplegable para el segundo modelo, luego seleccione Comparar nuevamente para mostrar un menú desplegable para el tercer modelo.
- Seleccione el modelo Falcon-7B-Instruct en el primer menú desplegable, Claude 2 en el segundo menú desplegable y Jurassic-2 Ultra en el tercer menú desplegable.
- Ingrese sus instrucciones en el campo de entrada del chat y presione Aporte.
Verá respuestas de los tres modelos.
Limpiar
Todos los modelos SageMaker JumpStart iniciados a través de SageMaker Canvas se apagarán automáticamente después de 2 horas de inactividad. Si desea apagar estos modelos antes para ahorrar costos, siga las instrucciones de esta sección. Tenga en cuenta que los modelos de Amazon Bedrock no se implementan en su cuenta y, por lo tanto, no es necesario cerrarlos.
- Para apagar el modelo Falcon 40B Instruct SageMaker JumpStart, puede elegir entre dos métodos:
- En la página de comparación de resultados, seleccione el menú de opciones del modelo Falcon 7B Instruct (tres puntos) y luego seleccione » Apagar modelo.
- Alternativamente, elija Nueva conversacióny seleccione en el menú desplegable Modelo Iniciar otro modelo. Luego en Modelos de cimentacion lado, debajo Modelos JumpStart de Amazon SageMakerelegir Instrucción Falcon 7B y seleccione en el panel derecho Apagar modelo.
- Elegir Cerrar sesión en el panel izquierdo para cerrar sesión en la aplicación SageMaker Canvas para dejar de consumir horas de la instancia del espacio de trabajo de SageMaker Canvas y liberar todos los recursos utilizados por la instancia del espacio de trabajo.
Diploma
En esta publicación, aprendió cómo usar SageMaker Canvas para generar texto con modelos listos para usar de Amazon Bedrock y SageMaker JumpStart. Utilizaron el modelo Claude 2 para analizar el sentimiento de la queja de un cliente, hacer preguntas y generar una respuesta sin una sola línea de código. También lanzaron un modelo disponible públicamente y compararon las respuestas de tres modelos.
Para los modelos de Amazon Bedrock, se le cobrará según el volumen de tokens de entrada y tokens de salida según la página de precios de Amazon Bedrock. Debido a que los modelos SageMaker JumpStart se implementan en instancias de SageMaker, se le facturará el tiempo de uso según el tipo de instancia de acuerdo con la página de precios de Amazon SageMaker.
SageMaker Canvas continúa democratizando la IA con un espacio de trabajo visual, interactivo y sin código que permite a los analistas de negocios crear modelos de aprendizaje automático que cubren una variedad de casos de uso. ¡Pruebe hoy las nuevas funciones de IA generativa en SageMaker Canvas! Estas funciones están disponibles en todas las regiones donde Amazon Bedrock o SageMaker JumpStart están disponibles.
Sobre los autores
Anand Iyer Ha sido arquitecto principal de soluciones en AWS desde 2016. Anand ha ayudado a clientes globales de atención médica, servicios financieros y telecomunicaciones a desarrollar e implementar soluciones de software empresarial utilizando AWS y tecnologías de nube híbrida. Tiene una maestría en informática de la Universidad Estatal de Luisiana en Baton Rouge y un MBA de la Escuela de Negocios Marshall de la USC, Los Ángeles. Está certificado por AWS en seguridad, arquitectura de soluciones e ingeniería DevOps.
Gavin Satur es arquitecto principal de soluciones en Amazon Web Services. Trabaja con clientes empresariales para desarrollar soluciones estratégicas y bien estructuradas y le apasiona la automatización. Fuera del trabajo, disfruta del tiempo en familia, el tenis, cocinar y viajar.
Gunjan Jain es un arquitecto de soluciones de AWS en el sur de California y trabaja principalmente con grandes empresas de servicios financieros. Ayuda con la adopción y optimización de la nube y el establecimiento de mejores prácticas para una buena arquitectura en la nube.
Harpreet Dhanoa, un experimentado arquitecto de soluciones senior en AWS, tiene una amplia experiencia en el diseño y construcción de sistemas distribuidos escalables. Le apasiona el aprendizaje automático, la observabilidad y el análisis. Le gusta ayudar a grandes clientes a desarrollar su estrategia empresarial en la nube y transformar sus negocios en AWS. En su tiempo libre, Harpreet disfruta jugar baloncesto con sus dos hijos y pasar tiempo con su familia.
[ad_2]