Amazon Sagemaker Ground Truth Bewertungen & Produktdetails

Aus der Perspektive eines Benutzers sind fast alle von Amazon Machine Learning-Diensten bereitgestellten Funktionen großartig. In dieser Liste, wenn wir einen Blick auf SageMaker Ground Truth werfen, reduziert es die erheblichen Kosten für den Betrieb eines Machine Learning-Modells in der Cloud durch seine fortschrittliche automatische Kennzeichnungsfähigkeit. Außerdem reduziert es die menschliche Interaktion bei der Datenkennzeichnung erheblich. Bewertung gesammelt von und auf G2.com gehostet.

Laut unserer Beobachtung bei der Verwendung von SageMaker Ground Truth ist, dass es deutlich besser abschneidet als jede andere ML-Lösung. Also gibt es überhaupt nichts zu beanstanden. Bewertung gesammelt von und auf G2.com gehostet.

Sehr einfach zu verwenden und die Bereitstellung der Machine-Learning-Modelle sowie das API-Management sind sehr einfach. Sehr einfach, eine Verbindung zu Docker herzustellen. Bewertung gesammelt von und auf G2.com gehostet.

Die Preise sind etwas hoch, wenn eine große Menge an Etiketten gedruckt wird. Der Endpunkt kann nicht ausgeschaltet werden und verschwendet daher Speicher. Bewertung gesammelt von und auf G2.com gehostet.

Großartiges, verständliches UX für den Labeler, mit Zeitbeschränkungen und der Möglichkeit, dort weiterzumachen, wo man aufgehört hat. Bewertung gesammelt von und auf G2.com gehostet.

Die Labeler können nicht nachverfolgen, wie viele Objekte im Projekt ausstehen, wenn sie keinen Zugriff auf die AWS-Konsole haben. Es ist schwierig, PII mit der Labeler-ID abzugleichen, um den Beitrag/Fortschritt pro Labeler zu verfolgen. Bewertung gesammelt von und auf G2.com gehostet.

Einfach, mit dem wir unsere maschinellen Lernmodelle mithilfe des Sagemaker-Endpunkts bereitstellen und überwachen können. Bewertung gesammelt von und auf G2.com gehostet.

Sagemaker-Endpunkt kann nicht ausgeschaltet werden, verbraucht daher manchmal unnötige Ressourcen und Geld. Bewertung gesammelt von und auf G2.com gehostet.

Ich genoss die Benutzerfreundlichkeit des Produkts. Gute Menge an Optionen; Ich mag, wie es Docker-Container und API-Management unterstützt. Es ist sehr einfach einzurichten und mit anderen Diensten zu integrieren. Auch sehr schön, dass es mehrere Frameworks unterstützt. Wahrscheinlich das beste Werkzeug auf dem Markt derzeit für maschinelles Lernen. Bewertung gesammelt von und auf G2.com gehostet.

Wenn das Produkt auf eine große Menge von Etiketten angewendet wird, wird der Preis wirklich hoch. Es dauert eine Weile, sich selbst einzurichten und herauszufinden, wenn man nicht an Amazon-Produkte gewöhnt ist. Die Integration mit AWS kann eine Weile dauern, um sich daran zu gewöhnen, wenn man versucht, andere Produkte als AWS zu verwenden. Sehr begrenzte Optionen bei der Auswahl von etwas anderem als der AWS-Plattform. Bewertung gesammelt von und auf G2.com gehostet.

AWS SageMaker Ground Truth-Dienst ist die beste und einzige Lösung dafür. Es verwendet einen KI-Dienst, um Etiketten aus Daten vorherzusagen.

Der Dienst verspricht nicht, alle Etiketten zu lösen. Nicht etikettierte Daten können für Crowdsourcing verwendet werden. Wie im Amazon Turk-Dienst können Sie Ihre Daten an Menschen auf der ganzen Welt zuweisen, die versuchen, Etiketten vorherzusagen. SageMaker Ground Truth kann Ihre Kennzeichnungskosten durch automatische Kennzeichnung um bis zu 70 % senken. Bewertung gesammelt von und auf G2.com gehostet.

Da es sich um einen sehr neuen und einzigartigen Service handelt, können wir kein negatives Feedback geben. Bewertung gesammelt von und auf G2.com gehostet.

Dies ist ein großartiges Werkzeug, das Sie verwenden können, um Daten für die Aufgabe des maschinellen Lernens zu organisieren. Wenn Sie viele Daten haben und nicht über die notwendigen Werkzeuge oder Rechenleistung verfügen, um alle Daten hinzuzufügen; dann leistet AWS SageMaker hervorragende Arbeit, um Ihnen dies zu ermöglichen. Ich benutze dies derzeit täglich, um tägliche Aufgaben zu erledigen. Bewertung gesammelt von und auf G2.com gehostet.

Eine Sache, die mir nicht gefällt, ist die Preisgestaltung des Werkzeugs. Sobald man viele Daten und eine Menge Objekte eingeben muss, kann der Preis erheblich steigen. Es ist erschwinglich, aber für ein kleines Unternehmen kann es etwas teuer werden, sobald man mit einer großen Menge an Daten zu tun hat. Bewertung gesammelt von und auf G2.com gehostet.

Dieses Werkzeug löst eines der beliebtesten Probleme im Data Mining und maschinellen Lernen. Es ermöglicht Benutzern, jeden Datensatzinhalt wie Audio, Datenbanken mit großen Texten, Bilder zu kennzeichnen. Diese Aufgaben machen das Leben eines Datenwissenschaftlers viel einfacher. Bewertung gesammelt von und auf G2.com gehostet.

Die Konfiguration ist zu schwierig und verwirrend, die Zeit, um das Werkzeug in der Produktion einzurichten, und der Preis sind die Dinge, die mir nicht gefallen. Bei großen Datenmengen ist das Werkzeug etwas langsam, aber das ist verständlich. Bewertung gesammelt von und auf G2.com gehostet.

Amazon Web Services, der Cloud-Anbieter von Amazon, kündigte die Veröffentlichung von AWS SageMaker Ground Truth während der AWS Re:Invent 2019 an und hat sich mit dieser Einführung weiter im Bereich der KI und des maschinellen Lernens bewegt.

Was dieser Dienst verspricht, ist, bei der Datenkennzeichnung zu helfen - und somit Kosten und Zeit zu reduzieren.

Ich mag diesen Dienst, weil:

1. Traditionell erfordert maschinelles Lernen einen großen Datensatz, den man kennzeichnen oder erwerben muss. Beides sind zeitaufwändige Prozesse. Mit AWS SageMaker Ground Truth wird es einfach, den unbeschrifteten Datensatz mit einem kleinen beschrifteten Datensatz zu versehen, und es erledigt den Rest. Keine menschlichen Arbeiter mehr, denen man den Prozess erklären muss und die ihre Voreingenommenheit in den Prozess einbringen. Ich habe diese Aufgabe schon einmal gemacht und weiß, dass sie nicht einfach ist.

2. Kosten: Kosten sind ein weiteres Problem, insbesondere wenn es darum geht, diese Arbeiter für die Kennzeichnung einzustellen.

Dieser Dienst kann Datensätze für Text, Bilder, Objekterkennung usw. erstellen. Er kann optional aktives Lernen verwenden, um die Daten automatisch zu kennzeichnen. Bewertung gesammelt von und auf G2.com gehostet.

Dies ist ein neuer Dienst und es gibt nicht viele Tutorials auf der Website. Ich musste selbst lernen, indem ich AWS-Blogposts und Selbststudium nutzte, daher gibt es eine hohe Lernkurve.

Ich weiß nicht, wie genau dieser Dienst sein könnte. Bewertung gesammelt von und auf G2.com gehostet.

Die meiste Zeit wird mit der Kennzeichnung von Daten verbracht, die für das Training beim Erstellen eines maschinellen Lernmodells verwendet werden. AWS SageMaker Ground Truth erleichtert jedoch die Kennzeichnung dieser Daten und deren Verwendung für das Training des Modells. Die Zeit, die für die Kennzeichnung der Daten benötigt wird, wird erheblich reduziert. Bewertung gesammelt von und auf G2.com gehostet.

Es kann schwierig sein, für Menschen, die keine Erfahrung mit maschinellem Lernen haben. Nachdem die Daten von AWS SageMaker Ground Truth gekennzeichnet wurden, muss überprüft werden, ob die Daten korrekt gekennzeichnet wurden. Einige der Labels sind ungenau und müssen korrigiert werden. Dies kann manchmal mehr Zeit in Anspruch nehmen als erwartet. Bewertung gesammelt von und auf G2.com gehostet.