Imagine esto: usted es un analista financiero que comienza su lunes por la mañana con una taza de café humeante, inventario para revisar su cartera de inversiones. Pero en espacio de recorrer manualmente docenas de sitios web de noticiario, informes financieros y prospección de la industria, simplemente le pregunte a su asistente de IA: «¿Qué eventos globales ocurrieron durante el fin de semana que podrían afectar mis tenencias de acciones de tecnología?» En cuestión de segundos, recibe un prospección completo de noticiario relevantes, puntajes de sentimientos e implicaciones potenciales de inversión, todas impulsadas por una sofisticada aplicación generativa de IA que usted construyó.
Este atmósfera no es ciencia ficción; Es la sinceridad que los profesionales financieros modernos pueden crear hoy. En una era en la que la información se mueve a la velocidad de la luz y las condiciones de la industria puede cambiar drásticamente durante la tenebrosidad, mantenerse informado no es solo una preeminencia, es esencial para la supervivencia en paisajes financieros competitivos. El desafío radica en procesar el abrumador tamaño de información general que podría afectar las inversiones al tiempo que distingue ideas confiables del ruido.
Amazon Sagemaker: desarrollar y medrar casos de uso de IA con el conjunto más amplio de herramientas
Felizmente para nosotros, la tecnología lo hace más sencillo. La próxima reproducción de Amazon Sagemaker con Estudio unificado de Amazon Sagemaker es un entorno de datos de datos y AI en el que puede encontrar y alcanzar a los datos en su estructura y llevar a cabo en consecuencia utilizando las mejores herramientas en diferentes casos de uso. Sagemaker Unified Studio reúne la funcionalidad y las herramientas de los servicios existentes de AWS Analytics y Industrial Intelligence and Machine Learning (AI/ML), incluidos Amazon EMR , AWS Glue, Amazon Athena, Amazon Redshift , Roca hermana de Amazony Amazon Sagemaker AI. Desde SageMaker Unified Studio, puede encontrar datos de ataque, ataque y consulta y activos de IA en su estructura, luego trabajar juntos en proyectos para construir y compartir de forma segura artefactos de prospección y IA, incluidos datos, modelos y aplicaciones generativas de IA.
Con Sagemaker Unified Studio, puede construir aplicaciones de IA generativas de modo capaz en un entorno seguro y seguro utilizando el rock de Amazon. Puede nominar entre una selección de modelos de pulvínulo de stop rendimiento (FMS) y capacidades de personalización destacamento como Bases de conocimiento de Amazon Bedrock, Martingala de roca amazónica, Agentes de roca hermana de Amazony Flujos de roca hermana de Amazon. Puede adaptar rápidamente e implementar aplicaciones de IA generativas y compartir con el catálogo incorporado para el descubrimiento.
Lo que hace que Sagemaker Unified Studio sea particularmente poderoso para las organizaciones es su integración con los flujos de roca hermana de Amazon para construir flujos de trabajo generativos de IA, lo que está cambiando la forma en que las organizaciones piensan sobre el exposición de aplicaciones de IA.
Fluye el madre de roca de Amazon para el exposición generativo de aplicaciones de IA
Con los flujos de roca hermana de Amazon, puede construir y ejecutar flujos de trabajo generativos de IA generativos sin escribir código, utilizando una interfaz visual intuitiva que democratiza el exposición de la IA. Esta capacidad es transformadora para las organizaciones donde la velocidad, la precisión y la adaptabilidad son primordiales. Ofrece los siguientes beneficios:
- Expansión de flujo de trabajo visual – Los usuarios pueden diseñar aplicaciones de IA arrastrando y dejando caer componentes en un tela, lo que hace que AI Logic sea transparente y modificable
- Flexibilidad de dialéctica comercial -El servicio apoya la dialéctica comercial compleja a través de la ramificación condicional, los árboles de valentía de múltiples rutas y el enrutamiento dinámico
- Democratización del exposición de la IA – Los expertos comerciales pueden contribuir directamente al exposición de aplicaciones de IA sin requerir una amplia experiencia técnica
- Integración perfecta – Los flujos de roca hermana de Amazon se integran con FMS, bases de conocimiento, barandillas y otros servicios de AWS
- Reducción de la complejidad del exposición – El servicio maneja la trámite y escalera de infraestructura a través de la ejecución sin servidor y las API SDK
Descripción universal de la posibilidad
En esta publicación, exploramos un caso de uso financiero, en el que queremos mantenernos al tanto de los últimos eventos globales y determinar nuestra inversión o exposición financiera en función de esto. Podemos usar una aplicación Sagemaker Unified Studio Flow para atraer los últimos resúmenes de noticiario, obtener un sentimiento basado en el sumario de noticiario y determinar sus posesiones en mis inversiones. El futuro diagrama ilustra este caso de uso.
En las siguientes secciones, mostramos cómo crear un nuevo tesina y construir una aplicación de flujo utilizando un perfil de IA generativo en Sagemaker Unified Studio.
Requisitos previos
Para este tutorial, debes tener los siguientes requisitos previos:
- Un tesina de demostración – Cree un tesina de demostración en su dominio de estudio unificado de Sagemaker. Para obtener instrucciones, ver Crea un tesina. Para este ejemplo, elegimos Todas las capacidades En la sección Perfil del tesina, que incluye el perfil de tesina AI generativo cobrador.
Cree un nuevo tesina y cree una aplicación de flujo en Sagemaker Unified Studio
En esta sección, creamos una nueva aplicación de flujo que utiliza una pulvínulo de conocimiento de Amazon Bedrock para proporcionar información sobre su cartera personal. Complete los siguientes pasos:
- En Sagemaker Unified Studio, abrigo el tesina que creó como requisito previo y elija Construir y luego Fluir.
- Deslizar Cojín de conocimiento de Nodos al panel de diseño para ampliar una pulvínulo de conocimiento que incluirá la cartera de inversiones del legatario y los artículos de noticiario y otras información, como transcripciones de llamadas de ganancias, informes de analistas financieros, etc.
- Elija el Cojín de conocimiento nodo y configure la pulvínulo de conocimiento de la futuro modo:
- Agregue un nombre para su nombre de pulvínulo de conocimiento (por ejemplo,
portfolio…). - Elija el maniquí (por ejemplo, Claude 3.5 Haiku).
- Designar Crear una nueva pulvínulo de conocimiento.
- Ingrese un nombre para la pulvínulo de conocimiento.
- Pretender Fuente de datos del tesina.
- Para Seleccione una fuente de datoselige el Servicio de almacenamiento simple de Amazon (Amazon S3) Ubicación del cubo donde cargó sus datos.
- Designar Crear.
El proceso de creación de la pulvínulo de conocimiento tarda unos minutos en completarse.
- Cuando la pulvínulo de conocimiento esté inventario, elija Racionar Para guardarlo en el flujo.
- Designar Mis componentesy en el menú de opciones (tres puntos verticales), elija Sincronización para sincronizar la pulvínulo de conocimiento.
Asegúrese de que el cubo S3 tenga todos los datos (datos de la cartera de usuarios y los últimos datos de información de noticiario) ayer de sincronizar la pulvínulo de conocimiento.
No proporcionamos datos financieros o de información de noticiario como parte de esta publicación. Cargue eventos actuales o datos de noticiario y datos de la cartera de inversiones de sus propias fuentes de datos.
Prueba la aplicación de flujo
Posteriormente de completar la sincronización de la pulvínulo de conocimiento, puede retornar a la aplicación de flujo y hacer preguntas. Utilizando flujos de SageMaker Unified Studio, un analista financiero puede proporcionar una perspectiva financiera más personalizada y personalizada a sus clientes utilizando información financiera interna rica en la cartera de inversiones de sus clientes y los últimos eventos actuales e información de noticiario actuales disponibles públicamente. Las siguientes son algunas preguntas de ejemplo que puede hacer para probar la pulvínulo de conocimiento:
Check if Tesla or Apple is in any of user's investment portfolio
Las aplicaciones basadas en el flujo ofrecen un enfoque visual para crear flujos de trabajo de IA complejos. Al encadenar diferentes nodos, cada uno optimizado para funciones específicas, puede crear soluciones sofisticadas que sean más confiables, mantenibles y eficientes que los enfoques de una sola promutación. Estos flujos permiten rutas de dialéctica y ramificación condicionales, imitando procesos de toma de decisiones humanas y permitiendo respuestas más matizadas basadas en el contexto y los resultados intermedios.
Estafar
Para evitar cargos continuos en su cuenta de AWS, elimine los fortuna que creó durante este tutorial:
- Eliminar el tesina.
- Elimine el dominio creado como parte de los requisitos previos.
Conclusión
En esta publicación, demostramos cómo usar flujos de roca hermana de Amazon en Sagemaker Unified Studio para construir una sofisticada aplicación generativa de IA para prospección financiero y toma de decisiones de inversión sin un conocimiento de codificación extenso. Con esta integración, puede crear flujos de trabajo de prospección financiero sofisticados a través de una interfaz visual intuitiva, donde puede procesar los datos de la industria, analizar el sentimiento de noticiario y evaluar las implicaciones de la inversión en tiempo vivo. La posibilidad se integra perfectamente con los servicios de AWS y FMS al tiempo que proporciona características esenciales como escalera cibernética, controles de cumplimiento y capacidades de auditoría. El proceso de implementación implica configurar un dominio de estudio unificado de Sagemaker, configurar bases de conocimiento con cartera y datos de noticiario, y crear flujos de trabajo visuales que puedan analizar información financiera compleja. Este enfoque democratizado para el exposición de la IA permite a los equipos técnicos y comerciales colaborar de modo efectiva, reduciendo significativamente el tiempo de exposición al tiempo que mantiene las capacidades sofisticadas necesarias para el prospección financiero innovador.
Para comenzar, explore el Documentación de estudio unificada de SagemakerConfigure un tesina en su entorno AWS y descubra cómo esta posibilidad puede elaborar las capacidades de prospección de datos de su estructura.
Sobre los autores
Amit Maindola es un arquitecto de datos senior centrado en ingeniería de datos, prospección y IA/ML en Amazon Web Services. Ayuda a los clientes en su alucinación de transformación digital y les permite construir soluciones analíticas en gran medida escalables, robustas y seguras basadas en la estrato en AWS para obtener ideas oportunas y tomar decisiones comerciales críticas.
Arghya Banerjee es arquitecto de soluciones de Sr. en AWS en el dominio de la Bahía de San Francisco, centrado en ayudar a los clientes a adoptar y usar la Cloud de AWS. Se centra en big data, lagos de datos, servicios de prospección de transmisión y lotes, y tecnologías generativas de IA.
Equilibrio yang es un arquitecto de prospección principal de Amazon EMR en AWS. Es una líder de prospección experimentado que trabaja con clientes de AWS para proporcionar una orientación de las mejores prácticas y asesoramiento técnico para ayudar a su éxito en la transformación de datos. Sus áreas de interés son los marcos de código libre y la automatización, la ingeniería de datos y los datos.
Gaurav Parekh es un arquitecto de soluciones en AWS, especializado en IA generativa y prospección de datos, con una amplia experiencia en la construcción de sistemas de IA de producción en AWS.