本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# Amazon SageMaker JumpStart 產業：金融
<a name="studio-jumpstart-industry"></a>

使用 SageMaker JumpStart 產業：金融解決方案、模型和範例筆記本，透過精心策劃的一步到位解決方案和專為產業設計的機器學習 (ML) 問題範例筆記本，瞭解 SageMaker AI 的功能和能力。該筆記本也會介紹如何使用 SageMaker JumpStart 產業 Python SDK 來增強產業文字資料，並微調預先訓練的模型。

**Topics**
+ [Amazon SageMaker JumpStart 產業 Python SDK](#studio-jumpstart-industry-pysdk)
+ [Amazon SageMaker JumpStart 產業：金融解決方案](#studio-jumpstart-industry-solutions)
+ [Amazon SageMaker JumpStart 產業：金融模型](#studio-jumpstart-industry-models)
+ [Amazon SageMaker JumpStart 產業：金融範例筆記本](#studio-jumpstart-industry-examples)
+ [Amazon SageMaker JumpStart 產業：金融部落格文章](#studio-jumpstart-industry-blogs)
+ [Amazon SageMaker JumpStart 產業：金融相關研究](#studio-jumpstart-industry-research)
+ [Amazon SageMaker JumpStart 產業：金融其他資源](#studio-jumpstart-industry-resources)

## Amazon SageMaker JumpStart 產業 Python SDK
<a name="studio-jumpstart-industry-pysdk"></a>

SageMaker Runtime JumpStart 提供處理工具，透過名為 SageMaker JumpStart 產業 Python SDK 的用戶端程式庫來規劃產業資料集和微調預先訓練的模型。有關 SDK 的詳細 API 文件，以及有關處理和增強產業文字資料集以提高 SageMaker JumpStart 上最先進模型效能的更多訊息，請參閱 [SageMaker JumpStart 產業 Python SDK 開放原始碼文件](https://sagemaker-jumpstart-industry-pack.readthedocs.io)。

## Amazon SageMaker JumpStart 產業：金融解決方案
<a name="studio-jumpstart-industry-solutions"></a>

SageMaker JumpStart 產業：金融提供下列解決方案筆記本：
+ **企業信用評等預測**

此 SageMaker JumpStart 產業：金融解決方案為增強文字的企業信用評等模型提供範本。其顯示如何採用根據數值特徵 (在此情況下，Altman 著名的 5 財務比率) 與 SEC 文件中的文字相結合的模型，達成信用評等的預測改進。除了 5 個 Altman 比率之外，您還可以視需要新增更多變數或設定自訂變數。此解決方案筆記本顯示 SageMaker JumpStart 產業 Python SDK 如何協助處理來自 SEC 檔案文字的自然語言處理 (NLP) 評分。此外，該解決方案示範如何使用增強型資料集來訓練模型，以達成同級最佳模型、將模型部署到 SageMaker AI 端點進行生產，以及即時接收改進的預測。
+ **以圖形為基礎的信用評分**

傳統上使用財務報表資料和市場資料的模型產生信用評等，其僅為表格式 (數值和分類)。該解決方案使用 [SEC 文件](https://www.sec.gov/edgar/searchedgar/companysearch.html)構建公司網路，並展示如何使用具有表格式資料的公司關係網路來產生準確的評等預測。該解決方案示範的方法使用公司連結上的資料，將傳統的表格式信用評分模型 (評等產業已使用數十年) 延伸到網路上的機器學習模型類別。

**注意**  
解決方案筆記本僅供示範用途。不應視為財務或投資建議。

您可以透過 Studio Classic 中的 SageMaker JumpStart 頁面找到這些金融服務解決方案。

**重要**  
自 2023 年 11 月 30 日起，先前的 Amazon SageMaker Studio 體驗現在命名為 Amazon SageMaker Studio Classic。下節專門介紹如何使用 Studio Classic 應用程式。如需使用已更新 Studio 體驗的資訊，請參閱 [Amazon SageMaker Studio](studio-updated.md)。  
Studio Classic 仍會針對現有工作負載進行維護，但無法再用於加入。您只能停止或刪除現有的 Studio Classic 應用程式，而且無法建立新的應用程式。建議您[將工作負載遷移至新的 Studio 體驗](studio-updated-migrate.md)。

**注意**  
SageMaker JumpStart 產業：金融解決方案、模型卡和範例筆記本僅可透過 SageMaker Studio Classic 託管和執行。登入 [SageMaker AI 主控台](https://console.aws.amazon.com/sagemaker)，然後啟動 SageMaker Studio Classic。有關如何找到解決方案卡的詳細資訊，請參閱 [SageMaker JumpStart](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html)。

## Amazon SageMaker JumpStart 產業：金融模型
<a name="studio-jumpstart-industry-models"></a>

SageMaker JumpStart 產業：金融提供下列預先訓練的[穩健最佳化 BERT 方法 (Robustly Optimized BERT approach, RoBERTa)](https://arxiv.org/pdf/1907.11692.pdf) 模型：
+ **金融文字內嵌項目 (RoBERTa-SEC-Base)**
+ **RoBERTa-SEC-WIKI-Base **
+ **RoBERTa-SEC-Large **
+ **RoBERTa-SEC-WIKI-Large **

RoBERTa-SEC-Base 和 RoBERTa-SEC-Large 模型是以 [GluonNLP 的 RoBERTa 模型](https://nlp.gluon.ai/api/model.html#gluonnlp.model.RoBERTaModel) 文字內嵌項目模型，並對 2010 年十年間 ( 2010 年到 2019 年) 的 S＆P 500 SEC 10 K/10-Q 報告進行預先訓練。除了這些，SageMaker AI JumpStart 產業：金融還提供了兩個對 SEC 文件和維基百科的常見文字進行預先訓練的 RoBERTa 變化，RoBERTa-SEC-WIKI-Base 和 RoBERTa-SEC-WIKI-Large。

您可以在 SageMaker JumpStart 中找到這些模型，方法是導覽至**文字模型**節點，選擇**探索所有文字模型**，然後篩選機器學習 (ML) 任務**文字內嵌項目**。選取您選擇的型號後，可存取任何對應的筆記本。配對的筆記本會引導您瞭解如何針對多模態資料集上的特定分類任務微調預先訓練的模型，這些任務由 SageMaker JumpStart 產業 Python SDK 增強功能。

**注意**  
模型筆記僅供示範用途。不應被視為財務或投資建議。

下列螢幕擷取畫面顯示透過 Studio Classic 上的 SageMaker AI JumpStart 頁面提供的預先訓練模型卡。

![\[透過 Studio Classic 上的 SageMaker AI JumpStart 頁面提供的預先訓練模型卡。\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/images/jumpstart/jumpstart-finance-models.png)


**注意**  
SageMaker JumpStart 產業：金融解決方案、模型卡和範例筆記本僅可透過 SageMaker Studio Classic 託管和執行。登入 [SageMaker AI 主控台](https://console.aws.amazon.com/sagemaker)，然後啟動 SageMaker Studio Classic。有關如何查找模型卡的更多資訊，請參閱 [SageMaker 快速啟動](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html)。

## Amazon SageMaker JumpStart 產業：金融範例筆記本
<a name="studio-jumpstart-industry-examples"></a>

SageMaker JumpStart 產業：金融提供下列範例筆記本，以示範專為產業設計的機器學習 (ML) 問題解決方案：
+ **金融 TabText 資料建構** — 此範例介紹如何使用 SageMaker JumpStart 產業 Python SDK 來處理 SEC 檔案，例如根據 NLP 評分類型及其對應字詞清單的文字摘要和評分文字。若要預覽此筆記本內容，請參閱[來自 SEC 文件和 NLP 評分的多模態資料集簡單建構](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/finance/notebook1/SEC_Retrieval_Summarizer_Scoring.html)。
+ **TabText 資料上的多模態 ML** — 此範例說明如何將不同類型的資料集合併到稱為 TabText 的單一資料框中，並執行多模態機器學習 (ML)。若要預覽此筆記本內容，請參閱 [TabText 資料框中的機器學習：以工資保護計畫為基礎的範例](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/finance/notebook2/PPP_TabText_ML.html)。
+ **SEC 檔案資料上的多類別機器學習 (ML)** — 此範例顯示如何透過 SEC 檔案策劃的多模態 (TabText) 資料集，針對多類別分類任務，訓練 AutoGluon NLP 模型。[根據 MDNA 文字欄，將 SEC 10K/Q 檔案分類為產業代碼](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/finance/notebook3/SEC_MNIST_ML.html)。

**注意**  
範例筆記本僅供示範用途。不應被視為財務或投資建議。

**注意**  
SageMaker JumpStart 產業：金融解決方案、模型卡和範例筆記本僅可透過 SageMaker Studio Classic 託管和執行。登入 [SageMaker AI 主控台](https://console.aws.amazon.com/sagemaker)，然後啟動 SageMaker Studio Classic。有關如何找到範例筆記本的更多資訊，請參閱[SageMaker JumpStart](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html)。

若要預覽範例筆記本的內容，請參閱 *SageMaker JumpStart 產業 Python SDK 文件*中的[教學課程 — 金融](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/index.html)。

## Amazon SageMaker JumpStart 產業：金融部落格文章
<a name="studio-jumpstart-industry-blogs"></a>

有關使用 SageMaker JumpStart 產業解決方案、模型、範例和 SDK 的全面應用程式，請參閱以下部落格文章：
+ [在 Amazon SageMaker JumpStart 使用預先訓練的金融語言模型進行轉移學習](https://aws.amazon.com/blogs/machine-learning/use-pre-trained-financial-language-models-for-transfer-learning-in-amazon-sagemaker-jumpstart/)
+ [在 Amazon SageMaker JumpStart 使用多模態機器學習 (ML) 以 SEC 文字進行評等分類](https://aws.amazon.com/blogs/machine-learning/use-sec-text-for-ratings-classification-using-multimodal-ml-in-amazon-sagemaker-jumpstart/)
+ [在 Amazon SageMaker JumpStart 針對 金融 NLP 以 SEC 文字建立儀表板](https://aws.amazon.com/blogs/machine-learning/create-a-dashboard-with-sec-text-for-financial-nlp-in-amazon-sagemaker-jumpstart/)
+ [在 Amazon SageMaker JumpStart 使用圖形機器學習建立企業信用評等分類工具](https://aws.amazon.com/blogs/machine-learning/build-a-corporate-credit-ratings-classifier-using-graph-machine-learning-in-amazon-sagemaker-jumpstart/)
+ [在 Amazon SageMaker JumpStart 中的金融資料基礎模型的網域適應微調](https://aws.amazon.com/blogs/machine-learning/domain-adaptation-fine-tuning-of-foundation-models-in-amazon-sagemaker-jumpstart-on-financial-data/)

## Amazon SageMaker JumpStart 產業：金融相關研究
<a name="studio-jumpstart-industry-research"></a>

如需與 SageMaker JumpStart 產業：金融解決方案相關的研究，請參閱下列論文：
+ [金融中的關聯內容、語言模型和多模態資料](https://www.pm-research.com/content/iijjfds/3/3/52)
+ [用於信用建模的多模態機器學習](https://www.amazon.science/publications/multimodal-machine-learning-for-credit-modeling)
+ [關於缺乏神經文字分類工具的穩健可解釋性](https://www.amazon.science/publications/on-the-lack-of-robust-interpretability-of-neural-text-classifiers)
+ [FinLEX：有效利用字詞內嵌項目來產生金融語彙](https://www.sciencedirect.com/science/article/pii/S2405918821000131)

## Amazon SageMaker JumpStart 產業：金融其他資源
<a name="studio-jumpstart-industry-resources"></a>

如需其他文件和教學課程，請參閱以下資源：
+ [SageMaker JumpStart 產業：金融 Python SDK](https://pypi.org/project/smjsindustry/)
+ [SageMaker JumpStart 產業：財務 Python SDK 教學課程](https://sagemaker-jumpstart-industry-pack.readthedocs.io/en/latest/notebooks/index.html#)
+ [SageMaker JumpStart 產業：金融 GitHub 儲存庫](https://github.com/aws/sagemaker-jumpstart-industry-pack/)
+ [Amazon SageMaker AI 入門 — 機器學習教學課程](https://aws.amazon.com/sagemaker/getting-started/)