Amazon Neptune ML

Prediksi grafik yang mudah, cepat, dan akurat

Ikhtisar

Amazon Neptune ML adalah kemampuan baru Neptune yang menggunakan jaringan neural grafik (GNN), teknik machine learning (ML) yang dibangun khusus untuk grafik, guna membuat prediksi yang mudah, cepat, dan lebih akurat menggunakan data grafik. Dengan Neptune ML, Anda dapat meningkatkan akurasi sebagian besar prediksi untuk grafik sebesar lebih dari 50% jika dibandingkan dengan membuat prediksi menggunakan metode nongrafik.

Membuat prediksi yang akurat pada grafik dengan miliaran hubungan dapat menjadi hal yang sulit dan memakan waktu. Pendekatan ML yang sudah ada seperti XGBoost tidak dapat beroperasi secara efektif pada grafik karena didesain untuk data tabular. Akibatnya, menggunakan metode ini pada grafik dapat memakan banyak waktu, memerlukan keterampilan khusus dari developer, dan menghasilkan prediksi yang tidak optimal.

Deep Graph Library (DGL), sebuah pustaka sumber terbuka yang didukung oleh AWS, memudahkan penerapan deep learning pada data grafik. Neptune ML mengotomatisasi pekerjaan berat dalam memilih dan melatih model ML terbaik untuk data grafik serta memungkinkan pengguna menjalankan ML pada grafik mereka secara langsung dengan menggunakan API dan kueri Neptune. Sehingga, kini Anda dapat membuat, melatih, dan menerapkan ML pada data Neptune dalam hitungan jam, bukan minggu, tanpa harus mempelajari alat dan teknologi ML baru.

ML dan AI generatif

Neptune ML membuat, melatih, dan menerapkan model ML secara otomatis pada data grafik Anda. Layanan ini menggunakan DGL untuk memilih dan melatih model ML terbaik secara otomatis untuk beban kerja, agar Anda dapat membuat prediksi berbasis ML pada data grafik dalam hitungan jam alih-alih minggu.

Neptune ML menggunakan GNN, sebuah teknik ML canggih yang diterapkan pada data grafik yang dapat menjelaskan lebih dari miliaran hubungan dalam grafik, sehingga Anda dapat membuat prediksi yang lebih akurat.

*Neptune ML menggunakan GNN untuk membuat prediksi yang 50% lebih akurat daripada ML nongrafik, berdasarkan penelitian yang diterbitkan dari Stanford University.

LangChain adalah kerangka kerja Python sumber terbuka yang dirancang untuk menyederhanakan pembuatan aplikasi dengan menggunakan model bahasa besar (LLM). Integrasi Neptune dengan LangChain memungkinkan developer untuk menggunakan kerangka kerja sumber terbuka LangChain untuk menyederhanakan pembuatan aplikasi yang sadar konteks.

Dengan Neptune dan LangChain, Anda dapat menghasilkan respons berdasarkan konteks yang disediakan serta mengueri basis data grafik Neptune menggunakan bahasa kueri openCypher. Misalnya, Anda dapat menggunakan Neptune openCypher QA Chain untuk menerjemahkan pertanyaan bahasa Inggris ke dalam kueri openCypher dan menghasilkan respons yang dapat dibaca manusia. Rantai ini dapat digunakan untuk menjawab pertanyaan seperti “Berapa banyak rute keluar yang dimiliki bandara Austin?”

Untuk detail selengkapnya tentang Neptune openCypher QA Chain, kunjungi dokumentasi LangChain sumber terbuka.

LlamaIndex adalah kerangka data sumber terbuka untuk menghubungkan sumber data khusus ke model bahasa besar (LLM) dan mendukung penggunaan grafik pengetahuan dengan LLM.

Dengan LlamaIndex, Anda dapat menggunakan Neptune sebagai penyimpanan grafik atau penyimpanan vektor untuk membangun aplikasi AI generatif dengan menggunakan teknik seperti GraphRAG.

Kasus penggunaan

Perusahaan kehilangan jutaan (bahkan miliaran) dolar karena kecurangan dan ingin mendeteksi pengguna, akun, perangkat, alamat IP, atau kartu kredit yang melakukan kecurangan untuk meminimalkan kerugian. Anda dapat menggunakan representasi berbasis grafik untuk mengambil interaksi entitas (pengguna, perangkat, atau kartu) dan mendeteksi agregasi seperti saat pengguna memulai beberapa transaksi kecil atau menggunakan akun berbeda yang berpotensi kecurangan.

Pelajari selengkapnya

Grafik identitas menyediakan satu tampilan terpadu tentang pelanggan dan prospek berdasarkan interaksi mereka dengan produk atau situs web di seluruh rangkaian perangkat dan pengidentifikasi. Organisasi menggunakan grafik identitas untuk personalisasi waktu nyata dan penargetan iklan bagi jutaan pengguna. Neptune ML secara otomatis merekomendasikan langkah berikutnya atau diskon produk kepada pelanggan tertentu berdasarkan karakteristik seperti riwayat pencarian sebelumnya di seluruh perangkat atau lokasi mereka di corong akuisisi.

Pelajari selengkapnya

Grafik pengetahuan mengonsolidasikan dan mengintegrasikan aset informasi organisasi serta membuatnya lebih mudah diakses oleh semua anggota organisasi. Neptune ML dapat menyimpulkan tautan yang hilang di seluruh sumber data dan mengidentifikasi entitas serupa untuk memungkinkan penemuan pengetahuan yang lebih baik bagi semua.

Pelajari selengkapnya

Rekomendasi tradisional menggunakan layanan analitik secara manual untuk membuat rekomendasi produk. Neptune ML dapat mengidentifikasi hubungan baru secara langsung pada data grafik dan dengan mudah merekomendasikan daftar game yang mungkin menarik untuk dibeli, pemain lain untuk diikuti, atau produk untuk dibeli.

Harga

Tidak diperlukan investasi di muka. Anda hanya membayar sumber daya AWS yang digunakan, seperti Amazon SageMaker, Neptune, dan Amazon Simple Storage Service (Amazon S3).

Memulai

Cara termudah untuk memulai Neptune ML adalah menggunakan templat mulai cepat AWS CloudFormation bawaan. Anda juga dapat menjelajahi notebook Neptune ML untuk melihat contoh end-to-end klasifikasi simpul, regresi simpul, dan prediksi tautan menggunakan tumpukan CloudFormation yang siap pakai.

Buat tumpukan Neptune ML