SageMaker內建許多機器學習演算法。開始介紹之前，我們先新增一些SageMaker資料處理的背景知識：

1. SageMaker提供不同讀取檔案的方式，File Mode與Pipe Mode。

• File Mode：直接將資料下載到SageMaker Container上。File Mode適用情境有：
  • 內存不足以跑動Pipe Mode的時候(Pipe Mode Streaming需要用到內存)
  • 資料沒有存放在S3上的時候
  • 需要即時生成檔案的時候
• Pipe Mode：從S3讀取資料到SageMaker Container。因為是採用Streaming方式，相對於File Mode，資料讀取的初始化時間比較快，也有比較大的throughput。

2. RecordIO:一種高效儲存資料的格式。常用於深度學習的模型訓練的資料格式上。

1. Linear Learner

應用場景

針對regression與classification預測的應用場景。

資料輸入的檔案格式

• Float32的RecordIO
• CSV檔案格式(第一欄是label名稱)

演算法超參數的設定

• Class Weights: 針對各類別的資料平衡問題，可採用權重去調整模型訓練過程的重點類別
• Regularization：採用L1與L2來避免Overfitting的問題
• Loss Function
• Learning Rate與Batch Size

2. XGBoost

應用場景

針對regression與classification預測的應用場景。

資料輸入的檔案格式

• RecordIO
• CSV
• libsvm Format
• Parquet

演算法超參數的設定

• Max Depth:決定模型的複雜度，數值越大，越有可能發生Overfitting的問題
• Scale Pos Weight:可針對資料不平衡的問題來調整類別的權重
• Eval Metric:可以定義我們最在意的模型驗證指標，例如AUC

3. Seq2Seq

應用場景

針對input與output皆是序列的應用場景。例如，中英文字的翻譯、語音轉文字。

資料輸入的檔案格式

• RecordIO

演算法超參數的設定

• Batch Size與Learning Rate
• Optimizer
• Encoder與Decoder的layer數量
• Eval Metrics: BLEU、Perplexity、Accuracy

4. DeepAR

應用場景

針對一維時間序列資料的預測。

資料輸入的檔案格式

• Gzip或Parquet

演算法超參數的設定

• Learning Rate與Batch Size
• Context Length:時間序列資料的長度
• Epochs：模型訓練的次數

5. BlazingText

應用場景

• 針對輸入文字的類別預測。例如判斷某一篇文章是正面或負面情緒。
• 取得文字的向量，可用來做相似性的比對或其他模型的訓練。

資料輸入的檔案格式

• text檔案

演算法超參數的設定

• 文字類別的預測
  • Learning Rate
  • Vector長度
  • Ngram設置
  • Epochs：模型訓練次數
• 文字向量的取得
  • 模型架構的選用
  • Learning Rate
  • Window Size
  • 輸出的Vector長度

6. Object2V

應用場景

把圖像物件轉換成向量。

資料輸入的檔案格式

• JSON

演算法超參數的設定

• 模型架構選擇
• Learning Rate、Batch Size、Epochs等其他深度學習模型的超參數。

7. Obejct Detection

應用場景

影像的物件偵測。例如匡選出一張影像內的人臉。

資料輸入的檔案格式

• RecordIO
• JPG或PNG影像

演算法超參數的設定

• Learning Rate與Batch Size
• Optimizer

8. Image Classification

應用場景

針對影像的類別去預測。

資料輸入的檔案格式

• 影像圖檔

演算法超參數的設定

• 深度學習超參數

9. Semantic Segmentation

應用場景

Pixel層級的物件偵測。能針對物件的輪廓去做出識別。

資料輸入的檔案格式

• 影像圖檔

演算法超參數的設定

• 演算法的選用
• 深度學習的超參數

ChatGPT出題時間：

問題1：哪個SageMaker模型特別適合用於時間序列預測，例如股票價格預測或天氣預報？

A) Linear Learner
B) XGBoost
C) Seq2Seq
D) DeepAR
E) BlazingText

答案：D) DeepAR

解釋： DeepAR模型專門設計用於處理時間序列預測問題，它具有遞歸神經網絡（RNN）架構，能夠捕捉時間序列中的複雜模式和趨勢。

問題2：哪個SageMaker模型特別適合用於自然語言處理（NLP）任務，例如文本分類或詞嵌入訓練？

A) Linear Learner
B) XGBoost
C) Seq2Seq
D) DeepAR
E) BlazingText

答案：E) BlazingText

解釋： BlazingText是SageMaker中的NLP模型，支援文本分類、詞嵌入等任務。它基於fastText實現，能夠高效處理文本數據。

問題3：哪個SageMaker模型特別適合用於構建序列到序列（seq2seq）模型，例如機器翻譯或對話生成？

A) Linear Learner
B) XGBoost
C) Seq2Seq
D) DeepAR
E) BlazingText

答案：C) Seq2Seq

解釋： Seq2Seq是SageMaker中的序列到序列模型，專門用於處理序列生成任務，如機器翻譯或對話生成。

問題4：哪個SageMaker模型是一個集成學習（Ensemble Learning）模型，通常用於提高預測性能？

A) Linear Learner
B) XGBoost
C) Seq2Seq
D) DeepAR
E) BlazingText

答案：B) XGBoost

解釋： XGBoost是一個集成學習模型，用於回歸和分類任務，它通常能夠提供優秀的預測性能，特別適合處理結構化數據。

以下是針對Amazon SageMaker中不同模型（Object2V、Object Detection、Image Classification、Semantic Segmentation）的五個選擇題，每個問題都附有答案和解釋：

問題5：哪個SageMaker模型特別適合用於圖像分類，即將圖像分為不同的類別或標籤？

A) Object2V
B) Object Detection
C) Image Classification
D) Semantic Segmentation

答案：C) Image Classification

解釋： Image Classification模型專門用於圖像分類，它可以識別圖像中的對象或場景，並將其分為不同的類別或標籤。

問題6：哪個SageMaker模型特別適合用於檢測圖像中的對象，並標示出對象的位置（通常使用邊界框）？

A) Object2V
B) Object Detection
C) Image Classification
D) Semantic Segmentation

答案：B) Object Detection

解釋： Object Detection模型用於檢測圖像中的對象，並標示出對象的位置，通常使用邊界框來表示對象的位置。

問題7：哪個SageMaker模型特別適合用於將圖像中的每個像素分類為不同的類別，通常用於圖像分割任務？

A) Object2V
B) Object Detection
C) Image Classification
D) Semantic Segmentation

答案：D) Semantic Segmentation

解釋： Semantic Segmentation模型用於將圖像中的每個像素分類為不同的類別，通常用於圖像分割任務，其中每個像素都有其對應的類別標籤。

問題8：哪個SageMaker模型特別適合用於從非結構化文本數據中提取特徵向量，以用於文本相似性分析或檢索任務？

A) Object2V
B) Object Detection
C) Image Classification
D) Semantic Segmentation

答案：A) Object2V

解釋： Object2V模型用於將非結構化文本數據轉換為特徵向量，通常用於文本相似性分析、檢索或其他NLP任務。