Indicando a Aplicação dos Modelos de Base do SageMaker Canvas

Explorando o SageMaker Canvas com Lógica de Programação - 3/3

Descrição

O SageMaker Canvas oferece uma variedade de modelos de base prontos para uso, que incluem o Claude 2, Amazon Titan e Jurassic-2, todos construídos sobre a tecnologia Amazon Bedrock. Além disso, modelos como Falcon e MPT estão disponíveis através da SageMaker JumpStart. Esses modelos são projetados para facilitar a implementação de soluções de Machine Learning (ML) sem a necessidade de codificação profunda, permitindo que analistas de negócios e cientistas de dados colaborem de maneira eficaz. Perante o exposto, complete o código deste desafio, associando os modelos de base do SageMaker Canvas com suas respectivas aplicações.

Entrada

A entrada consiste no nome do modelo de base do SageMaker Canvas para o qual você deve retornar a aplicação. Neste contexto, os seguintes modelos são considerados válidos para este desafio de código:

• "Claude 2"
• "Amazon Titan"
• "Jurassic-2"
• "Falcon"
• "MPT"

Saída

A saída esperada é a aplicação associada ao modelo fornecido como entrada. Seguem as saídas possíveis, listadas aleatoriamente, para que você possa analisar e associar corretamente:

• "Processamento de linguagem natural e geração de texto"
• "Análises de dados complexos"
• "Análises preditivas em tempo real"
• "Aprendizado de transferência para diferentes domínios de dados"
• "Tarefas de classificação e regressão"

Exemplos

A tabela abaixo apresenta exemplos com alguns dados de entrada e suas respectivas saídas esperadas. Certifique-se de testar seu programa com esses exemplos e com outros casos possíveis.

Resolução

entrada = input()
 
def aplicar_modelos(modelo):
	if modelo == "Jurassic-2":
		return "Processamento de linguagem natural e geração de texto"
 
	elif modelo == "Amazon Titan":
		return "Análises de dados complexos"
 
	elif modelo == "Claude 2":
		return "Análises preditivas em tempo real"
 
	elif modelo == "Falcon":
		return "Tarefas de classificação e regressão"
 
	elif modelo == "MPT":
		return "Aprendizado de transferência para diferentes domínios de dados"   
 
print(aplicar_modelos(entrada))

Para encontrar outras soluções, verifique aqui.

Caso encontre algum erro ou tenha sugestões, clique aqui e abra uma issue no Github.