انتقل إلى المحتوى الرئيسي

كتالوج Amazon SageMaker

اكتشاف البيانات والذكاء الاصطناعي وإدارتها والتعاون فيها بأمان

نظرة عامة

يعمل الجيل الجديد من Amazon SageMaker على تسهيل اكتشاف البيانات وإدارتها والتعاون عليها، سواء كانت منظمة أو غير منظمة، بما يشمل النماذج ولوحات معلومات الأعمال والتطبيقات. باستخدام كتالوج Amazon SageMaker، يمكنك للمستخدمين اكتشاف البيانات والنماذج المعتمدة والوصول إليها بأمان باستخدام البحث الدلالي مع البيانات الوصفية التي تم إنشاؤها بواسطة الذكاء الاصطناعي المولّد، أو يمكنك فقط أن تطلب من Amazon Q Developer بلغة طبيعية العثور على بياناتك. يمكن للمستخدمين تحديد سياسات الوصول وفرضها باستمرار باستخدام نموذج إذن واحد مع عناصر تحكم وصول دقيقة مركزيًا في استوديو Amazon SageMaker الموحد. يمكنك مشاركة البيانات وأصول الذكاء الاصطناعي والتعاون فيها بسلاسة من خلال عمليات النشر والاشتراك السهلة. يمكنك بناء الثقة في جميع أنحاء مؤسستك من خلال مراقبة جودة البيانات وتصنيف البيانات وتتبعية البيانات وتعلم الآلة (ML).

شاهد كتالوج Amazon SageMaker أثناء العمل

Missing alt text value

الفوائد

اكتشف بياناتك وأصول الذكاء الاصطناعي على نطاق واسع باستخدام كتالوج SageMaker، المبني على Amazon DataZone. يمكنك تحسين اكتشاف البيانات باستخدام الذكاء الاصطناعي المولّد لإثراء البيانات والبيانات الوصفية تلقائيًا مع سياق الأعمال، مما يسهل على جميع المستخدمين العثور على البيانات وفهمها واستخدامها. يمكنك مشاركة بياناتك ونماذج الذكاء الاصطناعي والمطالبات وأصول الذكاء الاصطناعي المولّد من خلال التصفية حسب أسماء الجداول والأعمدة أو مصطلحات الأعمال. نوصي تلقائيًا بالأعمدة القيمة والتطبيقات التحليلية ذات الصلة لكل مجموعة بيانات، مما يتيح استخدام البيانات الصحيحة لبناء النماذج المناسبة بسرعة. دعم نماذج الحوكمة المركزية واللامركزية من خلال البيانات السلسة ومشاركة الذكاء الاصطناعي من خلال النشر والاشتراك في تدفقات العمل في تجربة واحدة من خلال المشاريع.
يمكنك اكتساب الثقة من خلال الرؤية في الوقت الفعلي لجودة البيانات وتتبعية البيانات وتعلم الآلة في SageMaker. أتمتة توصيف البيانات وتوصيات جودة البيانات ومراقبة قواعد جودة البيانات وتلقي التنبيهات. يمكنك حل تحديات جودة البيانات التي يصعب العثور عليها باستخدام الأساليب القائمة على القواعد وتعلم الآلة للتوفيق بين الكيانات حتى تتمكن من تقديم بيانات عالية الجودة لاتخاذ قرارات تجارية واثقة. عزز الشفافية في مسارات البيانات ومشاريع الذكاء الاصطناعي من خلال مراقبة النماذج المضمنة لاكتشاف التحيز أو الإبلاغ عن كيفية مساهمة الميزات في تنبؤ النموذج.
عزّز أمان البيانات والذكاء الاصطناعي في SageMaker من خلال عناصر تحكم دقيقة بالوصول، وتصنيف البيانات، وآليات حماية لضمان الاستخدام المناسب للبيانات والتحليلات والنماذج. حدد الأذونات مرة واحدة، وقم بفرضها عبر البيانات والنماذج. مع دمج بيئات التطوير المتكاملة Amazon Bedrock أصلاً، يمكن للعملاء الاستفادة من حواجز الحماية Amazon Bedrock في تطبيق الذكاء الاصطناعي المولِّد عن طريق حظر المحتوى الضار وتصفية الهلوسة الناتجة عن النموذج وتمكين الضمانات القابلة للتخصيص للخصوصية والسلامة والدقة. يمكنك تحديد المعلومات الحساسة تلقائيًا داخل المسارات باستخدام Amazon Comprehend.
تلبية متطلبات التدقيق والامتثال التنظيمي فيما يتعلق باستخدام البيانات وتسجيل النماذج ومراقبتها. دعم الاستخدام المقبول لتحليلاتك وأصول الذكاء الاصطناعي عبر مؤسستك من خلال العزلة القائمة على المشروع. فهم استخدام البيانات والنماذج عبر البحيرة لتحسين الأمان. استخدام Amazon SageMaker Clarify لمراقبة النماذج من حيث التحيز والدقة والمتانة، بما يتماشى مع معايير الذكاء الاصطناعي المسؤول لديك. مواءمة التكاليف مع مبادرات الأعمال وتوفير رؤية واضحة لاستثمارات عملك.

الميزات

بيانات منسقة للسياق وإمكانية العثور

يجلب كتالوج SageMaker سياق الأعمال إلى البيانات الوصفية الفنية ويسمح لك بإثرائه بسياق الأعمال. يمكنك جعل البيانات مرئية مع سياق الأعمال لجميع المستخدمين للعثور على البيانات وفهمها والثقة بها بسرعة وسهولة.

توصيات البيانات الوصفية الآلية

أتمتة إضافة أوصاف الأعمال والأسماء إلى البيانات، مما يساعدك على فهم السياق بسهولة وتجنب التعامل مع الأسماء التقنية المشفرة. تعمل هذه الأتمتة بواسطة نماذج اللغة الكبيرة (LLMs) لزيادة الدقة والاتساق.

تحقيق مستوى ثابت من أمان الذكاء الاصطناعي عبر جميع تطبيقاتك

تساعد حواجز حماية في Amazon Bedrock في تقييم مدخلات المستخدم وردود نماذج التأسيس (FMs) استنادًا إلى السياسات الخاصة بحالة الاستخدام وتوفر طبقة إضافية من أساليب الحماية بغض النظر عن نماذج التأسيس (FMs) الأساسي.

تدقيق النماذج وتتبعها بسرعة

تدقيق الأداء واستكشاف الأخطاء وإصلاحها لكل النماذج ونقاط النهاية ووظائف مراقبة النماذج من خلال طريقة عرض موحدة. تتبع الانحرافات من سلوك النموذج المتوقع، بالإضافة إلى وظائف المراقبة غير النشطة أو المفقودة مع التنبيهات المؤتمتة.

جودة البيانات

من خلال إحصاءات جودة البيانات، يمكن لمستهلكي البيانات رؤية مقاييس جودة البيانات من AWS أو أنظمة الجهات الخارجية. يمكن لمستهلكي البيانات الوثوق بمصادر البيانات التي يستخدمونها لاتخاذ القرارات، والحصول على سياق جودة البيانات أثناء بحثهم عن الأصول. يمكن لمنتجي البيانات وفرق تكنولوجيا المعلومات أيضًا استخدام واجهات برمجة التطبيقات (APIs) لدمج إحصاءات جودة البيانات من أنظمة الجهات الخارجية في بوابة موحدة خارج وحدة التحكم.

تتبعية البيانات وتعلم الآلة

فهم حركة البيانات والنماذج بمرور الوقت. يمكن أن تُعزّز تتبعية البيانات الثقة ومستوى الإلمام بالبيانات والذكاء الاصطناعي داخل المؤسسة من خلال مساعدة المستهلكين على فهم مصدر البيانات، وكيف تغيرت، وكيفية استخدامها. يمكنك تقليل الوقت المستغرق في رسم خرائط البيانات وأصول الذكاء الاصطناعي وعلاقاتها واستكشاف الأخطاء وإصلاحها وتطوير المسارات وتأكيد ممارسات إدارة البيانات والذكاء الاصطناعي.

العملاء

Cisco

«تريد اكتشاف بياناتك ومشاركتها والتحكم فيها. سواء كنت تسميها شبكة بيانات أو بنية نسيج بيانات، فإن البيانات موجودة عبر فرق مختلفة في صوامع متعددة، وتحتاج إلى طريقة لتجميعها معًا. يربط كتالوج Amazon SageMaker منتجي البيانات والمستهلكين، مما يمكّن المنتجين من مشاركة البيانات مع عناصر التحكم المضمنة وعقود البيانات مع السماح للمستهلكين بالوصول إلى البيانات باستخدام الأدوات التي يختارونها»

Shaja Arul Selvamani, Sr. Director AI/ML, Cisco

Missing alt text value

Natera, Inc.

«تستفيد مؤسستنا من Amazon DataZone وAmazon SageMaker AI وAmazon Athena وAmazon Redshift لإدارة وتحليل بياناتنا السريرية والجينومية. نحن متحمسون الآن للحصول على الحوكمة الموحدة لكتالوج Amazon SageMaker، والتي ستبسط اكتشاف البيانات والوصول إليها، مما يمكّن فريقنا من تحليل البيانات ذات الصلة بسرعة عبر نطاقنا بالكامل. سيساعدنا هذا التكامل على إنشاء مجموعات بيانات مصممة خصيصًا، مما قد يقلل من وقت رؤيتنا، ويؤدي في النهاية إلى تحسين نتائج المرضى بينما نتقدم بهدفنا المتمثل في جعل الاختبارات الجينية المخصصة جزءًا قياسيًا من الرعاية.»

Mirko Buholzer, VP of Software Engineering, Natera, Inc.

Missing alt text value

NatWest

«يقوم فريق هندسة منصات البيانات لدينا بنشر العديد من أدوات المستخدم النهائي لهندسة البيانات ومهام تعلم الآلة (ML) وSQL والذكاء الاصطناعي المُولِّد. وبينما نتطلع إلى تبسيط العمليات في جميع أنحاء البنك، فإننا نبحث في تبسيط مصادقة المستخدم وترخيص الوصول إلى البيانات. يوفر Amazon SageMaker تجربة مستخدم جاهزة لمساعدتنا على نشر بيئة واحدة عبر المؤسسة، مما يقلل الوقت المطلوب لمستخدمي البيانات لدينا للوصول إلى أدوات جديدة بنسبة 50% تقريبًا.»

Zachery Anderson, CDAO, NatWest Group

Missing alt text value