发布于: Dec 14, 2022
现在，您可以将任何地方内置的机器学习 (ML) 模型引入 Amazon SageMaker Canvas 并生成预测，以解决各种业务问题。SageMaker Canvas 是一个可视化界面，可帮助业务分析师自行生成准确的 ML 预测，而无需任何 ML 经验或编写任何代码。
如今，数百个 ML 模型是在异构环境中使用不同的工具构建和训练的。通常，业务团队可以从数据科学家为解决业务问题而构建的 ML 模型中受益，而不是从头开始。但是，由于严格的技术要求、工具的不灵活性以及导入模型的手动流程，在内置环境之外使用这些模型并不容易。这迫使用户经常重建 ML 模型，从而导致重复工作、花费额外的时间和资源，并限制 ML 的民主化。
Amazon SageMaker Canvas 消除了这些限制以及在环境之间导入模型所需的繁重工作。从今天开始，数据科学家现在可以在 SageMaker Canvas 中与业务分析师在任何地方共享构建的 ML 模型，因此可以直接在 SageMaker Canvas 中对这些模型生成预测。使用表格数据并在任何地方构建的 ML 模型在 Amazon SageMaker Model Registry 中注册后，即可将其导入到 SageMaker Canvas 中。此外，数据科学家可以共享在 Amazon SageMaker Autopilot 和 Amazon SageMaker JumpStart 中训练过的模型，这样业务分析师就可以在 SageMaker Canvas 中对这些模型生成预测。最后，您现在可以使用 SageMaker Studio 与数据科学家共享 SageMaker Canvas 中内置的模型，以进行审查、更新和反馈。然后，数据科学家可以与您分享他们的反馈或更新，这样您就可以在 SageMaker Canvas 中对更新的模型版本进行分析和生成预测。
现在，所有支持 SageMaker Canvas 的 AWS 区域都支持在任何地方构建的导入模型上在 Amazon SageMaker Canvas 中生成预测。要了解更多信息，请参阅 AWS 新闻博客和 SageMaker Canvas 产品文档。