发布于: Jul 25, 2023
Amazon SageMaker Canvas 现在支持在 Amazon S3 中为机器学习 (ML) 构件（例如训练后的模型、可解释性报告和预测结果）提供自定义输出位置，使您可以根据自己的具体需求和偏好来组织和构建输出目录。SageMaker Canvas 是一个可视化界面，使业务分析师和公民数据科学家能够自行生成准确的 ML 预测，而无需具备任何 ML 专业知识或编写任何代码。
通过指定自定义输出 Amazon 位置，您可以控制 ML 构件的存储位置。您可以为不同的用户创建单独的目录，也可以遵循企业惯例。当 ML 构件存储在自定义输出位置时，您也可以直接访问和与他人共享。您可以提供对指定位置的直接访问权限，与同事或合作者共享路径，甚至自动执行将构件分发或部署到特定位置或平台的过程。截至目前，SageMaker Canvas 预先创建了一个无法更改的 S3 输出位置。即日起，您可以在设置 SageMaker 域或用户配置文件时指定自己的自定义 S3 位置，从而在管理 ML 实验的输出时获得控制权、结构和效率。
此功能现已在支持 SageMaker Canvas 的所有 AWS 区域推出。要了解更多信息，请参阅 SageMaker Canvas 产品文档。