Amazon SageMaker Canvas
使用直观的界面构建极其准确的机器学习模型,无需编写任何代码
什么是 SageMaker Canvas?
Amazon SageMaker Canvas 让您可以转换 PB 级数据,且无需编码即可构建、评估和部署生产就绪型机器学习(ML)模型。在统一、安全的企业环境中,它可以简化端到端机器学习生命周期。随着 SageMaker Canvas 中现已推出 Amazon Q 开发者版,您可以通过对话式聊天功能,在整个机器学习之旅(从数据准备到模型部署)中获得指导
SageMaker Canvas 可促进团队之间的协作,为生成的代码提供透明度,并通过模型版本控制和访问控制来确保治理。借助 SageMaker Canvas,您可以让所有技能水平的人员都参与到机器学习的开发中,无论其编码专业知识如何,都可以加速创新并更快地解决业务问题。
SageMaker Canvas 的优势
PB 级的完整机器学习生命周期
从数据准备到构建、评估和部署 PB 级模型,访问整个生命周期内的端到端机器学习功能。
无代码 AutoML 界面
Canvas 使用多种算法训练多个模型,以生成高精度的自定义机器学习模型,所有这些都通过无代码体验实现。
治理和机器学习操作
支持与其他 AWS 服务(包括用于治理和机器学习操作的 SageMaker 模型注册表和 Amazon DataZone)进行模型共享和集成。
协作
通过代码级别的透明度促进与专家的协作。
利用 Amazon Q 开发者版获得由生成式人工智能提供支持的帮助
使用自然语言聊天来描述您的目标。Amazon Q 开发者版可指导您完成从数据准备到模型构建的机器学习过程,同时解决有关数据和模型的查询。
在整个机器学习生命周期中构建
1

以可视化方式准备 PB 级数据
- 访问和导入来自 50 多个来源的数据,这些来源包括 Amazon S3、Athena、Redshift、Snowflake 和 Databricks 等等
- 通过 300 多种预构建的分析和转换来提高数据质量和模型性能
- 使用直观的低代码/无代码界面,以可视化方式构建和优化您的数据管道
- 只需单击几下鼠标,即可扩展到 PB 级数据
2

使用 Amazon Q 开发者版进行聊天指导的机器学习开发
- 使用自然语言描述您的业务问题,通过聊天界面让 Amazon Q 开发者版在整个机器学习过程中指导您找到解决方案
- Q 开发者版将问题分解为可操作的机器学习任务,并协助进行数据准备、模型构建、评估和部署
- 在机器学习术语以及您的数据和模型方面提出问题并获得答案
- Q 开发者版应用高级数据准备和模型构建技术,同时允许在完全掌控之下独立执行任务
3

跨多种问题类型来训练和评估模型
- 利用 AutoML 的强大功能,针对您的特定使用案例自动探索和优化模型
- 只需单击几下鼠标,即可训练模型以进行回归、分类、时间序列预测、自然语言处理、计算机视觉以及对基础模型进行微调
- 使用灵活的目标指标、数据拆分和模型控制(例如算法选择和超参数)选项来定制模型训练
- 通过交互式可视化和模型解释来深入了解模型性能
- 从模型排行榜中选择表现最佳的模型,然后导出所生成的代码以供进一步自定义
4

大规模生成准确的预测 – 批量或实时
- 直接在应用程序内执行交互式预测和假设分析
- 只需单击一下鼠标,即可将模型部署到 SageMaker 端点以进行实时推理,或者临时或按自动计划执行批量预测
- 通过在 SageMaker 模型注册表中注册模型,确保治理和版本控制
- 与 Amazon SageMaker Studio 无缝共享模型,实现高级自定义和协作
- 使用 Amazon QuickSight 将预测结果可视化并与利益相关方分享,以便增强决策能力
协作并确保治理
1

促进跨团队协作和知识共享
- 使用 SageMaker Studio 轻松共享模型,以便与数据科学家和专家协作
- 使用数据科学家在 Canvas 工作空间内构建的模型来生成预测
- 借助自动生成的笔记本来提高代码透明度,从而增强信任
- 通过 Amazon QuickSight 控制面板与利益相关方共享模型、预测和洞察
- 维护版本控制和模型沿袭跟踪,确保团队间的可再现性和可追溯性
2

确保治理和 MLOps 最佳实践
- 实施精细的用户级权限和访问控制,以实现安全的模型管理
- 通过单点登录(SSO)功能实现无缝身份验证
- 通过在 SageMaker 模型注册表中注册模型来遵循模型治理和版本控制
- 导出模型笔记本以进行进一步的自定义和集成,从而简化 MLOps 管道
- 通过自动关闭功能来优化成本和资源利用
使用基础模型进行构建
- 轻松比较并选择最适合您任务的基础模型
- 只需单击几下鼠标,即可使用所标注的训练数据集,针对业务使用案例来微调基础模型

利用您的生成式人工智能
- 查询您存储在 Amazon Kendra 中的自有文档和知识库,以便生成量身定制的输出
- 通过交互式可视化、模型解释和排行榜,深入了解模型性能
- 将最合适的基础模型产品化,并部署到实时 SageMaker 端点

使用案例
预测客户意图
使用产品消费和购买历史数据来了解销售倾向并发现客户流失模式。
高效地规划库存
将历史销量及需求数据与相关 Web 流量、定价、产品类别和假期数据相结合,预测库存水平。
预测设备维护
通过分析传感器数据和维护日志来预测制造设备的故障,避免停机时间。
生成营销文案和产品描述
创建个性化、引人入胜的高质量销售和营销内容,例如社交媒体帖子、产品描述和电子邮件营销活动。
通过查询公司手册、目录和知识库来提高工作效率
分析和提取各种文档(例如保险索赔、发票、费用报告或身份证件)中的信息。
找到今天要查找的内容了吗?
请提供您的意见,以便我们改进网页内容的质量。