通过
AWS Free Tier，前 2 个月每月免费使用 750 小时
使用可视化点击界面为分类、回归、预测、自然语言处理 (NLP) 和计算机视觉 (CV) 生成准确的 ML 预测。
访问即用型模型或自动构建 ML 模型以运行假设分析，只需单击几下即可生成单个或批量预测。
通过跨工具共享、审查和更新 ML 模型，促进业务分析师和数据科学家之间的协作。
从任何地方导入 ML 模型并直接在 Amazon SageMaker Canvas 中生成预测。
Amazon SageMaker Canvas 通过为业务分析师提供直观界面来扩展对机器学习 (ML) 的访问，使他们能够自行生成准确的 ML 预测，而无需任何 ML 经验或编写任何代码。
工作原理
借助 Amazon SageMaker Canvas，您可以在几分钟内访问即用型模型或创建自定义模型，从成千上万的文档、图像和文本行中提取信息并生成预测。要开始使用即用型模型，您只需选择一个此类模型，例如情绪分析、图像中的物体检测或文档分析。然后，您可以上传数据，只需单击一下即可生成预测。您还可以为分类、回归、预测、文本分类或图像分类构建自己的自定义模型。要开始使用自定义模型，您可以导入来自不同来源的数据，选择要预测的值，自动准备和浏览数据，以及通过单击几下来创建 ML 模型。此外，您还可以与数据科学家合作。可以使用 SageMaker Studio 与数据科学家共享在 SageMaker Canvas 中构建的模型，以进行审查和更新，让您可以在 SageMaker Canvas 中分析更新的模型并生成预测。数据科学家也可以共享在任何地方构建的 ML 模型，让您无需编写任何代码即可在 SageMaker Canvas 中对这些模型生成预测。
使用案例
检测自由格式文本中的情绪
检测产品评论、客户支持票证或文档文本行中的情绪，例如正面、负面、中性或混合情绪。
提取文档中的信息
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。
识别图像中的物体和文本
自动识别图像中的物体、概念、场景和文本行。
客户流失预测
使用产品消费和购买历史数据来揭示客户流失模式并预测未来有流失风险的客户。
优化价格和收益
使用历史需求、定价和季节性趋势预测商品和服务的价格，为客户提供最优惠的价格，同时最大限度地提高收益。
提高准时交货率
使用订单、履行、运输和假期数据预测交付时间，以优化供应链并更高效地交付货物。
有效地计划库存
将历史销量及需求数据与相关 Web 流量、定价、产品类别、天气和假期数据相结合，预测库存水平。
图像分类
根据特定于您业务的自定义类别对图像进行分类，例如识别装配线上的缺陷产品、对产品进行分类以进行库存管理，或进行车辆损坏评测以加快保险索赔的处理。
文本分类
根据特定于您业务的自定义类别对文本行进行分类，例如社交媒体反馈、客户支持票证或产品评论。
客户成功案例
三星电子总部位于韩国，是一家全球性公司，为世界各地的人们提供手机、计算机和智能设备等技术。该公司的三星设备解决方案部门专注于电子设备的内部运作，以最大程度地提高性能、可靠性和使用寿命。
“Amazon SageMaker Canvas 简单易用，而且界面对用户十分友好。即使是像我这样的业务分析师也可以使用机器学习来分析数据并获得见解。”
Dooyong Lee，三星电子营销情报经理
Clarium 是一个医疗保健供应链平台，它使用机器学习和数据工具，通过优化库存水平、降低成本和提高运营效率来增强医疗保健提供商的能力。
“我们的客户经常由于自身数据质量不佳和难以整合而受阻，这是美国各地的医院中普遍面临的挑战之一。此外，由于数十年来一直缺乏一致性的质量保证实践，以及碎片化的数据处理方式，导致现在需要花费大量的时间和精力进行数据清洗、验证和整合工作。为帮助他们应对这一挑战，我们的分析团队使用 Amazon SageMaker Canvas 对来自美国医疗保健提供商的海量来源的数据进行推导、清理和标准化，使他们能够轻松构建自定义文本分类模型，所有这些都无需编写任何代码。借助 SageMaker Canvas，我们为客户提供经过验证和标准化的 ERP 数据产品描述和分类、经过验证的程序利用数据临床分类，以及旨在优化患者护理质量的数据驱动建议，同时降低成本并节省时间。通过为客户提供值得信赖的数据和尖端的分析，我们使他们能够展望未来，为医疗保健行业建设更光明的未来，而不是不断追赶当前的趋势。”
Justin Jacobson，Clarium Health 分析主管
西门子能源正在为社会注入活力。他们正在环境、社会和治理（ESG）等关键重点领域进行转型，他们的创新正在为他们的合作伙伴和员工创造不同于今天的未来。
“西门子能源的数据科学战略的核心是让所有商业用户无需数据科学专家就可以试验不同的数据来源和机器学习框架，从而将机器学习的力量带给他们。这使我们能够提高能源解决方案（例如调度优化器和诊断服务）的创新和数字化速度。我们发现 Amazon SageMaker Canvas 是 Siemens Energy 机器学习工具包的绝佳补充，因为它允许商业用户执行实验，同时与数据科学团队共享和协作。协作十分重要，因为它可以帮助我们将更多的机器学习模型生产化，并确保所有模型都符合我们的质量标准和政策。”
Davood Naderi，西门子能源工业应用数据科学团队负责人
INVISTA 自 2004 年起成为 Koch Industries 的附属公司，该公司在市场上推出了可用于尼龙 6,6 的专利成分和一些知名品牌（包括 CORDURA 和 ANTRON）。
“我们的业务分析师精通数据，我们需要能够让他们创建预测模型。然而，确保我们的数据科学团队了解所构建的模型也同样重要，这使他们能够根据需要提供支持和进行生产。我们预计 Amazon SageMaker Canvas 将使我们的商业用户和流程工程师能够开始处理以前由数据科学团队负责的数据科学问题。Amazon SageMaker Canvas 直观的用户界面和易于导航的选项让商业用户可以导入各种数据，从而最大限度地减少手动清理数据的需要，并且还可以应用各种算法，只需点击几下就能找到最适合数据的模型。可以通过 Amazon SageMaker Studio 轻松将代码和数据发送给数据科学团队，使他们能够将模型集成到他们的模型管理系统中，并了解整个企业范围内的模型情况。”
Caleb Wilkinson，INVISTA 首席数据科学家
宝马集团总部位于德国慕尼黑，是一家全球高端汽车和摩托车制造商，旗下品牌包括 BMW、BMW Motorrad、MINI 和劳斯莱斯。该公司也提供优质的金融和移动服务。
“使用人工智能作为关键技术是宝马集团数字化转型过程中不可或缺的一部分。该公司已经在整个价值链中采用 AI，使其能够为客户、产品、员工和流程创造附加价值。在过去的几年里，我们已经将许多业务价值影响力靠前的宝马集团用例工业化。我们相信 Amazon SageMaker Canvas 可以推动我们的 AI/ML 扩展到整个宝马集团。借助 SageMaker Canvas，我们的商业用户无需编写任何代码即可轻松探索和构建 ML 模型以做出准确的预测。SageMaker 还允许我们的中央数据科学团队进行协作，并在将商业用户创建的模型发布到生产之前对其进行评估。”