Veröffentlicht am: Jun 8, 2021
Amazon SageMaker Data Wrangler reduziert den Zeitaufwand für die Zusammenführung und Vorbereitung von Daten für maschinelles Lernen (ML) von Wochen auf Minuten. Mit SageMaker Data Wrangler können Sie den Prozess der Datenaufbereitung und des Merkmal-Engineerings vereinfachen, und jeden Schritt des Datenaufbereitungs-Arbeitsprozess, einschließlich der Datenauswahl, -bereinigung, -erkundung und -visualisierung, über eine einzige visuelle Oberfläche abschließen. Ab heute können Sie Snowflake als eine Datenquelle in Amazon SageMaker Data Wrangler verwenden, um Daten in Snowflake einfach für das maschinelle Lernen zu verwenden.
Mit Snowflake als Datenquelle für Amazon SageMaker Data Wrangler, kann man sich jetzt schnell und einfach mit Snowflake verbinden, ohne eine einzige Zeile Code schreiben zu müssen. Zusätzlich können Sie nun Ihre Daten in Snowflake mit gespeicherten Daten in Amazon S3 verbinden und mit Daten, die mit Amazon Athena und Amazon Redshift abgefragt wurden, um die Daten für das maschinelle Lernen vorzubreiten. Sobald sie verbunden sind, können Sie interaktiv Daten, die in Snowflake gespeichert sind, abfragen, Daten mit mehr als 300 vorkonfigurierten Datentransformationen transformieren, Daten verstehen und potentielle Fehler und extreme Werte mit einem Satz robusten vorkonfigurierten Visualisierungsvorlagen identifizieren. Sie können außerdem schnell Inkonsistenzen in Ihrem Datenvorbereitungs-Workflow identifizieren und Probleme diagnostizieren, bevor Modelle in der Produktion bereitgestellt werden. Schließlich können Sie Ihren Datenvorbereitungs-Workflow nach Amazon S3 exportieren, um ihn mit anderen SageMaker-Funktionen, wie Amazon SageMaker Autopilot, Amazon SageMaker Feature Store und Amazon SageMaker Pipelines zu verwenden.
Um mehr über die Snowflake-Integration mit Amazon SageMaker Data Wrangler zu erfahren, schauen Sie im Blog nach. Um mit Amazon SageMaker Data Wrangler zu beginnen, besuchen Sie unsereDokumentation und die Webseite.