Veröffentlicht am: Oct 18, 2022
Amazon SageMaker Canvas gibt Quick-Build-Unterstützung für Zeitreihen-Vorhersagemodelle bekannt, was das Prototyping und Experimentieren beschleunigt, damit das beste ML (Machine Learning)-Modell ausgewählt werden kann. SageMaker Canvas ist eine visuelle Point-and-Click-Benutzeroberfläche, mit der Geschäftsanalysten selbst genaue ML (Machine Learning)-Prognosen erstellen können – ohne Erfahrung mit Machine Learning zu haben oder eine einzige Zeile Code schreiben zu müssen.
Mit SageMaker Canvas können Sie ML-Modelle über zwei verschiedene Methoden trainieren: 1/ Quick-Build, das in unter 20 Minuten ein trainiertes Modell erstellt, wobei der Schwerpunkt auf Tempo und nicht auf Genauigkeit liegt, und 2/ Standard-Build, das in unter 4 Stunden ein trainiertes Modell erstellt, wobei der Schwerpunkt auf Genauigkeit und nicht auf Latenz liegt und ein vollständiger ML-Zyklus durchlaufen wird, einschließlich Vorverarbeitung, Feature Engineering und Erkunden des Hyperparameterbereichs, um das beste Modell auszuwählen. Zuvor unterstützten ML-Modelle für Zeitreihen-Vorhersageanwendungsfälle in Canvas nur Standard-Build-Modelle. Ab heute können Sie mit Quick-Build-Modellen auch in kurzer Zeit experimentieren, Vorhersagen generieren und Hypothesen schneller validieren, um Zeitreihen-Vorhersagedaten zu erstellen.
Quick- und Standard-Build-Methoden werden aktuell für alle von Amazon SageMaker Canvas unterstützten Anwendungsfälle und in allen AWS-Regionen, in denen SageMaker Canvas verfügbar ist, unterstützt. Weitere Informationen und erste Schritte finden Sie im Launch-Blogpost und in der Dokumentation zu Amazon SageMaker Canvas.