Veröffentlicht am: Dec 14, 2022
Sie können jetzt in beliebigen Umgebungen erstellte ML-Modelle in Amazon SageMaker Canvas integrieren und Prognosen erstellen, um eine Vielzahl von Geschäftsproblemen zu lösen. Amazon SageMaker Canvas ist eine visuelle Point-and-Click-Benutzeroberfläche, mit der Geschäftsanalysten eigenständig genaue ML-Prognosen erstellen können – ohne Erfahrung mit Machine Learning zu haben oder Code schreiben zu müssen.
Heutzutage werden Hunderte von ML-Modellen mit verschiedenen Tools und in heterogenen Umgebungen erstellt und trainiert. Teams in Unternehmen könnten häufig von ML-Modellen profitieren, die bereits von Datenwissenschaftlern zur Lösung von Geschäftsproblemen entwickelt wurden, anstatt ganz von vorne anzufangen. Aufgrund der strengen technischen Anforderungen, der rigiden Tools und der manuellen Prozesse zum Importieren von Modellen ist es jedoch nicht einfach, diese Modelle außerhalb der Umgebungen zu verwenden, in denen sie erstellt wurden. Dies zwingt Benutzer häufig dazu, ML-Modelle neu zu erstellen, was zu doppelter Arbeit, zusätzlichem Zeit- und Ressourcenaufwand und einer Einschränkung der Demokratisierung von ML führt.
Amazon SageMaker Canvas beseitigt diese Einschränkungen und die aufwändige Arbeit, die für den Import von Modellen zwischen Umgebungen erforderlich ist. Ab heute können Datenwissenschaftler ML-Modelle, die in beliebigen Umgebungen erstellt wurden, in SageMaker Canvas mit Geschäftsanalysten teilen, sodass Vorhersagen anhand dieser Modelle direkt in SageMaker Canvas generiert werden können. ML-Modelle, die tabellarische Daten verwenden und in einer beliebigen Umgebung erstellt wurden, können in SageMaker Canvas importiert werden, sobald sie in der Amazon SageMaker Model Registry registriert sind. Darüber hinaus können Datenwissenschaftler in Amazon SageMaker Autopilot und Amazon SageMaker JumpStart trainierte Modelle mit anderen teilen, sodass Geschäftsanalysten Vorhersagen anhand dieser Modelle in SageMaker Canvas erstellen können. Außerdem können Sie jetzt in SageMaker Canvas erstellte Modelle mit Datenwissenschaftlern teilen, die SageMaker Studio verwenden, um sie zu überprüfen, zu aktualisieren und Feedback zu geben. Datenwissenschaftler können dann ihr Feedback oder ihre Aktualisierungen mit Ihnen teilen, sodass Sie in SageMaker Canvas Analysen und Prognosen anhand aktualisierter Modellversionen erstellen können.
Die Möglichkeit, Vorhersagen in Amazon SageMaker Canvas anhand von importierten Modellen zu generieren, die in beliebigen Umgebungen erstellt wurden, ist jetzt in allen AWS-Regionen verfügbar, in denen SageMaker Canvas unterstützt wird. Weitere Informationen erhalten Sie im AWS News Blog und in der Produktdokumentation von SageMaker Canvas.