Veröffentlicht am: Jul 25, 2023
Amazon SageMaker Canvas unterstützt jetzt die Möglichkeit, in Amazon S3 einen benutzerdefinierten Ausgabeort für Machine Learning (ML)-Artefakte bereitzustellen, wie z. B. trainierte Modelle, Erklärbarkeitsberichte und Vorhersageergebnisse. So können Sie Ihr Ausgabeverzeichnis so organisieren und strukturieren, dass es Ihren spezifischen Anforderungen und Präferenzen entspricht. Amazon SageMaker Canvas ist eine visuelle Benutzeroberfläche, mit der Geschäftsanalysten und Datenwissenschaftlern eigenständig genaue ML-Prognosen erstellen können – ohne Erfahrung mit Machine Learning haben oder Code schreiben zu müssen.
Indem Sie einen benutzerdefinierten Speicherort für die Amazon-Ausgabe angeben, können Sie bestimmen, wo die ML-Artefakte gespeichert werden. Sie können separate Verzeichnisse für verschiedene Benutzer anlegen oder die Vorgaben Ihrer Organisation einhalten. Wenn ML-Artefakte an einem benutzerdefinierten Ausgabespeicherort gespeichert werden, können Sie auch problemlos auf sie zugreifen und sie mit anderen teilen. Sie können direkten Zugriff auf den angegebenen Speicherort gewähren, den Pfad für Kollegen oder Mitarbeiter freigeben oder sogar die Verteilung oder Bereitstellung der Artefakte an bestimmte Orte oder Plattformen automatisieren. Bisher wurde in SageMaker Canvas ein S3-Ausgabeverzeichnis erstellt, das nicht geändert werden konnte. Ab heute können Sie beim Einrichten einer SageMaker-Domain oder eines Benutzerprofils Ihren eigenen S3-Speicherort angeben und so die Kontrolle, Struktur und Effizienz bei der Verwaltung der Ergebnisse Ihrer ML-Experimente verbessern.
Dieses neue Feature ist jetzt in allen AWS-Regionen verfügbar, in denen SageMaker Canvas unterstützt wird. Weitere Informationen finden Sie in der Produktdokumentation zu SageMaker Canvas.