Veröffentlicht am: Oct 13, 2023
Amazon SageMaker Canvas unterstützt jetzt die Bereitstellung von Machine-Learning-Modellen (ML) für Echtzeit-Inferenz-Endpunkte, sodass Sie Ihre ML-Modelle in die Produktionsphase übertragen und Maßnahmen auf der Grundlage von ML-gestützten Erkenntnissen vorantreiben können. SageMaker Canvas ist ein Arbeitsbereich ohne Code, der es Analysten und Citizen Data Scientists ermöglicht, genaue ML-Prognosen für ihre Geschäftsanforderungen zu erstellen.
Bisher bot SageMaker Canvas die Möglichkeit, ein ML-Modell auszuwerten, Massenvorhersagen zu generieren und What-if-Analysen in seinem interaktiven Arbeitsbereich durchzuführen. Ab heute können Sie die Modelle auch auf SageMaker-Endpunkten bereitstellen, um Rückschlüsse in Echtzeit zu ziehen. Dadurch ist es einfacher, Modellvorhersagen zu nutzen und Aktionen außerhalb des SageMaker-Canvas-Arbeitsbereichs zu steuern. Durch die Möglichkeit, ML-Modelle direkt von SageMaker Canvas aus einzusetzen, müssen ML-Modelle nicht mehr manuell exportiert, konfiguriert, getestet und in die Produktion überführt werden, was die Komplexität reduziert und Zeit spart. Außerdem macht es die Umsetzung von ML-Modellen für den Einzelnen leichter zugänglich, ohne dass Code geschrieben werden muss.
Melden Sie sich zunächst bei Amazon SageMaker Canvas an, um auf Ihre vorhandenen Modelle zuzugreifen oder neue Modelle zu erstellen. Wählen Sie das Modell aus und stellen Sie es mit den entsprechenden Endpunktkonfigurationen für Ihr Modell bereit. Für bereitgestellte Modelle fallen Gebühren für SageMaker Inferencing an. Die Möglichkeit, ML-Modelle direkt in Amazon SageMaker Canvas bereitzustellen, ist jetzt in allen AWS-Regionen verfügbar, in denen SageMaker Canvas unterstützt wird. Weitere Informationen finden Sie in der Produktdokumentation zu SageMaker Canvas.