- Machine Learning›
- Amazon SageMaker AI›
- Amazon SageMaker Canvas – Features
Amazon SageMaker Canvas – Features
Erstellung hochpräziser ML-Modelle über eine visuelle Schnittstelle, kein Code erforderlich
Chat-gesteuerte ML-Entwicklung mit Amazon Q Developer
Übersetzen Sie Geschäftsprobleme in ML-Workflows
Amazon Q Developer hilft, die Lücke zwischen geschäftlichen Herausforderungen und ML-Modellen zu schließen. Es übersetzt Geschäftsprobleme fachmännisch in schrittweise ML-Workflows und erklärt ML-Begriffe in einer nicht-technischen Sprache.
Erstellen Sie ML-Modelle mithilfe eines geführten Workflows
Amazon Q Developer führt Benutzer fachkundig durch jeden Schritt der Modellentwicklung, von der Vorbereitung der Daten bis hin zur Erstellung, Schulung und Bereitstellung von ML-Modellen. Über eine Chat-Schnittstelle bietet Amazon Q Developer kontextbezogene Unterstützung und hilft Benutzern bei der Navigation durch den gesamten ML-Workflow, um produktionsreife ML-Modelle zu erstellen.
Bewährte Methoden der Datenwissenschaft
Der deterministische Pipeline-Builder von Amazon Q Developer und die fortschrittlichen AutoML-Techniken unterstützen die Reproduzierbarkeit und Genauigkeit bei der Modellerstellung. Durch die Bereitstellung fortschrittlicher Funktionen der Datenwissenschaft für Benutzer ermöglicht Q Developer schnelle Experimente, während das Vertrauen in die Nützlichkeit des Modells erhalten bleibt.
Transparenz im ML-Workflow
Amazon Q Developer verwaltet Artefakte wie ursprüngliche und transformierte Datensätze sowie die Datenaufbereitungs-Pipelines, die in natürlicher Sprache erstellt wurden. Darüber hinaus können mit Q Developer erstellte Modelle in der SageMaker-Modellregistrierung registriert werden und Modellnotizbücher können zur weiteren Anpassung und Integration exportiert werden.
Daten vorbereiten
Datenquellen
Datenvisualisierungen
Codelose Datenumwandlung
Data Pipelines
Zugriff und Erstellung von ML-Modellen
Benutzerdefinierte ML-Modelle
Gebrauchsfertige Tabellen-, CV- und NLP-Modelle
SageMaker Canvas bietet Zugriff auf fertige tabellarische, NLP- und CV-Modelle für Anwendungsfälle wie Stimmungsanalyse, Objekterkennung in Bildern, Texterkennung in Bildern und Entitätsextraktion. Gebrauchsfertige Modelle werden von AWS-KI-Services zur Verfügung gestellt, wie z. B. Amazon Rekognition, Amazon Textract und Amazon Comprehend.
Modellbewertung
Nachdem Sie Ihr Modell erstellt haben, können Sie anhand von Unternehmensdaten bewerten, wie gut Ihr Modell funktioniert, bevor Sie es in der Produktion einsetzen. Sie können die Modellantworten einfach vergleichen und die beste Antwort für Ihre Bedürfnisse auswählen.
Grundlagenmodelle
SageMaker Canvas bietet Zugriff auf einsatzbereite Basismodelle (FMs) für die Inhaltserstellung, Textextraktion und Textzusammenfassung. Sie können auf FMs wie Claude 2, Llama-2, Amazon Titan, Jurassic-2 und Command (unterstützt von Amazon Bedrock) sowie auf öffentlich verfügbare FMs wie Falcon, Flan-T5, Mistral, Dolly und MPT (unterstützt von SageMaker JumpStart) zugreifen und diese mithilfe Ihrer eigenen Daten optimieren.
Generierung von ML-Vorhersagen
Interaktive Was-wäre-wenn-Analysen und Batch-Prognosen
SageMaker Canvas bietet eine visuelle Was-wäre-wenn-Analyse, so dass Sie die Modelleingaben ändern und anschließend nachvollziehen können, wie sich die Änderungen auf einzelne Vorhersagen auswirken. Sie können automatische Stapelvorhersagen für einen gesamten Datensatz erstellen. Wird der Datensatz aktualisiert, wird Ihr ML-Modell automatisch aktualisiert. Nachdem das ML-Modell aktualisiert wurde, können Sie die aktualisierten Vorhersagen über die codefreie Schnittstelle von SageMaker Canvas überprüfen.
Unterstützung für Vorhersagen in Echtzeit
Integration von Amazon QuickSight
Teilen Sie Modellvorhersagen mit Amazon QuickSight, um Dashboards zu erstellen, die traditionelle Business Intelligence und prädiktive Daten in derselben interaktiven Grafik kombinieren. Darüber hinaus können SageMaker-Canvas-Modelle gemeinsam genutzt und direkt in QuickSight integriert werden, so dass Analysten hochpräzise Vorhersagen für neue Daten innerhalb eines QuickSight-Dashboards erstellen können.
Nutzen von MLOps
Integration der SageMaker-Modellregistrierung
Sie können in SageMaker Canvas erstellte ML-Modelle mit einem einzigen Klick in der SageMaker Model Registry registrieren, um das Modell in bestehende CI/CD-Prozesse zur Modellbereitstellung zu integrieren.
Teilen von Modellen mit SageMaker Studio
Sie können Ihre SageMaker-Canvas-Modelle mit Datenwissenschaftlern teilen, die SageMaker Studio verwenden. Anschließend können Datenwissenschaftler aktualisierte Modelle überprüfen, aktualisieren und mit Ihnen teilen oder Ihr Modell zur Inferenz einsetzen.