Publicado en: Oct 18, 2022
Amazon SageMaker Canvas presenta la compatibilidad con la creación rápida para modelos de previsión de serie temporal, lo que permite la creación más rápida de los prototipos y la experimentación necesaria para seleccionar el modelo de machine learning con mejor rendimiento. SageMaker Canvas es una interfaz visual interactiva que permite a los analistas de negocios generar predicciones de machine learning precisas de manera independiente, sin la necesidad de contar con experiencia en esta tecnología ni de escribir líneas de código.
SageMaker Canvas le permite entrenar modelos de machine learning a través de dos métodos diferentes: 1) la creación rápida, que produce un modelo entrenado en menos de 20 minutos, de modo que prevalece la velocidad sobre la precisión; 2) la creación estándar, que produce un modelo entrenado en menos de 4 horas, de modo que se prioriza la precisión sobre la latencia después de completar el ciclo de machine learning, incluidos el procesamiento previo, la ingeniería de características y la exploración del espacio de hiperparámetros para seleccionar el mejor modelo. Antes, los modelos de machine learning para los casos de uso de previsión de serie temporal en Canvas admitían solamente los modelos de creación estándar. A partir de hoy, también puede utilizar los modelos de creación rápida para experimentar la generación inmediata de predicciones y validar las hipótesis con mayor velocidad para los datos de previsión de serie temporal.
Los métodos de creación rápida y estándar actualmente son compatibles con todos los casos de uso que Amazon SageMaker Canvas admite y se pueden utilizar en todas las regiones de AWS donde está disponible SageMaker Canvas. Para obtener más información y comenzar, lea la publicación del blog acerca del lanzamiento y la documentación de Amazon SageMaker Canvas.