Publicado en: Nov 29, 2023
Amazon SageMaker Canvas es una herramienta sin código para crear modelos de machine learning (ML) y generar predicciones de ML. Como se anunció el 5 de octubre, los clientes pueden acceder a los modelos fundacionales (FM) de Amazon Bedrock y SageMaker JumpStart y evaluarlos para generar y resumir contenido.
A partir de hoy, SageMaker Canvas amplía estas capacidades al facilitar a los clientes la adaptación de los FM a los patrones y matices de un caso de uso específico, lo que mejora el rendimiento en términos de calidad de respuesta, costo y latencia. Por ejemplo, un analista financiero que utilice SageMaker Canvas para el análisis de previsiones ahora puede personalizar una FM base para generar resúmenes y recomendaciones para sus informes con sus propios datos históricos.
Para comenzar, los clientes cargan un conjunto de datos, seleccionan una FM para ajustar y SageMaker Canvas crea y ajusta el modelo automáticamente. Para ayudar a los clientes a comprender qué tan bien funciona la FM en una tarea determinada, SageMaker Canvas muestra las métricas de rendimiento y permite a los clientes evaluar el rendimiento del modelo para que puedan saber rápidamente si se ajusta a sus necesidades.
Las capacidades nuevas están disponibles en todas las regiones de AWS en las que actualmente se encuentran disponibles Amazon SageMaker Canvas, Amazon Bedrock y Amazon SageMaker JumpStart. Para obtener más información, consulte la documentación del servicio. A los clientes se les cobra en función de la duración del entrenamiento y del tipo de instancia utilizado. Para obtener más información, consulte la página de precios de Amazon SageMaker.