Amazon SageMaker Canvas anuncia nuevas capacidades para los modelos de previsión de series temporales
Amazon SageMaker Canvas anuncia nuevas capacidades para crear, evaluar e implementar modelos de previsión de series temporales. Esto ofrece una mayor flexibilidad y facilidad de uso para crear aplicaciones de previsión. Amazon SageMaker Canvas es un espacio de trabajo sin código que permite a los analistas y científicos de datos ciudadanos crear, personalizar e implementar modelos de machine learning (ML) para generar predicciones precisas.
Para crear modelos de previsión de series temporales, SageMaker Canvas utiliza hasta seis algoritmos integrados para crear un conjunto personalizado de modelos para cada elemento de la serie temporal, lo que tiene como resultado modelos de gran precisión. A partir de hoy, SageMaker Canvas ofrece la visibilidad de estos algoritmos y la flexibilidad de elegir cualquier combinación de estos algoritmos para crear su modelo de previsión de series temporales. Una vez creado el modelo, SageMaker Canvas proporciona una tabla de clasificación con una lista ordenada de modelos candidatos, que incluye una recomendación del mejor modelo en función del conjunto de datos y del problema que se va a resolver. Puede revisar las métricas de rendimiento clave de cada modelo en la tabla de clasificación y seleccionar el modelo que prefiera. A continuación, el modelo seleccionado se puede implementar en producción en un punto de enlace de inferencia en tiempo real de Amazon SageMaker para su uso en aplicaciones fuera de SageMaker Canvas.
Para acceder a la selección de algoritmos, la tabla de clasificación de modelos y la implementación directa en puntos de enlace en tiempo real para la previsión de series temporales, cierre sesión y vuelva a iniciarla en SageMaker Canvas. Las nuevas capacidades ya están disponibles en todas las regiones de AWS en las que se admite SageMaker Canvas. Para obtener más información, consulte la documentación del producto SageMaker Canvas.