Características de Amazon SageMaker Canvas

Cree modelos de aprendizaje automático de alta precisión mediante una interfaz visual, sin necesidad de código

Desarrollo de ML impulsado por chat con Amazon Q Developer

Amazon Q Developer ayuda a superar la brecha entre los desafíos empresariales y los modelos de ML. Traduce de manera experta los problemas empresariales en flujos de trabajo de ML paso a paso y explica los términos de ML en un lenguaje accesible.

Amazon Q Developer guía de manera experta a los usuarios en cada paso del desarrollo de modelos, desde la preparación de los datos hasta la creación, el entrenamiento y la implementación de los modelos de ML. Amazon Q Developer ofrece asistencia contextual a través de una interfaz de chat y guía a los usuarios en el flujo de trabajo completo de ML para crear modelos de ML listos para la producción.

El creador de canalizaciones deterministas de Amazon Q Developer y las técnicas avanzadas de AutoML favorecen la reproducibilidad y la precisión en la creación de modelos. Gracias a las capacidades avanzadas de ciencia de datos que ofrece a los usuarios, Q Developer permite una rápida experimentación y, al mismo tiempo, mantiene la confianza en la utilidad del modelo.

Amazon Q Developer mantiene artefactos, como los conjuntos de datos originales y transformados, así como las canalizaciones de preparación de los datos creadas con lenguaje natural. Además, los modelos creados con Q Developer se pueden registrar en el Registro de modelos de SageMaker y los cuadernos de modelos se pueden exportar para una mayor personalización e integración.

Preparación de datos

SageMaker Canvas se conecta a más de 50 orígenes de datos o puede cargar archivos locales para entrenar su modelo de ML. Se admiten datos tabulares, de imágenes o de texto. También puede escribir consultas para acceder al origen de datos por medio de SQL e importar datos directamente en varios formatos de archivo, como CSV, Parquet, ORC y JSON, y tablas de base de datos.
A través de la interfaz sin código de SageMaker Canvas, puede explorar, visualizar y analizar datos mediante visualizaciones integradas o personalizadas. Con un solo clic, puede generar el informe de calidad e información de los datos para verificar la calidad de los datos, por ejemplo, garantizar que el conjunto de datos no contenga valores faltantes ni filas duplicadas, y también detectar anomalías como valores atípicos, desequilibrios de clases y fugas de datos.
SageMaker Canvas ofrece una selección de más de 300 transformaciones de datos prediseñadas basadas en PySpark, para que pueda transformar sus datos sin escribir una sola línea de código. Como alternativa, puede usar la interfaz de chat basada en modelos básicos para preparar sus datos.
SageMaker Canvas facilita el lanzamiento o la programación de un flujo de trabajo de preparación de datos para procesar rápidamente los datos y escalar la preparación de datos en todos los conjuntos de datos, exportarlos a un cuaderno de SageMaker Studio o integrarlos con SageMaker Pipelines.

Acceda y cree modelos de ML

A través de la interfaz sin código de SageMaker Canvas, puede crear automáticamente modelos de ML personalizados con los datos de su empresa. Una vez que haya seleccionado y preparado los datos e identificado lo que quiere predecir, SageMaker Canvas identifica el tipo de problema, prueba cientos de modelos de ML en función del tipo de problema (mediante técnicas de aprendizaje automático, como la regresión lineal, la regresión logística, el aprendizaje profundo, la previsión de series temporales y el aumento de gradientes) y crea un modelo personalizado que realiza las predicciones más precisas en función del conjunto de datos. Como alternativa, puede llevar su propio modelo creado previamente a SageMaker Canvas e implementar el modelo para la inferencia.

SageMaker Canvas proporciona acceso a modelos tabulares, de PNL y de CV listos para casos de uso que incluyen el análisis de sentimientos, la detección de objetos en imágenes, la detección de texto en imágenes y la extracción de entidades. Los modelos listos para usar no requieren creación de modelo y cuentan con la tecnología de los servicios de IA de AWS, incluidos Amazon Rekognition, Amazon Textract y Amazon Comprehend.

Una vez creado el modelo, puede evaluar el rendimiento del modelo antes de implementarlo en producción con los datos de la empresa. Puede comparar fácilmente las respuestas de los modelos y seleccionar la mejor respuesta para sus necesidades.

SageMaker Canvas proporciona acceso a un modelo fundacional (FM) listo para usar para la generación de contenido, la extracción de texto y el resumen de texto. Puede acceder a modelos fundacionales (FM), como Claude 2, Llama-2, Amazon Titan, Jurassic-2 y Command (basado en Amazon Bedrock), así como a FM disponibles públicamente, como Falcon, Flan-T5, Mistral, Dolly y MPT (basado en SageMaker JumpStart), y refinarlos con sus propios datos.

Genere predicciones de ML

SageMaker Canvas ofrece análisis visuales hipotéticos para que pueda cambiar las entradas del modelo y, a continuación, comprender cómo afectan los cambios a las predicciones individuales. Puede crear predicciones de lotes automatizadas para un conjunto de datos completo y, cuando se actualice el conjunto de datos, su modelo de ML se actualizará automáticamente. Una vez actualizado el modelo de ML, puede revisar las predicciones actualizadas desde la interfaz sin código de SageMaker Canvas.

Puede implementar su modelo de SageMaker Canvas en los puntos de conexión de SageMaker para realizar inferencias en tiempo real.

Comparta las predicciones de los modelos con Amazon QuickSight para crear paneles que combinen la inteligencia empresarial tradicional y los datos predictivos en la misma imagen interactiva. Además, los modelos de SageMaker Canvas se pueden compartir e integrar directamente en QuickSight, lo que permite a los analistas generar predicciones muy precisas para los nuevos datos en un panel de QuickSight.

Aproveche los MLOP

Puede registrar los modelos de ML creados en SageMaker Canvas en SageMaker Model Registry con un solo clic para integrar el modelo en los procesos de CI/CD de despliegue de modelos existentes.

Puede compartir sus modelos de SageMaker Canvas con los científicos de datos que utilizan SageMaker Studio. Luego, los científicos de datos pueden revisar, actualizar y compartir los modelos actualizados con usted o implementar su modelo para la inferencia.