Amazon SageMaker Canvas
Genere predicciones precisas de ML, sin necesidad de código¿Por qué SageMaker Canvas?
A través de una interfaz sin código, puede crear modelos de machine learning de alta precisión, sin necesidad de tener experiencia en machine learning ni escribir una sola línea de código. SageMaker Canvas proporciona acceso a modelos listos para usar, incluidos los modelos básicos de Amazon Bedrock o Amazon SageMaker JumpStart o puede crear su propio modelo de ML personalizado. Con SageMaker Canvas, puede acceder e importar con facilidad datos de más de 50 fuentes, preparar datos con lenguaje natural y más de 300 transformaciones integradas, crear y entrenar modelos de alta precisión, generar predicciones e implementar modelos en producción.
Modelos listos para usar
-
Modelos básicos
-
Modelos tabulares, CV y PNL
-
Modelos básicos
-
Modelos básicos
SageMaker Canvas proporciona acceso a modelos fundacionales (FM) listos para usar, como Claude 2, Amazon Titan y Jurassic-2 (con tecnología de Amazon Bedrock), así como a FM disponibles públicamente, como Falcon y MPT (con tecnología de SageMaker JumpStart)
-
Modelos tabulares, CV y PNL
-
Modelos tabulares, CV y PNL
SageMaker Canvas proporciona acceso a modelos tabulares, de NLP y de CV listos para usar con la tecnología de los servicios de inteligencia artificial de AWS, incluidos Amazon Rekognition, Amazon Textract y Amazon Comprehend.
Modelos personalizados
-
Preparación de datos
-
Cree de modelos
-
Evalúe los modelos
-
Use modelos
-
Preparación de datos
-
Preparación de datos
SageMaker Canvas ofrece exploración y preparación de datos sin necesidad de código a través de una interfaz de usuario de lenguaje natural o de un clic.
-
Cree de modelos
-
Cree de modelos
SageMaker Canvas usa AutoML de Amazon para crear un modelo personalizado entrenado en su conjunto de datos.
-
Evalúe los modelos
-
Evalúe los modelos
SageMaker Canvas ayuda a comprender el rendimiento del modelo con métricas e imágenes de evaluación comunes.
-
Use modelos
-
Use modelos
Puede generar predicciones en la interfaz de usuario de SageMaker Canvas o implementarlas en un punto de conexión de SageMaker.