Publié le: Oct 26, 2021
Amazon SageMaker Autopilot crée, entraîne et ajuste automatiquement les meilleurs modèles de machine learning en fonction de vos données, tout en vous permettant de conserver un contrôle et une visibilité totale. À partir d'aujourd'hui, SageMaker Autopilot prend en charge les données en séries chronologiques. Vous pouvez désormais utiliser SageMaker Autopilot pour créer des modèles de machine learning pour les problèmes de régression et de classification des données en séries chronologiques ou de n'importe quelle séquence de données, ce qui permet de réaliser des scénarios tels que la détection supervisée des anomalies, l'évaluation des risques ou la prédiction des pannes sur la base d'une séquence de points de données. Par exemple, vous pouvez désormais créer des modèles pour identifier et classer le trafic réseau anormal enregistré dans le temps, ou identifier les appareils défectueux en fonction des métriques émises.
Vous pouvez commencer à créer automatiquement des modèles de machine learning avec des données en séries chronologiques en incluant simplement les données en séries chronologiques dans votre jeu de données tabulaires d'entrée pour SageMaker AutoPilot. SageMaker Autopilot analysera automatiquement ces données, extraira des caractéristiques significatives et testera plusieurs algorithmes ML pour les traiter. La prise en charge des données en séries chronologiques est disponible dans toutes les régions AWS où SageMaker Autopilot est actuellement pris en charge. Pour en savoir plus, consultez la documentation. Pour démarrer avec SageMaker Autopilot, consultez la page de produit ou accédez à SageMaker Autopilot dans SageMaker Studio.