Publié le: Oct 18, 2022
Amazon SageMaker Canvas prend en charge la création rapide de modèles de prévision de séries temporelles, permettant d'accélérer le prototypage et l'expérimentation afin de sélectionner le modèle d'apprentissage machine (ML) le plus performant. SageMaker Canvas est une interface visuelle de type pointer-cliquer qui permet aux analystes métier de générer seuls des prédictions de machine learning (ML) précises, sans nécessiter une expérience dans le machine learning ou écrire la moindre ligne de code.
SageMaker Canvas vous permet de former des modèles ML selon deux méthodes distinctes : 1/ la création rapide, qui produit un modèle entraîné en moins de 20 minutes en privilégiant la vitesse à la précision, et 2/ la création standard, qui produit un modèle entraîné en moins de 4 heures en privilégiant la précision à la latence, après avoir suivi le cycle ML complet incluant le prétraitement, l'ingénierie des fonctionnalités et l'exploration de l'espace des hyperparamètres pour sélectionner le meilleur modèle. Auparavant, les modèles ML pour les cas d'utilisation de prévisions de séries chronologiques dans Canvas ne prenaient en charge que les modèles de création standard. À compter d'aujourd'hui, vous pouvez utiliser les modèles de création rapide afin d'expérimenter rapidement, de générer des prédictions et de valider des hypothèses plus rapidement pour les données de prévision de séries chronologiques.
Les méthodes de création rapide et standard sont actuellement prises en charge pour tous les cas d'utilisation actuellement pris en charge par Amazon SageMaker Canvas et dans toutes les régions AWS où SageMaker Canvas est disponible. Pour en savoir plus et commencer, consultez le billet de blog de lancement et la documentation d'Amazon SageMaker Canvas.