Publié le: Dec 14, 2022
Vous pouvez désormais intégrer des modèles de machine learning (ML) créés n'importe où dans Amazon SageMaker Canvas et générer des prédictions pour répondre à une large gamme de problèmes métier. SageMaker Canvas est une interface visuelle qui permet aux analystes métier de générer par eux-mêmes des prédictions de ML précises, sans avoir besoin d'expérience dans le ML ou d'écrire la moindre ligne de code.
Aujourd'hui, des centaines de modèles de machine learning sont créés et entraînés à l'aide de différents outils et dans des environnements hétérogènes. Bien souvent, les équipes commerciales peuvent tirer parti de modèles de machine learning déjà conçus par des scientifiques des données pour résoudre les problèmes métier, plutôt que de partir de zéro. Cependant, il n'est pas facile d'utiliser ces modèles en dehors des environnements dans lesquels ils sont intégrés en raison des exigences techniques strictes, de la rigidité des outils et des processus manuels nécessaires pour importer les modèles. Cela oblige souvent les utilisateurs à reconcevoir les modèles de machine learning, ce qui entraîne une duplication des efforts, demande du temps et des ressources supplémentaires et limite la démocratisation du machine learning.
Amazon SageMaker Canvas supprime ces limitations et les tâches fastidieuses nécessaires à l'importation de modèles entre environnements. À compter d'aujourd'hui, les scientifiques des données peuvent partager des modèles de machine learning créés n'importe où avec les analystes métier au sein de SageMaker Canvas, afin que des prévisions puissent être générées sur ces modèles directement dans SageMaker Canvas. Qu'importe où ils ont été créés, les modèles de machine learning utilisant des données tabulaires peuvent être importés dans SageMaker Canvas une fois qu'ils sont enregistrés dans le registre des modèles Amazon SageMaker. En outre, les scientifiques des données peuvent partager des modèles entraînés dans Amazon SageMaker Autopilot et Amazon SageMaker JumpStart afin que les analystes métier puissent générer des prévisions sur ces modèles dans SageMaker Canvas. Enfin, vous pouvez désormais partager les modèles créés dans SageMaker Canvas avec des scientifiques des données à l'aide de SageMaker Studio à des fins de révision, de mise à jour ou pour solliciter un feedback. Les scientifiques des données peuvent ensuite partager leur feedback ou leurs mises à jour avec vous, afin que vous puissiez les analyser et générer des prévisions sur les versions de modèles mises à jour dans SageMaker Canvas.
La possibilité de générer des prédictions dans Amazon SageMaker Canvas sur des modèles importés, et ce qu'importe où ils ont été créés, est désormais disponible dans toutes les régions AWS où SageMaker Canvas est pris en charge. Pour en savoir plus, consultez le blog AWS News et la documentation produit relative à SageMaker JumpStart.