Publié le: Jul 25, 2023
Amazon SageMaker Canvas permet désormais de fournir un emplacement de sortie personnalisé dans Amazon S3 pour les artefacts de machine learning (ML), tels que les modèles entraînés, les rapports d'explicabilité et les résultats de prédiction, ce qui vous permet d'organiser et de structurer votre répertoire de sortie de manière à ce qu'il corresponde à vos besoins et préférences spécifiques. 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'expertise dans le ML ou d'écrire la moindre ligne de code.
En spécifiant un emplacement Amazon de sortie personnalisé, vous pouvez contrôler l'endroit où les artefacts ML sont stockés. Vous pouvez créer des répertoires distincts pour différents utilisateurs ou respecter les conventions de votre organisation. Lorsque les artefacts ML sont stockés dans un emplacement de sortie personnalisé, il est également facile d'y accéder et de les partager avec d'autres personnes. Vous pouvez fournir un accès direct à l'emplacement spécifié, partager le chemin avec des collègues ou des collaborateurs, ou même automatiser le processus de distribution ou de déploiement des artefacts vers des emplacements ou des plateformes spécifiques. Jusqu'à présent, SageMaker Canvas créait au préalable un emplacement de sortie S3 qui ne pouvait pas être modifié. À compter d'aujourd'hui, vous pouvez spécifier votre propre emplacement S3 personnalisé lors de la configuration d'un domaine ou d'un profil utilisateur SageMaker et ainsi gagner en contrôle, en structure et en efficacité dans la gestion des résultats de vos expériences d'apprentissage automatique.
Cette nouvelle fonctionnalité est désormais proposée dans toutes les régions AWS où SageMaker Canvas est pris en charge. Pour en savoir plus, consultez la documentation produit de SageMaker Canvas.