Publié le: Oct 13, 2023
Amazon SageMaker Canvas prend désormais en charge le déploiement de modèles de machine learning (ML) sur des points de terminaison d'inférence en temps réel, ce qui vous permet de mettre vos modèles ML en production et de piloter des actions en fonction des informations générées par le machine learning. SageMaker Canvas est un espace de travail sans code qui permet aux analystes et aux scientifiques des données citoyens de générer des prédictions ML précises répondant à leurs besoins métier.
Jusqu'à présent, SageMaker Canvas permettait d'évaluer un modèle de machine learning, de générer des prédictions groupées et d'exécuter des analyses basées sur des hypothèses dans son espace de travail interactif. À compter d'aujourd'hui, vous pouvez également déployer les modèles sur les points de terminaison SageMaker pour une inférence en temps réel, ce qui facilite l'utilisation des prédictions des modèles et la prise d'actions en dehors de l'espace de travail de SageMaker Canvas. La possibilité de déployer directement des modèles de machine learning à partir de SageMaker Canvas élimine le besoin d'exporter, de configurer, de tester et de déployer manuellement des modèles de machine learning en production, ce qui permet de réduire la complexité et de gagner du temps. Cela rend également l'opérationnalisation des modèles de machine learning plus accessibles aux individus, sans écriture de code requise.
Pour commencer, connectez-vous à Amazon SageMaker Canvas afin d'accéder à vos modèles existants ou de créer de nouveaux modèles. Sélectionnez le modèle et déployez-le avec des configurations de point de terminaison adaptées à votre modèle. Les frais d'inférence de SageMaker s'appliqueront aux modèles déployés. La possibilité de déployer directement des modèles de machine learning dans Amazon SageMaker Canvas est désormais disponible dans toutes les régions AWS où SageMaker Canvas est pris en charge. Pour en savoir plus, consultez la documentation produit de SageMaker Canvas.