Créez des modèles ML avec des configurations avancées et bénéficiez d'une visibilité sur le classement des modèles sur SageMaker Canvas

Amazon 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. À compter d'aujourd'hui, Canvas prend en charge les configurations avancées de création de modèles, telles que la sélection de la méthode d'entraînement (optimisation des paramètres Ensemble/Hyper) et des algorithmes, la personnalisation du ratio de partage des données d'entraînement/de validation et la définition de limites aux itérations AutoML et à la durée d'exécution des tâches, permettant ainsi aux utilisateurs de personnaliser les configurations de création de modèles sans avoir à écrire une seule ligne de code. Cette flexibilité peut permettre un développement de modèles plus robuste et plus perspicace. Les parties prenantes non techniques peuvent utiliser les fonctionnalités sans code avec les paramètres par défaut, tandis que les scientifiques des données citoyens peuvent expérimenter divers algorithmes et techniques de machine learning, les aidant à comprendre quelles méthodes fonctionnent le mieux pour leurs données et à les optimiser pour garantir la qualité et les performances du modèle.

Outre les configurations de création de modèles, SageMaker Canvas propose désormais un classement des modèles. Un classement vous permet de comparer facilement des métriques de performances clés (comme l’exactitude, le rappel, le score F1, etc.) pour différentes configurations de modèles évaluées par Canvas afin de générer le modèle le mieux adapté à vos données, améliorant ainsi la transparence de la création de modèles et vous permettant de prendre des décisions éclairées sur les choix de modèles. Vous pouvez également consulter l'ensemble du flux de travail de création de modèles, y compris les étapes de prétraitement suggérées, l'algorithme et les plages d'hyperparamètres dans un bloc-notes.

Pour bénéficier de ces fonctionnalités, déconnectez-vous de SageMaker Canvas puis reconnectez-vous et cliquez sur « Configurer le modèle » lorsque vous créez des modèles. La possibilité de personnaliser les configurations des modèles, d'afficher le classement des modèles et de télécharger le bloc-notes de flux de travail AutoML dans Amazon SageMaker Canvas est désormais disponible dans toutes les régions AWS où SageMaker Canvas est pris en charge.