Publié le: Nov 29, 2023
Amazon SageMaker Canvas est un outil sans code permettant de créer des modèles de machine learning et d'établir des prédictions. Comme annoncé le 5 octobre, nos clients peuvent accéder aux modèles de fondation (FM) d'Amazon Bedrock et de SageMaker JumpStart, puis les évaluer pour générer et résumer du contenu.
À compter d'aujourd'hui, SageMaker Canvas étend ces fonctionnalités en offrant la possibilité d'adapter facilement les modèles FM aux motifs et subtilités d'un cas d'utilisation spécifique, ce qui a pour effet d'améliorer sa qualité de réponse, de baisser ses coûts et de diminuer sa latence. Par exemple, un analyste financier qui utilise SageMaker Canvas à des fins d'analyse prévisionnelle peut désormais personnaliser un modèle FM de base afin de générer les résumés et recommandations de ses rapports à partir de ses propres données historiques.
Pour commencer, nos clients chargent un jeu de données et sélectionnent un modèle FM, que SageMaker Canvas se charge ensuite de créer et d'ajuster automatiquement. Pour aider à apprécier l'efficacité d'un modèle FM sur une tâche donnée, SageMaker Canvas affiche des indicateurs de performance permettant d'évaluer sa qualité et de déterminer rapidement s'il est adapté au besoin.
Ces nouvelles fonctionnalités sont disponibles dans toutes les régions AWS où Amazon SageMaker Canvas, Amazon Bedrock et Amazon SageMaker JumpStart sont actuellement pris en charge. Pour en savoir plus, consultez la documentation du service. La facturation est établie en fonction de la durée de l'apprentissage et du type d'instance utilisé. Pour plus d'informations, consultez la page Tarification d'Amazon SageMaker.