SageMaker Canvas ouvre la voie au ML sans code et à la préparation des données à l'échelle du pétaoctet
Amazon SageMaker Canvas permet désormais aux entreprises d'exploiter tout le potentiel de leurs données en prenant en charge des jeux de données de l'échelle du pétaoctet. À compter d'aujourd'hui, vous pouvez préparer de manière interactive de grands jeux de données, créer des flux de données de bout en bout et déclencher des expériences AutoML sur des pétaoctets, soit un bond considérable par rapport à la limite précédente de 5 Go. Avec plus de 50 connecteurs, une interface intuitive de « chat avec les données » et une prise en charge du pétaoctet, Canvas fournit une solution de ML évolutive, à faible code ou sans code, pour gérer des cas d'utilisation réels en entreprise.
À compter d'aujourd'hui, Canvas vous propose de nouvelles techniques d'échantillonnage, telles que l'échantillonnage aléatoire et stratifié, permettant d'échantillonner jusqu'à 200 000 lignes, soit dix fois plus. Cela permet de recueillir facilement des informations sur la qualité des données et de comprendre l'impact de vos transformations de données de manière interactive avant de traiter l'ensemble de votre jeu de données, en tirant parti de notre nouvelle intégration transparente avec EMR sans serveur. Canvas met automatiquement à l’échelle le traitement de plus de 5 Go de données à des fins d'échantillonnage, de préparation, de création de modèles et d'inférence à EMR sans serveur, libérant ainsi tout le potentiel prédictif de vos données grâce à une expérience intuitive. L'utilisation d'EMR sans serveur entraîne des coûts de tarification EMR supplémentaires.
Le nouveau support en pétaoctets et l'expérience interactive améliorée sont disponibles dans toutes les régions AWS où SageMaker Canvas est proposé.
Pour commencer à utiliser le machine learning sans code et la préparation des données de grands jeux de données, activez la « configuration du traitement des données volumineuses » dans votre domaine Canvas et votre profil utilisateur à l'aide de notre documentation technique, et découvrez comment utiliser les nouvelles fonctionnalités sur le blog AWS Machine Learning. Les utilisateurs existants doivent mettre à jour les paramètres de leur domaine SageMaker conformément à la documentation, se déconnecter de l'espace de travail Canvas, puis se reconnecter pour accéder à la dernière version.