Amazon SageMaker Canvas kini mendukung impor aliran data, dan persiapan data yang lebih cepat untuk ML
Amazon SageMaker Data Wrangler di Amazon SageMaker Canvas kini mendukung pengimporan alur data dari Amazon SageMaker Studio Classic, serta persiapan data yang lebih cepat dan lebih fleksibel untuk machine learning (ML). Dengan versi terbaru SageMaker Data Wrangler di SageMaker Canvas, Anda kini dapat mengimpor data dari S3 dengan lebih mudah dengan pembatas khusus dan lebih banyak opsi pengambilan sampel, serta menyiapkan data dengan kinerja yang ditingkatkan. Selain itu, Anda dapat memvalidasi transformasi lebih cepat dan mengulangi resep data dengan mudah. Anda juga dapat mengimpor alur data dari SageMaker Studio Classic untuk memanfaatkan fitur persiapan data terbaru dan penyempurnaan di SageMaker Canvas.
Mengumpulkan, menganalisis, dan mengubah sejumlah besar data merupakan bagian yang paling memakan waktu dari sebuah proyek ML karena merupakan proses yang sangat berulang dan berulang. Dengan penyempurnaan baru ini, Anda dapat mengimpor data dengan metode pengambilan sampel yang berbeda seperti top-k, acak atau berstrata, dan menyesuaikan ukuran dan metode sampel sebagaimana diperlukan untuk mendapatkan sampel yang representatif. Anda dapat mengubah data dengan latensi yang lebih rendah, dengan cepat memvalidasi dampak transformasi pada ukuran data, dan menyusun ulang langkah-langkah sesuai kebutuhan. Selain itu, Anda dapat menyalin resep data dan mengganti sumber data untuk menggunakannya kembali untuk set data dan model yang berbeda. Yang terakhir namun tidak kalah pentingnya, Anda dapat mengimpor semua alur data yang ada dari SageMaker Data Wrangler di SageMaker Studio Classic ke SageMaker Canvas dengan satu klik, atau mengimpor alur data tertentu secara manual melalui S3 atau unggahan file lokal.
Kemampuan persiapan data yang ditingkatkan ini tersedia di semua AWS Region di mana SageMaker Canvas didukung. Untuk informasi lebih lanjut, lihat blog dan dokumentasi teknis AWS.