Fitur Amazon SageMaker Canvas

Bangun model ML yang sangat akurat menggunakan antarmuka visual, tanpa memerlukan kode

Pengembangan ML berbasis obrolan dengan Amazon Q Developer

Amazon Q Developer membantu menjembatani kesenjangan antara tantangan bisnis dan model ML. Layanan ini secara ahli menerjemahkan masalah bisnis ke dalam alur kerja ML langkah demi langkah dan menjelaskan istilah ML dengan menggunakan bahasa nonteknis.

Amazon Q Developer secara ahli memandu pengguna di setiap langkah pengembangan model, mulai dari menyiapkan data hingga membangun, melatih, dan men-deploy model ML. Dengan menggunakan antarmuka obrolan, Amazon Q Developer memberikan bantuan kontekstual dan membantu pengguna menavigasi alur kerja ML ujung ke ujung untuk membangun model ML siap produksi.

Builder pipeline deterministik dan teknik AutoML tingkat lanjut dari Amazon Q Developer mendukung reproduktibilitas serta akurasi dalam pembuatan model. Dengan memberikan kemampuan ilmu data tingkat lanjut kepada pengguna, Q Developer memungkinkan eksperimen cepat dengan tetap mempertahankan kepercayaan pada utilitas model.

Amazon Q Developer memelihara artefak seperti set data asli dan yang ditransformasi, serta pipeline persiapan data yang dibuat menggunakan bahasa alami. Selain itu, model yang dibangun menggunakan Q Developer dapat didaftarkan ke Registri Model SageMaker, dan notebook model dapat diekspor untuk penyesuaian serta integrasi lebih lanjut.

Siapkan data

SageMaker Canvas terhubung ke 50+ sumber data atau Anda dapat mengunggah file lokal untuk melatih model ML Anda. Data tabel, gambar, atau teks didukung. Anda juga dapat menulis kueri untuk mengakses sumber data menggunakan SQL dan mengimpor data secara langsung dalam berbagai format file, seperti CSV, Parket, ORC, dan JSON, serta tabel basis data.
Melalui antarmuka tanpa kode SageMaker Canvas, Anda dapat menjelajahi, memvisualisasikan, dan menganalisis data menggunakan visualisasi bawaan atau khusus. Dengan satu klik, Anda dapat membuat laporan Kualitas Data dan Wawasan untuk memverifikasi kualitas data, seperti memastikan set data tidak berisi nilai yang hilang atau baris duplikat, dan juga mendeteksi anomali seperti outlier, ketidakseimbangan kelas, dan kebocoran data.
SageMaker Canvas menawarkan lebih dari 300 pilihan transformasi data berbasis PySpark yang telah dibuat sebelumnya, sehingga Anda dapat mengubah data tanpa menulis satu baris kode pun. Atau, Anda dapat menggunakan antarmuka obrolan yang didukung model dasar untuk menyiapkan data Anda.
SageMaker Canvas memudahkan peluncuran atau penjadwalan alur kerja persiapan data untuk memproses data Anda dengan cepat dan menskalakan persiapan data di seluruh set data, mengekspornya ke notebook SageMaker Studio, atau berintegrasi dengan SageMaker Pipelines.

Akses dan Bangun Model ML

Melalui antarmuka tanpa kode SageMaker Canvas, Anda dapat secara otomatis membuat model ML kustom menggunakan data perusahaan Anda. Setelah Anda memilih dan menyiapkan data dan mengidentifikasi apa yang ingin Anda prediksi, SageMaker Canvas mengidentifikasi tipe masalah, menguji ratusan model ML berdasarkan tipe masalah (menggunakan teknik ML seperti regresi linier, regresi logistik, deep learning, rangkaian waktu perkiraan, dan peningkatan gradien), dan membuat model kustom yang membuat prediksi paling akurat berdasarkan set data Anda. Atau, Anda dapat membawa model Anda sendiri yang dibuat sebelumnya ke SageMaker Canvas dan menerapkan model tersebut untuk inferensi.

SageMaker Canvas menyediakan akses ke model tabel, NLP, dan CV siap pakai untuk kasus penggunaan termasuk analisis sentimen, deteksi objek dalam gambar, deteksi teks dalam gambar, dan ekstraksi entitas. Model siap pakai tidak memerlukan pembuatan model, dan didukung oleh layanan AWS AI, termasuk Amazon Rekognition, Amazon Textract, dan Amazon Comprehend.

Setelah membangun model, Anda dapat mengevaluasi seberapa baik performa model Anda sebelum melakukan deployment ke produksi menggunakan data perusahaan. Anda dapat dengan mudah membandingkan respons model dan memilih respons terbaik sesuai kebutuhan Anda.

SageMaker Canvas menyediakan akses ke model fondasi (FM) yang siap digunakan untuk pembuatan konten, ekstraksi teks, dan peringkasan teks. Anda dapat mengakses berbagai FM seperti Claude 2, Llama-2, Amazon Titan, Jurassic-2, dan Command (yang didukung Amazon Bedrock) serta FM yang tersedia secara publik, seperti Falcon, Flan-T5, Mistral, Dolly, serta MPT (yang didukung SageMaker JumpStart) dan menyempurnakannya menggunakan data Anda sendiri.

Hasilkan Prediksi ML

SageMaker Canvas menawarkan analisis visual what-if sehingga Anda dapat mengubah input model, lalu memahami bagaimana perubahan tersebut memengaruhi prediksi individu. Anda dapat membuat prediksi batch otomatis untuk seluruh set data, dan ketika set data diperbarui, model ML Anda diperbarui secara otomatis. Setelah model ML diperbarui, Anda dapat meninjau prediksi yang diperbarui dari antarmuka tanpa kode SageMaker Canvas.

Anda dapat melakukan deployment model SageMaker Canvas ke titik akhir SageMaker untuk inferensi waktu nyata.

Bagikan prediksi model dengan Amazon QuickSight untuk membangun dasbor yang menggabungkan kecerdasan bisnis tradisional dan data prediktif dalam visual interaktif yang sama. Selain itu, model SageMaker Canvas dapat dibagikan dan diintegrasikan langsung di QuickSight, memungkinkan analis menghasilkan prediksi yang sangat akurat untuk data baru dalam dasbor QuickSight.

Manfaatkan MLOps

Anda dapat mendaftarkan model ML yang dibuat di SageMaker Canvas ke Registri Model SageMaker dengan satu klik untuk mengintegrasikan model tersebut ke dalam proses CI/CD deployment model yang ada.

Anda dapat membagikan model SageMaker Canvas dengan ilmuwan data yang menggunakan SageMaker Studio. Kemudian rekayasawan data dapat meninjau, memperbarui, dan membagikan model terbaru kepada Anda atau melakukan deployment model Anda untuk inferensi.