- Machine Learning›
- Amazon SageMaker AI›
- Fitur Amazon SageMaker Canvas
Fitur Amazon SageMaker Canvas
Bangun model ML yang sangat akurat menggunakan antarmuka visual, tanpa memerlukan kode
Pengembangan ML berbasis obrolan dengan Amazon Q Developer
Terjemahkan masalah bisnis ke dalam alur kerja ML
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.
Bangun model ML dengan menggunakan alur kerja terpandu
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.
Praktik terbaik ilmu data
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.
Transparansi ke dalam alur kerja ML
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
Sumber Data
Visualisasi data
Transformasi data tanpa kode
Alur Data
Akses dan Bangun Model ML
Model ML Kustom
Model tabular, CV, dan NLP siap pakai
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.
Evaluasi Model
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.
Model Fondasi
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
Analisis what-if interaktif dan prediksi batch
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.
Dukungan untuk prediksi waktu nyata
Integrasi Amazon QuickSight
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
Integrasi Registri Model SageMaker
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.
Berbagi model dengan SageMaker Studio
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.