Amazon SageMaker Canvas annuncia nuove funzionalità per i modelli di previsione delle serie temporali
Amazon SageMaker Canvas annuncia nuove funzionalità per creare, valutare e distribuire modelli di previsione delle serie temporali, fornendo maggiore flessibilità e facilità d'uso per creare applicazioni di previsione. Amazon SageMaker Canvas è uno spazio di lavoro senza codice che consente ad analisti e citizen data scientist di creare, personalizzare e distribuire modelli di machine learning (ML) per generare previsioni accurate.
Per creare modelli di previsione delle serie temporali, SageMaker Canvas utilizza fino a sei algoritmi integrati per creare un insieme personalizzato di modelli per ogni elemento della serie temporale, ottenendo modelli estremamente accurati. A partire da oggi, SageMaker Canvas offre visibilità su questi algoritmi e la flessibilità di scegliere qualsiasi combinazione di questi algoritmi per costruire il tuo modello di previsione delle serie temporali. Una volta creato il modello, SageMaker Canvas fornisce una classifica con un elenco ordinato di modelli candidati, inclusa una raccomandazione per il modello migliore in base al set di dati e al problema da risolvere. Puoi esaminare le metriche chiave delle prestazioni per ciascun modello nella classifica e selezionare un modello a tua scelta. Il modello selezionato può quindi essere distribuito in produzione su un endpoint di inferenza in tempo reale di Amazon SageMaker per l'uso in applicazioni esterne a SageMaker Canvas.
Per accedere alla selezione degli algoritmi, alla classifica dei modelli e all'implementazione diretta alle funzionalità degli endpoint in tempo reale per la previsione delle serie temporali, disconnettiti e accedi nuovamente a SageMaker Canvas. Le nuove funzionalità sono ora disponibili in tutte le regioni AWS in cui è supportato SageMaker Canvas. Per ulteriori informazioni, consulta la documentazione del prodotto SageMaker Canvas.