- Machine learning›
- Amazon SageMaker AI›
- Funzionalità di Amazon SageMaker Canvas
Funzionalità di Amazon SageMaker Canvas
Crea modelli ML estremamente accurati utilizzando un'interfaccia visiva, senza bisogno di codice
Sviluppo ML basato su chat con Amazon Q Developer
Tradurre i problemi aziendali in flussi di lavoro ML
Amazon Q Developer aiuta a colmare il divario tra le sfide aziendali e i modelli ML. Traduce abilmente i problemi aziendali in flussi di lavoro ML dettagliati e spiega i termini ML utilizzando un linguaggio non tecnico.
Sviluppa modelli ML utilizzando un flusso di lavoro guidato
Amazon Q Developer guida abilmente gli utenti in ogni fase dello sviluppo del modello, dalla preparazione dei dati alla creazione, all’addestramento e all’implementazione dei modelli ML. Utilizzando un'interfaccia di chat, Amazon Q Developer fornisce assistenza contestuale e aiuta gli utenti a navigare nel flusso di lavoro ML end-to-end per creare modelli ML pronti per la produzione.
Le best practice di data science
Il generatore di pipeline deterministico di Amazon Q Developer e le tecniche avanzate AutoML supportano la riproducibilità e l'accuratezza nella creazione del modello. Fornendo agli utenti funzionalità di data science avanzate, Q Developer consente una sperimentazione rapida mantenendo la fiducia nell'utilità del modello.
Trasparenza nel flusso di lavoro ML
Amazon Q Developer conserva artefatti come set di dati originali e trasformati, oltre alle pipeline di preparazione dei dati create utilizzando il linguaggio naturale. Inoltre, i modelli creati utilizzando Q Developer possono essere registrati in SageMaker Model Registry e i notebook dei modelli possono essere esportati per un’ulteriore personalizzazione e integrazione.
Preparazione dei dati
Origini dati
Visualizzazioni dei dati
Trasformazione dei dati senza codice
Pipeline di dati
Accesso e creazione di modelli ML
Modelli ML personalizzati
Modelli tabulari, CV e NLP pronti all'uso
SageMaker Canvas fornisce l'accesso a modelli tabulari, NLP e CV pronti all'uso per casi d'uso, tra cui l'analisi del sentiment, il rilevamento di oggetti nelle immagini, il rilevamento del testo nelle immagini e l'estrazione di entità. I modelli pronti all'uso non richiedono lo sviluppo di modelli e sono alimentati dai servizi di intelligenza artificiale AWS, tra cui Amazon Rekognition, Amazon Textract e Amazon Comprehend.
Valutazione di modelli
Dopo aver creato il modello, puoi valutare le prestazioni del modello prima di distribuirlo in produzione utilizzando i dati aziendali. Puoi confrontare facilmente le risposte dei modelli e selezionare la risposta migliore per le tue esigenze.
Modelli di fondazione
SageMaker Canvas fornisce l'accesso a modelli di fondazione (FM) pronti all'uso per la generazione di contenuti, l'estrazione e il riepilogo del testo. È possibile accedere a modelli di fondazione (FM) come Claude 2, Llama-2, Amazon Titan, Jurassic-2 e Command (con tecnologia Amazon Bedrock), nonché FM disponibili al pubblico come Falcon, Flan-T5, Mistral, Dolly ed MPT (con tecnologia SageMaker JumpStart) e ottimizzarli quindi utilizzando i propri dati.
Generazione di previsioni di ML
Analisi ipotetica interattiva e previsioni in batch
SageMaker Canvas offre un'analisi visiva ipotetica, che consente di modificare gli input del modello e quindi comprendere in che modo le modifiche influiscono sulle singole previsioni. Puoi creare previsioni in batch automatiche per un intero set di dati e, quando il set di dati viene aggiornato, il tuo modello ML viene aggiornato automaticamente. Dopo l'aggiornamento del modello ML, puoi esaminare le previsioni aggiornate dall'interfaccia senza codice di SageMaker Canvas.
Supporto per le previsioni in tempo reale
Integrazione con Amazon QuickSight
Condividi le previsioni dei modelli con Amazon QuickSight per creare dashboard che combinano business intelligence tradizionale e dati predittivi nella stessa grafica interattiva. Inoltre, i modelli SageMaker Canvas possono essere condivisi e integrati direttamente in QuickSight, consentendo agli analisti di generare previsioni estremamente accurate per i nuovi dati all'interno di una dashboard QuickSight.
Sfruttamento dei MLOps
Integrazione con SageMaker Model Registry
È possibile registrare i modelli ML creati in SageMaker Canvas nel SageMaker Model Registry con un solo clic per integrare il modello nei processi CI/CD di implementazione dei modelli esistenti.
Condivisione dei modelli con SageMaker Studio
Puoi condividere i modelli SageMaker Canvas con i data scientist che utilizzano SageMaker Studio. I data scientist possono esaminare, aggiornare e condividere i modelli aggiornati con te o implementare il tuo modello per l'inferenza.