Amazon SageMaker Canvas の特徴

Amazon SageMaker Canvas は、ビジネスアナリストにビジュアルインターフェイスを提供することで機械学習 (ML) へのアクセスを拡張します。これにより、ビジネスアナリストは、自ら正確な ML 予測を生成できます。ML の経験は不要で、コードを 1 行も書く必要はありません。SageMaker Canvas を使用すると、すぐに使用できるモデルにアクセスしたり、カスタムモデルを作成したりして、数分で何千ものドキュメント、画像、テキスト行から情報を抽出し、予測を生成できます。すぐに使用できるモデルの使用を開始するために必要なのは、すぐに使用できるモデルを選択し、データをアップロードして、ワンクリックで予測を生成することだけです。分類、リグレッション、予測、テキスト分類、または画像分類のための独自のカスタムモデルを構築することもできます。クラウドとオンプレミスの異なるデータソースをインポートしたり、特徴間の関係を分析、調査、視覚化したり、関数や演算子を使用して新しい機能を作成したりすることもできます。その後、SageMaker Canvas では、数回のクリックで ML モデルを作成し、正確な予測を生成できます。また、結果を公開したり、モデルを説明したり、解釈したりできます。さらに、組織内のデータサイエンティストとコラボレーションすることができます。レビューや更新のためにモデルを共有できるほか、データサイエンティストは他のツールで構築した ML モデルを共有でき、SageMaker Canvas 内で直接それらのモデルに基づいて予測を生成できます。

Amazon SageMaker Canvas はすぐに使用できる基盤モデル (FM) をサポートしているため、ビジネスアナリストはノーコードのインターフェイスを通じて生産性を向上させ、生成系 AI の使用を加速できます。基礎モデルを使用してコンテンツを生成および要約できます。

ノーコードのチャットインターフェイスを通じて、Claude 2、Amazon Titan、Jurassic-2 (Amazon Bedrock を利用) などの基盤モデルや、Falcon および MPT (SageMaker JumpStart を利用) などのパブリックモデルにアクセスできます。FM からの回答を並べて簡単に比較し、ニーズに最適な回答を選択することもできます。

自然言語処理やコンピュータビジョンのさまざまなユースケースに対応するすぐに使用できるモデルにアクセスして、ML 予測を迅速に生成できます。すぐに使用できるモデルには、感情分析、画像内の物体の検出、画像内のテキストの検出、エンティティの抽出、言語の検出、個人情報の検出、費用分析、身分証明書の分析、ドキュメント分析が含まれています。さらに、すぐに使用できるモデルはモデルの構築を必要とせず、Amazon Rekognition、Amazon Textract、Amazon Comprehend などの AWS の AI サービスを利用しています。使用を開始するには、テキスト、画像、ドキュメントなどのデータを提供し、すぐに使用できるモデルを選択すれば、ワンクリックで予測を生成できます。

Amazon SageMaker Canvas では、独自のデータを使用してトレーニングされたカスタム分類、リグレッション、予測、テキスト分類、または画像分類モデルを作成することもできます。SageMaker Canvas は、ML モデルを作成し、予測を生成するためのデータの接続、準備、分析、探索を行うためのビジュアルなポイントアンドクリックインターフェイスを提供します。

SageMaker Canvas のビジュアルインターフェイスを使用して、データを参照およびインポートできます。SageMaker Canvas は、CSV、JPEG、PNG ファイルタイプをサポートし、Amazon Simple Storage Service (S3)、Amazon Athena (Glue Data Catalog)、Amazon Redshift など、アカウントがアクセスできる AWS データソースを検出します。また、ローカルディスクからファイルをドラッグアンドドロップしたり、SAP OData、Salesforce、Snowflake などの 40 を超えるサードパーティーのデータソースからデータをインポートしたりすることもできます。また、結合オペレーションにより、複数のソースにまたがるデータを結合し、予測モデルの学習用に統一されたデータセットを新たに作成できます。例えば、顧客 ID を含む Salesforce のトランザクションデータを、顧客プロファイルデータを含む Amazon S3 の CSV テーブルと結合して、新しいデータセットを作成できます。その後、データが正しくインポートされたことの確認、平均値や中央値などのパラメータを使用したデータ分布の把握、およびデータに欠損値があるかどうかの判断が可能です。また、データのプロファイリングや、データセット内の列間の相関関係を特定することもできます。SageMaker Canvas は、データセット (ローカルアップロードと Amazon S3 データソース) の自動更新と手動更新もサポートしているため、ML モデルのトレーニングに最新バージョンの表、画像、およびドキュメントデータセットを使用できます。

SageMaker Canvas は探索的データ解析 (EDA) を提供し、データの準備、探索、分析を行うことができます。欠損値を補完したり、外れ値をカスタム値に置き換えたり、特徴量間の関係を可視化したり、関数や演算子を使用して新しい特徴量を作成したりすることができます。

データソースの接続、データセットの選択、データの準備を行ったら、予測する特徴量を選択して、モデル作成ジョブを開始できます。SageMaker Canvas は、問題のタイプを識別して関連性の高い新しい特徴量を生成し、問題の種類に基づいて、(線形回帰、ロジスティック回帰、深層学習、時系列予測、勾配ブースティングなどの ML 手法を使用して) 何百もの予測モデルをテストして、データセットに基づいて最も正確な予測を行うモデルを作成します。モデル予測を Amazon QuickSight と共有して、従来のビジネスインテリジェンスと予測データを同じインタラクティブなビジュアルで組み合わせるダッシュボードを構築できます。さらに、SageMaker Canvas モデルを共有して QuickSight に直接統合できるため、アナリストは QuickSight ダッシュボード内で新しいデータについての高精度の予測を生成できます。

SageMaker Canvas で作成されたカスタムモデルを使用して、単一またはバッチで ML 予測を生成できます。SageMaker Canvas では、自動バッチ予測ワークフローを設定し、それにデータセットを関連付けることができます。関連するデータセットが手動またはスケジュールで更新されると、対応するモデルでバッチ予測ワークフローが自動的にトリガーされます。その後、予測結果をインラインで確認することも、ダウンロードして確認することもできます。 

SageMaker Canvas は、データサイエンティストとのコラボレーションを容易にします。SageMaker Canvas で作成したモデルを、SageMaker Studio を使用しているデータサイエンティストと共有することができます。更新されたモデルをレビュー、更新、共有することができるので、SageMaker Canvas で更新されたモデルを分析し、予測を生成することができます。

データサイエンティストは、他のツールで作成した機械学習モデルを SageMaker Model Registry に一旦登録すれば共有できるので、お客様は SageMaker Canvas でこれらのモデルを使って予測を生成することができます。データサイエンティストは、SageMaker Autopilot モデルや SageMaker JumpStart のトレーニング済みモデルも共有できるため、データサイエンティストが構築したモデルに対して高精度の予測を生成することができます。

Amazon SageMaker Canvas で作成された ML モデルを 1 回のクリックで SageMaker Model Registry に登録できるため、ML モデルを本番環境で運用できます。SageMaker Canvas でモデルを作成して仮説分析を実行し、単一予測または一括予測を生成したら、そのモデルを SageMaker Model Registry に登録して、そのモデルを既存のモデルデプロイ CI/CD プロセスに統合できます。