Publicado: Jun 8, 2021
O Amazon SageMaker Data Wrangler reduz o tempo para agregação e preparação de dados para machine learning (ML) de semanas para minutos. Com o SageMaker Data Wrangler, é possível simplificar o processo de preparação de dados e engenharia de recursos e concluir cada etapa do fluxo de trabalho de preparação de dados, incluindo seleção, limpeza, exploração e visualização de dados em uma única interface visual. A partir de hoje, você pode usar o Snowflake como fonte de dados no Amazon SageMaker Data Wrangler para preparar facilmente os dados no Snowflake para machine learning.
Com o Snowflake como fonte de dados para o Amazon SageMaker Data Wrangler, agora você pode se conectar ao Snowflake de forma rápida e fácil sem escrever uma única linha de código. Além disso, agora você pode juntar seus dados no Snowflake com dados armazenados no Amazon S3 e dados consultados por meio do Amazon Athena e do Amazon Redshift para preparar dados para machine learning. Uma vez conectado, você pode consultar interativamente os dados armazenados no Snowflake, transformar facilmente os dados com mais de 300 transformações de dados pré-configuradas, entender os dados e identificar erros potenciais e valores extremos com um conjunto de modelos de visualização pré-configurados robustos. Você também pode identificar rapidamente inconsistências no seu fluxo de trabalho de preparação de dados e diagnosticar problemas antes que os modelos sejam implantados na produção. Por fim, você pode exportar seu fluxo de trabalho de preparação de dados para o Amazon S3 para uso com outros recursos do SageMaker, como o Amazon SageMaker Autopilot, o Amazon SageMaker Feature Store e o Amazon SageMaker Pipelines.
Para saber mais sobre a integração do Snowflake com o Amazon SageMaker Data Wrangler, consulte o blog. Para começar a usar o Amazon SageMaker Data Wrangler, acesse nossa documentação e a página da Web.