Publicado: Nov 21, 2023
Agora, o Amazon DocumentDB (compatível com MongoDB) se integra ao Amazon SageMaker Canvas para habilitar machine learning (ML) sem código com dados armazenados no Amazon DocumentDB. Os clientes já podem criar modelos de ML para necessidades de regressão e previsão, bem como usar modelos de base para resumir e gerar conteúdo usando dados armazenados no Amazon DocumentDB sem escrever uma única linha de código. A nova integração elimina o trabalho pesado genérico quando os clientes se conectam e acessam dados no Amazon DocumentDB, além de acelerar o desenvolvimento de ML com uma experiência sem código.
O SageMaker Canvas oferece uma interface visual que permite aos clientes do Amazon DocumentDB gerar previsões sem precisar de nenhuma especialização em IA/ML ou escrever uma única linha de código. Agora, os clientes podem iniciar o espaço de trabalho do SageMaker Canvas no console do Amazon DocumentDB e importar e associar dados do Amazon DocumentDB para preparação de dados e treinamento de modelos. Os dados no Amazon DocumentDB já podem ser usados no SageMaker Canvas a fim de criar e aumentar modelos para prever rotatividade de clientes, falhas de manutenção e métricas de negócios, bem como detectar fraudes e gerar conteúdo. Agora, os clientes podem publicar e compartilhar insights orientados por ML entre equipes usando a integração nativa do SageMaker Canvas com o Amazon QuickSight. Por padrão, os pipelines de ingestão de dados no SageMaker Canvas são executados em instâncias secundárias do Amazon DocumentDB para garantir que a performance das workloads de ingestão da aplicação e do SageMaker Canvas não seja prejudicada.
Os clientes do Amazon DocumentDB podem começar a usar o SageMaker Canvas navegando até a nova página do console de ML sem código do Amazon DocumentDB e conectando-se a espaços de trabalho novos ou disponíveis do SageMaker Canvas. A integração está disponível para o público em geral nas regiões que oferecem o Amazon DocumentDB e o SageMaker Canvas.