Amazon SageMaker Canvas anuncia novos recursos para modelos de previsão de séries temporais
O Amazon SageMaker Canvas anuncia novos recursos para criar, avaliar e implantar modelos de previsão de séries temporais, oferecendo maior flexibilidade e facilidade de uso na criação de aplicações de previsão. O Amazon SageMaker Canvas é um espaço de trabalho sem código que capacita analistas e cientistas de dados cidadãos a criar, personalizar e implantar modelos de machine learning (ML) para gerar previsões precisas.
Para criar modelos de previsão de séries temporais, o SageMaker Canvas usa até seis algoritmos integrados para criar um conjunto personalizado de modelos para cada item da série temporal, resultando em modelos altamente precisos. A partir de hoje, o SageMaker Canvas oferece visibilidade desses algoritmos e a flexibilidade de escolher qualquer combinação deles para criar modelos de previsão de séries temporais. Após a criação do modelo, o SageMaker Canvas oferece uma tabela de classificação com uma lista ordenada de candidatos a modelos, incluindo uma recomendação para o melhor modelo em função do conjunto de dados e do problema a ser resolvido. Você pode analisar as principais métricas de performance de cada modelo na tabela de classificação e selecionar um modelo de sua escolha. O modelo selecionado pode ser implantado em produção em um endpoint de inferência em tempo real do Amazon SageMaker para uso em aplicações fora do SageMaker Canvas.
Para acessar a seleção de algoritmos, a tabela de classificação de modelos e a implantação direta de recursos de endpoint em tempo real para previsões de séries temporais, saia do SageMaker Canvas e faça login novamente. Esses novos recursos já estão disponíveis em todas as regiões da AWS que oferecem o SageMaker Canvas. Para saber mais, consulte a documentação de produto do SageMaker Canvas.