Amazon SageMaker Canvas
Gere previsões de ML precisas, sem usar códigoO que é o SageMaker Canvas?
O Amazon SageMaker Canvas é uma interface visual sem código que permite preparar dados, criar e implantar modelos de ML altamente precisos, simplificando o ciclo de vida de ML de ponta a ponta em um ambiente unificado. Você pode preparar e transformar dados em escala de petabytes por meio de interações do tipo apontar e clicar e linguagem natural, com a tecnologia do SageMaker Data Wrangler. Você pode aproveitar o poder do AutoML e criar automaticamente modelos de ML personalizados para regressão, classificação, previsão de séries temporais, processamento de linguagem natural e visão computacional, com o suporte do SageMaker Autopilot. Você também pode acessar, avaliar, ajustar e implantar modelos básicos do Amazon Bedrock e do SageMaker JumpStart com apenas alguns cliques. O Canvas promove a colaboração entre as equipes, fornece transparência ao código gerado e garante a governança por meio do controle de versionamento e acesso do modelo. Com o Canvas, você pode acelerar a inovação e aumentar a produtividade criando rapidamente modelos de ML personalizados ou ajustando modelos básicos para atender às suas necessidades comerciais, independentemente da sua experiência em codificação.
Benefícios do SageMaker Canvas
Desenvolva em todo o ciclo de vida de ML
Aproveite os recursos de machine learning de ponta a ponta, incluindo a preparação de dados com o Data Wrangler e o treinamento do modelo AutoML com o Autopilot, tudo por meio de uma interface visual sem código.
Prepare seus dados com linguagem natural e interface do tipo apontar e clicar em escala de petabytes
- Acesse e importe dados de mais de 50 fontes, incluindo Amazon S3, Athena, Redshift, Snowflake e Databricks
- Melhore a qualidade dos dados e o desempenho do modelo com mais de 300 análises e transformações pré-criadas
- Utilize a linguagem natural para analisar e transformar seus dados
- Crie e refine visualmente seus pipelines de dados com uma interface intuitiva de baixo código ou sem código
- Escale para dados do tamanho de petabytes com alguns cliques
Treine e avalie modelos em vários tipos de problemas
- Aproveite o potencial do AutoML para explorar e otimizar automaticamente modelos para seu caso de uso específico
- Treine modelos para regressão, classificação, previsão de séries temporais, processamento de linguagem natural, visão computacional e ajuste modelos de base com apenas alguns cliques
- Personalize seu treinamento de modelo com opções flexíveis para métricas objetivas, divisões de dados e controles de modelo, como seleção de algoritmos e hiperparâmetros
- Obtenha insights sobre o desempenho do modelo com visualizações interativas, explicações de modelos
- Selecione o modelo com melhor desempenho em uma tabela de classificação de modelos e exporte o código gerado para maior personalização
Gere previsões precisas em grande escala: em lote ou em tempo real
- Realize previsões interativas e análises hipotéticas diretamente no aplicativo
- Implante modelos com um único clique em um endpoint do SageMaker para inferência em tempo real ou execute previsões em lote ad-hoc ou com programações automatizadas
- Garanta a governança e o controle de versão registrando modelos no SageMaker Model Registry
- Compartilhe facilmente modelos com o Amazon SageMaker Studio para personalização e colaboração avançadas
- Visualize e compartilhe previsões com as partes interessadas usando o Amazon QuickSight para melhorar a tomada de decisões
Crie com modelos básicos
- Compare e selecione facilmente o modelo de base mais adequado para sua tarefa
- Ajuste os modelos básicos usando seu conjunto de dados de treinamento rotulado para casos de uso comercial com apenas alguns cliques
Use sua IA generativa
- Consulte seus próprios documentos e bases de conhecimento armazenados no Amazon Kendra para gerar resultados personalizados
- Obtenha insights sobre o desempenho do modelo com visualizações interativas, explicações de modelos e tabelas de classificação
- Produza e implante os modelos de base mais adequados para endpoints do SageMaker em tempo real