นำโมเดลพื้นฐานจาก SageMaker Canvas ไปใช้งานจริง
Amazon SageMaker Canvas รองรับการนำโมเดลพื้นฐาน (FM) ไปใช้จริงในตำแหน่งข้อมูลการอนุมานแบบเรียลไทม์ของ SageMaker แล้ว คุณจึงสามารถนำความสามารถของ AI ช่วยสร้างมาใช้งานจริงและนำไปใช้นอกพื้นที่ทำงาน Canvas ได้ SageMaker Canvas เป็นพื้นที่ทำงานแบบไม่ใช้โค้ดที่ช่วยให้นักวิเคราะห์และนักวิทยาศาสตร์ข้อมูลทั่วไปสามารถสร้างการคาดการณ์ ML ที่ถูกต้องแม่นยำและใช้ความสามารถของ AI ช่วยสร้างได้
SageMaker Canvas มอบการเข้าถึง FM ที่ขับเคลื่อนโดย Amazon Bedrock และ SageMaker JumpStart, รองรับการปรับแต่งที่ใช้ RAG และปรับแต่ง FM ได้อย่างละเอียด ตั้งแต่วันนี้เป็นต้นไป คุณสามารถนำ FM ที่ขับเคลื่อนโดย SageMaker JumpStart เช่น Falcon-7B, Llama-2 และอื่นๆ ไปใช้จริงในตำแหน่งข้อมูล SageMaker ได้แล้ว ซึ่งช่วยให้การผสานความสามารถของ AI ช่วยสร้างเข้ากับแอปพลิเคชันของคุณนอกพื้นที่ทำงาน SageMaker Canvas เป็นไปอย่างง่ายดายยิ่งขึ้น FM ที่ขับเคลื่อนโดย Amazon Bedrock สามารถเข้าถึงได้แล้วโดยใช้ API นอกพื้นที่ทำงาน SageMaker รายการเดียว การปรับกระบวนการนำไปใช้จริงให้ง่ายขึ้นทำให้ SageMaker Canvas สร้างมูลค่าได้รวดเร็วยิ่งขึ้น และช่วยให้มั่นใจได้ว่าการทดลองจะเปลี่ยนผ่านไปสู่การใช้งานจริงได้อย่างราบรื่น
ในการเริ่มต้นใช้งาน ให้เข้าสู่ระบบ SageMaker Canvas เพื่อเข้าถึง FM ที่ขับเคลื่อนโดย SageMaker JumpStart เลือกโมเดลที่ต้องการและนำโมเดลไปใช้งานจริงด้วยการกำหนดค่าตำแหน่งข้อมูลที่เหมาะสม เช่น ไม่มีกำหนด หรือภายในช่วงเวลาที่กำหนด ทั้งนี้จะมีการเรียกเก็บค่าบริการสำหรับการอนุมานของ SageMaker ตามโมเดลที่นำไปใช้จริง ผู้ใช้รายใหม่สามารถเข้าถึงเวอร์ชันล่าสุดได้โดยการเปิดใช้งาน SageMaker Canvas จากคอนโซล AWS โดยตรง ผู้ใช้รายเดิมสามารถเข้าถึง SageMaker Canvas เวอร์ชันล่าสุดได้โดยคลิก “ออกจากระบบ” และกลับเข้าสู่ระบบอีกครั้ง
โดยฟีเจอร์ที่เพิ่มเข้ามานี้จะพร้อมให้ใช้งานใน AWS Region ทุกแห่งที่รองรับ SageMaker Canvas ดูเพิ่มเติมในเอกสารประกอบสำหรับผลิตภัณฑ์ SageMaker Canvas