SageMaker Canvas ปลดล็อก ML แบบไม่มีโค้ดและการเตรียมข้อมูลในระดับเพตะไบต์
ตอนนี้ Amazon SageMaker Canvas มอบความสามารถให้องค์กรใช้ศักยภาพของข้อมูลตนเองได้อย่างเต็มที่ โดยการเปิดใช้งานการรองรับชุดข้อมูลระดับเพตะไบต์ เริ่มตั้งแต่วันนี้เป็นต้นไป คุณสามารถเตรียมชุดข้อมูลขนาดใหญ่ในเชิงโต้ตอบ สร้างกระแสข้อมูลแบบครบวงจร และกระตุ้นการทดลอง AutoML กับข้อมูลเพตะไบต์ ซึ่งเป็นการก้าวกระโดดอย่างใหญ่หลวงจากขีดจำกัด 5GB ก่อนหน้านี้ ด้วยตัวเชื่อมต่อมากกว่า 50 ตัว อินเทอร์เฟซ “แชทกับข้อมูล” ที่ใช้งานง่าย และการรองรับระดับเพตะไบต์ Canvas จึงมีโซลูชัน ML ที่มีโค้ดน้อย/ไม่มีโค้ดแบบปรับขนาดได้สำหรับการจัดการกรณีการใช้งานขององค์กรในโลกแห่งความเป็นจริง
เริ่มตั้งแต่วันนี้ Canvas จะมอบเทคนิคการสุ่มตัวอย่างใหม่ ๆ ให้แก่คุณ เช่น แบบสุ่มและแบบแบ่งชั้น ทำให้มีตัวอย่างได้สูงถึง 200,000 แถว ซึ่งเพิ่มขึ้นถึงสิบเท่า จึงทำให้ง่ายต่อการรวบรวมข้อมูลเชิงลึกด้านคุณภาพของข้อมูลและทำความเข้าใจผลกระทบของการเปลี่ยนแปลงข้อมูลเชิงโต้ตอบก่อนประมวลผลชุดข้อมูลทั้งหมดของคุณ โดยใช้ประโยชน์จากการผสานรวมอย่างราบรื่นแบบใหม่ของเรากับ EMR Serverless Canvas ปรับขนาดการประมวลผลข้อมูลมากกว่า 5GB โดยอัตโนมัติตลอดการสุ่มตัวอย่าง การเตรียมการ การสร้างโมเดล และการอนุมานไปยัง EMR Serverless เป็นการปลดล็อกศักยภาพเชิงคาดการณ์ของข้อมูลคุณอย่างเต็มรูปแบบผ่านประสบการณ์ที่ใช้งานง่าย การใช้งาน EMR Serverless จะมีค่าใช้จ่ายในการกำหนดราคา EMRเพิ่มเติม
การรองรับข้อมูลระดับเพตะไบต์ใหม่และประสบการณ์เชิงโต้ตอบที่ปรับปรุงขึ้นพร้อมให้ใช้งานใน AWS Region ทุกแห่งที่มี SageMaker Canvas ให้บริการ
ในการเริ่มต้นใช้ ML แบบไม่มีโค้ดและการเตรียมข้อมูลของชุดข้อมูลขนาดใหญ่ ให้เปิดใช้งาน “การกำหนดค่าการประมวลผลข้อมูลขนาดใหญ่” ในโดเมน Canvas และโปรไฟล์ผู้ใช้ของคุณโดยใช้เอกสารประกอบทางเทคนิคของเรา และเรียนรู้วิธีใช้ความสามารถใหม่จากบล็อก AWS Machine Learning ผู้ใช้ปัจจุบันควรอัปเดตการตั้งค่าโดเมน SageMaker ตามเอกสารประกอบ ออกจากระบบพื้นที่ทำงานของ Canvas และกลับเข้าสู่ระบบอีกครั้งเพื่อเข้าถึงเวอร์ชันล่าสุด