Amazon SageMaker Catalog
ค้นพบ กำกับดูแล และประสานการทำงานด้านข้อมูลและ AI อย่างปลอดภัย
ภาพรวม
Amazon SageMaker Catalog ช่วยลดความซับซ้อนในการค้นหา การกำกับดูแล และการทำงานร่วมกันสำหรับข้อมูลและ AI ในข้อมูลแบบมีโครงสร้างและข้อมูลที่ไม่มีโครงสร้าง โมเดล AI แดชบอร์ดระบบอัจฉริยะทางธุรกิจ และแอปพลิเคชันของคุณ ผู้ใช้สามารถค้นพบและเข้าถึงข้อมูลและโมเดลที่ได้รับการอนุมัติได้อย่างปลอดภัยโดยใช้การค้นหาเชิงความหมายด้วยข้อมูลเมตาที่สร้างขึ้นโดย AI ช่วยสร้าง หรือเพียงแค่ถาม Amazon Q Developer ด้วยภาษาธรรมชาติเพื่อค้นหาข้อมูลของคุณ ผู้ใช้สามารถกำหนดและบังคับใช้นโยบายการเข้าถึงได้อย่างสม่ำเสมอโดยใช้โมเดลการอนุญาตเพียงหนึ่งเดียว พร้อมการควบคุมการเข้าถึงแบบละเอียดใน สตูดิโอแบบครบวงจรของ Amazon SageMaker แชร์และทำงานร่วมกันกับข้อมูลและแอสเซท AI ได้อย่างราบรื่นผ่านเวิร์กโฟลว์การเผยแพร่และสมัครรับข้อมูลที่ง่ายดาย สร้างความเชื่อมั่นทั่วทั้งองค์กรของคุณด้วยการตรวจสอบคุณภาพข้อมูล การจำแนกประเภทข้อมูล และการติดตามแหล่งที่มาของข้อมูลระดับคอลัมน์แบบอัตโนมัติที่เส้นทางขั้นตอนของข้อมูลสำหรับข้อมูลและทรัพย์สินด้าน AI ของคุณ
ประโยชน์
ค้นพบข้อมูลและแอสเซท AI ในทุกระดับด้วย SageMaker Catalog ซึ่งสร้างขึ้นบน Amazon Datazone ปรับปรุงการค้นพบข้อมูลด้วย AI ช่วยสร้างเพื่อเพิ่มข้อมูลและข้อมูลเมตากับบริบททางธุรกิจโดยอัตโนมัติ ซึ่งทำให้ผู้ใช้ทุกรายสามารถค้นหา ทำความเข้าใจ และใช้ข้อมูลได้อย่างง่ายขึ้น แชร์ข้อมูล โมเดล AI, พร้อมท์ และแอสเซท AI ช่วยสร้างด้วยการกรองตามชื่อตารางและคอลัมน์หรืออภิธานคำศัพท์ทางธุรกิจ แนะนำคอลัมน์ที่มีค่าและแอปพลิเคชันการวิเคราะห์ที่เกี่ยวข้องโดยอัตโนมัติสำหรับชุดข้อมูลแต่ละชุด ซึ่งทำให้สามารถนำข้อมูลที่ถูกต้องมาใช้เพื่อสร้างโมเดลที่เหมาะสมได้อย่างรวดเร็ว รองรับทั้งโมเดลการกำกับดูแลแบบรวมศูนย์และแบบกระจายศูนย์ด้วยการแชร์ข้อมูลที่ราบรื่นและการแชร์ AI ผ่านการเผยแพร่และสมัครรับข้อมูลเวิร์กโฟลว์ในประสบการณ์เดียวผ่านโปรเจกต์ต่าง ๆ
-
รับความไว้วางใจผ่านการแสดงผลคุณภาพข้อมูล พร้อมด้วยข้อมูลและเส้นทางขั้นตอนของข้อมูลของ ML แบบเรียลไทม์ใน SageMaker จัดทำโปรไฟล์ข้อมูลและคำแนะนำด้านคุณภาพของข้อมูลโดยอัตโนมัติ ตรวจสอบกฎคุณภาพข้อมูล และรับการแจ้งเตือน แก้ไขปัญหาด้านคุณภาพของข้อมูลที่ค้นหาได้ยากโดยใช้แนวทางตามกฎและแนวทางของ ML เพื่อประสานเอนทิตีเพื่อให้คุณสามารถส่งมอบข้อมูลคุณภาพสูงเพื่อตัดสินใจทางธุรกิจได้อย่างมั่นใจ เพิ่มความโปร่งใสในไปป์ไลน์ข้อมูลและโปรเจกต์ AI ด้วยการตรวจติดตามโมเดลในตัว เพื่อตรวจจับอคติหรือรายงานว่าฟีเจอร์มีส่วนช่วยในการคาดการณ์โมเดลของคุณอย่างไร
-
รวมศูนย์ข้อมูลและการรักษาความปลอดภัยของ AI ใน SageMaker ด้วยการควบคุมการเข้าถึงอย่างละเอียด การจัดหมวดหมู่ข้อมูล และกฎควบคุมระบบเพื่อให้แน่ใจว่ามีการใช้ข้อมูล การวิเคราะห์ และโมเดล AI ใช้อย่างเหมาะสม กำหนดสิทธิ์เพียงครั้งเดียวแล้วบังคับใช้สิทธิ์เหล่านั้นในข้อมูลและโมเดลต่าง ๆ เมื่อใช้ Amazon Bedrock ที่ผสานรวมแบบเนทีฟ ลูกค้าจึงสามารถใช้กฎควบคุมระบบของ Amazon Bedrock ในแอปพลิเคชัน AI ช่วยสร้างโดยการบล็อกเนื้อหาที่เป็นอันตราย กรองผลลัพธ์เพี้ยน และเปิดใช้งานการป้องกันที่ปรับแต่งได้สำหรับความเป็นส่วนตัว ความปลอดภัย และความถูกต้อง ระบุข้อมูลที่ละเอียดอ่อนภายในระบบของคุณโดยอัตโนมัติโดยใช้ Amazon Comprehend
-
ดำเนินการตามการตรวจสอบและการปฏิบัติตามกฎระเบียบในการใช้ข้อมูล รวมถึงการบันทึกและตรวจสอบโมเดล รองรับการใช้งานที่ยอมรับได้ของการวิเคราะห์และแอสเซท AI ในองค์กรของคุณด้วยการแยกตามโปรเจกต์ ทำความเข้าใจการใช้ข้อมูลและการใช้โมเดใน Lakehouse ของคุณเพื่อความปลอดภัยที่เพิ่มขึ้น ใช้ Amazon SageMaker Clarify เพื่อตรวจสอบโมเดลเพื่อดูความเอนเอียง ความแม่นยำ และความครอบคลุม โดยสอดคล้องกับมาตรฐาน AI ที่มีความรับผิดชอบของคุณ ปรับต้นทุนให้สอดคล้องกับความคิดริเริ่มทางธุรกิจและให้มุมมองที่ชัดเจนเกี่ยวกับการลงทุนทางธุรกิจของคุณ
คุณสมบัติ
แคตตาล็อกข้อมูลและ AI
ค้นหา กำกับดูแล และทำงานร่วมกันในข้อมูลที่มีโครงสร้าง ข้อมูลที่ไม่มีโครงสร้าง โมเดล AI แดชบอร์ด BI และแอปพลิเคชันได้จากแม่แบบรวมเพียงแห่งเดียว
อภิธานศัพท์ธุรกิจ
กำหนดมาตรฐานคำศัพท์ด้วยคำจำกัดความทางธุรกิจที่ใช้ร่วมกันและแบบฟอร์มข้อมูลเมตาที่ปรับแต่งได้ สนับสนุนข้อกำหนดการจำแนกประเภทที่ถูกจำกัด เพื่อบังคับใช้การติดแท็กข้อมูลที่ละเอียดอ่อนอย่างสม่ำเสมอ และเปิดใช้งานเวิร์กโฟลว์การกำกับดูแลในลำดับถัดไป
เส้นทางขั้นตอนของข้อมูล
ติดตามการเคลื่อนที่และเปลี่ยนแปลงของข้อมูลในระบบอย่างไร เส้นทางขั้นตอนของข้อมูลที่เข้ากันได้กับ OpenLineage ช่วยให้ผู้ใช้เข้าใจต้นกำเนิด การเปลี่ยนแปลง และรูปแบบการบริโภค เพื่อปรับปรุงความไว้วางใจ การแก้จุดบกพร่อง และการกำกับดูแล
การติดตามตรวจสอบคุณภาพข้อมูล
ดูตัวชี้วัดคุณภาพข้อมูลจาก AWS และเครื่องมือของบุคคลที่สาม ผู้บริโภคจะได้รับความไว้วางใจและบริบทต่าง ๆ เมื่อทำการค้นหา ในขณะที่ทีมข้อมูลสามารถรวมสัญญาณคุณภาพจากภายนอกผ่าน API เข้าสู่พอร์ทัลรวมเพียงแห่งเดียวได้
Data Discovery
ปรับปรุงข้อมูลเมตาทางเทคนิคด้วยบริบททางธุรกิจ เพื่อให้ผู้ใช้สามารถค้นหา ทำความเข้าใจ และไว้วางใจข้อมูลที่นำมาใช้งานได้อย่างรวดเร็ว
คำแนะนำสำหรับข้อมูลเมตาแบบอัตโนมัติ
ใช้ระบบอัตโนมัติที่ขับเคลื่อนด้วย LLM เพื่อสร้างชื่อและคำอธิบายที่เข้าใจง่ายในเชิงธุรกิจ ซึ่งจะช่วยปรับปรุงบริบท ความสม่ำเสมอ และความชัดเจนของทรัพย์สินทางเทคนิคต่าง ๆ
การค้นหาความหมาย
ค้นหาข้อมูลและโมเดลโดยใช้การสืบค้นภาษาธรรมชาติ การค้นหาเชิงความหมายจะทำความเข้าใจเจตนาของผู้ใช้ บริบท และความสัมพันธ์ของข้อมูล โดยไม่ได้พิจารณาเพียงแค่คำหลักเท่านั้น เพื่อส่งคืนผลลัพธ์ที่มีความเกี่ยวข้องได้ดียิ่งขึ้น
BI Dashboards
เปลี่ยนจากข้อมูลไปสู่ข้อมูลเชิงลึกด้วยการรวบรวมข้อมูลใน SageMaker เข้ากับความสามารถของ Amazon Quick Suite เช่น แดชบอร์ดแบบโต้ตอบ รายงานที่มีความละเอียดแม่นยำสูงและระบบอัจฉริยะทางธุรกิจช่วยสร้าง ทั้งหมดนี้เป็นไปในรูปแบบที่มีการกำกับดูแลและเป็นระบบอัตโนมัติ
ผลิตภัณฑ์ข้อมูล
รวมแอสเซทที่เกี่ยวข้องเข้าด้วยกันเป็นผลิตภัณฑ์ข้อมูลที่เน้นทางด้านธุรกิจ พร้อมด้วยข้อมูลเมตาที่ใช้ร่วมกัน ปรับปรุงการค้นหา รวบรวมการขอสิทธิ์เข้าถึงให้เป็นหนึ่งเดียว และลดภาระงานในการดูแลระบบ พร้อมทั้งช่วยให้ทีมกำกับดูแลสามารถติดตามการใช้งานในระดับผลิตภัณฑ์ได้
ลูกค้า
Natera, Inc
“ด้วยการผสานรวม Amazon QuickSight เข้ากับ Amazon SageMaker ทีมปฏิบัติการในห้องปฏิบัติการและนักวิทยาศาสตร์ของเราสามารถตรวจสอบประสิทธิภาพการทดสอบทางคลินิกในทุกไซต์งานได้แบบเรียลไทม์ในขณะนี้ เราได้พัฒนาแดชบอร์ดแบบรวมศูนย์ที่รวบรวมข้อมูลอัตราการโอนถ่ายข้อมูล ตัวชี้วัดการควบคุมคุณภาพ และระยะเวลาในการดำเนินการ ซึ่งช่วยให้สามารถวิเคราะห์แนวโน้มอย่างละเอียดและเพิ่มประสิทธิภาพการทำงานได้อย่างต่อเนื่อง ตอนนี้นักวิทยาศาสตร์สามารถทำการวิเคราะห์ข้อมูลที่ครอบคลุม ตั้งแต่การตรวจสอบเพื่อค้นหาไปจนถึงการพัฒนาโมเดล ทั้งหมดนี้อยู่ภายในสภาพแวดล้อมแบบผสานรวมเพียงแห่งเดียว”
Mirko Buholzer รองประธานฝ่ายวิศวกรรมซอฟต์แวร์ของ Natera, Inc.
Cisco
“คุณต้องการค้นหา แชร์ และควบคุมดูแลข้อมูลของคุณ ข้อมูลมีอยู่ในทีมต่าง ๆ ในหลาย Silo และคุณต้องการวิธีการรวบรวมข้อมูลเข้าด้วยกัน ไม่ว่าคุณจะเรียกว่าตาข่ายข้อมูลหรือผืนผ้าข้อมูลก็ตาม แคตตาล็อก Amazon SageMaker จะเชื่อมต่อผู้ผลิตข้อมูลและผู้บริโภคเข้าด้วยกัน ทำให้ผู้ผลิตสามารถแชร์ข้อมูลโดยใช้การควบคุมในตัวและสัญญาข้อมูลได้ในขณะที่อนุญาตให้ผู้บริโภคสามารถเข้าถึงข้อมูลโดยใช้เครื่องมือที่ต้องการได้”
Shaja Arul Selvamani ผู้อำนวยการอาวุโสฝ่าย AI/ML ของ Cisco
NatWest
“ทีมวิศวกรรมแพลตฟอร์มข้อมูลของเราได้นำเครื่องมือสำหรับผู้ใช้ปลายทางหลายอย่างมาใช้ในงานด้านวิศวกรรมข้อมูล ML, SQL และ AI ช่วยสร้าง ขณะที่เราต้องการลดความซับซ้อนของกระบวนการทั่วทั้งธนาคาร เราก็ได้มองหากาเพิ่มประสิทธิภาพในการยืนยันตัวตนผู้ใช้และการอนุญาตการเข้าถึงข้อมูล Amazon SageMaker มอบประสบการณ์ผู้ใช้สำเร็จรูปเพื่อช่วยให้เราใช้งานในสภาพแวดล้อมเดียวภายในองค์กร ซึ่งช่วยลดเวลาที่ผู้ใช้ข้อมูลของเราใช้ในการเข้าถึงเครื่องมือใหม่ ๆ ได้ประมาณ 50%”
Zachery Anderson ประธานเจ้าหน้าที่ฝ่ายวิเคราะห์ข้อมูลของ NatWest Group
เริ่มต้นใช้งานแค็ตตาล็อก Amazon SageMaker
วันนี้คุณพบสิ่งที่กำลังมองหาแล้วหรือยัง
การแจ้งให้เราทราบจะช่วยให้เราปรับปรุงคุณภาพของเนื้อหาในหน้าได้