Amazon SageMaker Canvas 功能

使用視覺化介面建置高準確性的 ML 模型,無需使用程式碼

使用 Amazon Q Developer 進行聊天導向的 ML 開發

Amazon Q Developer 可協助彌合業務挑戰與 ML 模型之間的差距。Q Developer 能夠專業地將業務問題轉譯為逐步的 ML 工作流程,並使用非技術語言來解釋 ML 術語。

Amazon Q Developer 會在模型開發的每個步驟中專業地為使用者提供指導,從資料準備作業到建置、訓練和部署 ML 模型。Amazon Q Developer 使用聊天介面提供關聯式協助,並協助使用者輕鬆掌握端對端機器學習工作流程,進而建置生產就緒的 ML 模型。

Amazon Q Developer 的確定性管道建置器和先進的 AutoML 技術,能夠提供模型建立過程的可重複性和準確性。透過為使用者提供進階資料科學功能,Q Developer 能夠在對模型效用保持信任的情況下,讓快速實驗變得可行。

Amazon Q Developer 會維護原始和已轉換資料集等成品,以及使用自然語言建立的資料準備管道。此外,使用 Q Developer 建置的模型可以註冊至 SageMaker 模型註冊表,並且能夠匯出模型筆記本以用於進一步的自訂和整合作業。

準備資料

SageMaker Canvas 連線至 50 多個資料來源,或者您可以上傳本機檔案以訓練您的 ML 模型。支援表格式、影像或文字資料。您還可以使用 SQL 編寫查詢以存取資料來源,並以各種檔案格式 (例如 CSV、Parquet、ORC 和 JSON,以及資料庫資料表) 直接匯入資料。
透過 SageMaker Canvas 無程式碼介面,您可以使用內建或自訂視覺化來探索、視覺化和分析資料。只需點按一下,您就可以產生「資料品質」和「洞見」報告來驗證資料品質,例如確保資料集不包含遺失的值或重複資料列,也可以偵測異常值、類別不平衡和資料洩漏等異常狀況。
SageMaker Canvas 提供 300 多種預先建置的、基於 PySpark 的資料轉換供您選擇,因此您無需編寫任何程式碼即可轉換資料。或者,您也可以使用基礎模型支援的聊天介面來準備資料。
SageMaker Canvas 可讓您輕鬆啟動或排程資料準備工作流程,以快速處理資料並跨資料集擴展資料準備,將其匯出到 SageMaker Studio 筆記本,或與 SageMaker Pipelines 整合。

存取和建置 ML 模型

透過 SageMaker Canvas 無程式碼介面,您可以使用公司資料自動建置自訂 ML 模型。選取和準備資料並確定要預測的內容後,SageMaker Canvas 會識別問題類型,根據問題類型測試數百個 ML 模型 (使用線性迴歸、邏輯迴歸、深度學習、時間序列預測和漸層增強等 ML 技術),並建立一個自訂模型,根據您的資料集做出最準確的預測。或者,您可以為 SageMaker Canvas 配置您自己先前建置的模型,並部署模型以進行推論。

SageMaker Canvas 提供對即用型表格式、NLP 和 CV 模型的存取,適用於情緒分析、影像中的物件偵測、影像中的文字偵測,以及實體擷取等用例。即用型模型不需要建置模型,而且由 AWS AI 服務提供支援,包括 Amazon RekognitionAmazon Textract,以及 Amazon Comprehend

建立模型之後,您可以在使用公司資料將模型部署到生產之前,評估模型的表現。您可以輕鬆比較模型回應,並根據您的需求選取最佳回應。

SageMaker Canvas 提供對即用基礎模型 (FM) 的存取,用於產生內容、文字擷取和文字摘要。 您可以存取 Claude 2、Llama-2、Amazon Titan、Jurassic-2 和 Command (採用 Amazon Bedrock 技術) 等 FM,以及 Falcon、Flan-T5、Mistral、Dolly 和 MPT (採用 SageMaker JumpStart 技術) 等公開可用 FM,並使用您自己的資料來進行調整。

產生 ML 預測

SageMaker Canvas 提供可視化的「假設」分析,因此您可以變更模型輸入,然後了解變更影響個別預測的方式。您可以為整個資料集建立自動批次預測,而且當資料集更新時,您的 ML 模型也會自動更新。ML 模型更新後,您可以從 SageMaker Canvas 無程式碼介面檢閱更新的預測。

您可以將 SageMaker Canvas 模型部署到 SageMaker 端點,以進行即時推論。

Amazon QuickSight 共用模型預測以建置儀表板,以將傳統商業智慧和預測資料結合在相同的互動視覺中。此外,SageMaker Canvas 模型可以直接在 QuickSight 中共用和整合,使分析師能夠在 QuickSight 儀表板中為新資料產生高度準確的預測。

利用 MLOps

您只需點按一下,即可將在 SageMaker Canvas 中建立的 ML 模型註冊至 SageMaker Model Registry,以將模型整合到現有的模型部署 CI/CD 進程中。

您可以與使用 SageMaker Studio 的資料科學家共用您的 SageMaker Canvas 模型。然後,資料科學家可以檢閱、更新並與您共用更新的模型,或部署您的模型以進行推論。