我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料，以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用，但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。 如果您同意，AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定，並顯示相關內容，包括相關廣告。若要接受或拒絕所有非必要 Cookie，請按一下「接受」或「拒絕」。若要進行更詳細的選擇，請按一下「自訂」。
必要 Cookie 對於我們所提供的網站和服務而是必要的，而且無法停用。它們的設定通常是對您在網站上的動作的回應，例如，設定您的隱私偏好、登入或填寫表單。
效能 Cookie 提供有關客戶如何瀏覽我們網站的匿名統計資料，以便我們改善網站體驗和效能。獲核准的第三方可代表我們執行分析，但他們無法將資料用於自己的用途。
功能 Cookie 可協助我們提供實用的網站功能、記住您的偏好設定，以及顯示相關內容，獲核准的第三方可能會設定這些 Cookie 以提供特定網站功能。若您不允許這些 Cookie，則部分或全部服務可能無法正常運作。
我們或我們的廣告合作夥伴可以透過網站對廣告 Cookie 進行設定，協助我們提供相關的行銷內容。若您不允許這些 Cookie，您將看到相關程度較低的廣告。
封鎖部分類型的 Cookie 可能會影響您在使用我們的網站時的體驗。您可以隨時在本網站頁尾按一下「Cookie 偏好設定」來變更您的 Cookie 偏好設定。若要進一步了解我們和獲核准的第三方如何在我們的網站上使用 Cookie，請閱讀我們的 AWS Cookie 通知。
我們會在 AWS 網站和其他資產上顯示與您興趣相關的廣告，包括跨情境行為廣告。跨情境行為廣告使用來自一個網站或應用程式的資料，在不同公司的網站或應用程式上向您投放廣告。
若要不允許 AWS 根據 Cookie 或類似技術進行跨情境行為廣告，請在下方選取「不允許」並「儲存隱私權選擇」，或造訪已啟用法律認可拒絕訊號的 AWS 網站，例如全域隱私權控制。如果您刪除 Cookie 或從其他瀏覽器或裝置造訪本網站，您需要重新選擇。如需關於 Cookie 及其使用方式的詳細資訊，請參閱 AWS Cookie 聲明。
若要不允許所有其他 AWS 跨情境行為廣告，請透過電子郵件填寫此表單。
如需有關 AWS 如何處理您的資訊的詳細資訊，請閱讀 AWS 隱私權聲明。
我們目前只會儲存基本 Cookie，因為我們無法儲存您的 Cookie 偏好設定。如果您想要變更 Cookie 偏好設定，請稍後使用 AWS 主控台頁尾中的連結重試，如果問題仍存在，請聯絡支援部門。
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。
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 Rekognition、Amazon 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。
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。
與 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。
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。