- 機器學習›
- Amazon SageMaker AI›
- Amazon SageMaker Canvas 功能
使用 Amazon Q Developer 進行聊天導向的 ML 開發
將業務問題轉譯為 ML 工作流程
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。
使用引導式工作流程建置 ML 模型
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。
資料科學最佳實務
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。
讓 ML 工作流程具有透明度
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
資料來源
資料視覺化
無程式碼資料轉換
Data Pipelines
存取和建置 ML 模型
自訂 ML 模型
即用型表格式、CV 和 NLP 模型
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。
模型評估
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。
基礎模型
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
互動式假設分析和批次預測
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。
支援即時預測
Amazon QuickSight 整合
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。
利用 MLOps
SageMaker Model Registry 整合
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。
與 SageMaker Studio 共用模型
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。