平均每月免費提供 160 個工作區執行個體小時
使用 AWS 免費方案的前 2 個月
使用視覺化點選式介面，針對分類、迴歸、預測、自然語言處理 (NLP) 和電腦視覺 (CV) 產生準確的 ML 預測。
存取即可使用的基礎模型或預測模型，或自動建立自訂 ML 模型，讓您只需點選幾下即可產生輸出。
透過跨工具共用、審查和更新 ML 模型，促進業務分析師和資料科學團隊之間的協作。
隨時隨地匯入 ML 模型並直接在 Amazon SageMaker Canvas 中產生預測。
Amazon SageMaker Canvas 可讓業務分析師和資料科學團隊建立自己的模型，而無需編寫任何一行程式碼。您可以為迴歸和預測等常見使用案例建立 ML 模型。此外，您還可以從 Amazon Bedrock 或 Amazon SageMaker JumpStart 的公用 FM 來存取和評估基礎模型 (FM) 來產生內容、擷取文字和摘要文字以支援生成式 AI 解決方案。
運作方式
透過 Amazon SageMaker Canvas 無程式碼介面，您可以存取即用的 FM 和預測模型，或建立自訂模型，以擷取資訊並在數分鐘內產生 AI 輸出。Canvas 支援來自 Amazon Bedrock 的 FM，包含 Claude、Titan 和Jurassic，以及 SageMaker JumpStart 的公用模型，例如 Falcon 和 MPT。在 SageMaker Canvas 中使用這些 FM 可讓您產生、擷取和摘要內容。此外，您還可以使用即用模型來分析、物件偵測或文件分析的模型來分析和分類內容。 要開始使用即可使用的模型，只需點選一下即可選擇模型、上傳資料並產生模型輸出。
您還可以建置自己的分類、迴歸、預測、文字分類或影像分類的自訂模型，完全不需要編寫程式碼。若要開始使用自訂模型，您可以從不同來源匯入資料、選取要預測的值、自動準備並探索資料，以及按幾下滑鼠建立機器學習模型。此外，商業和資料科學家團隊也可以協作。在 SageMaker Canvas 中建置的模型可以與使用 SageMaker Studio 的資料科學家共用，以供審查與更新。資料科學家還可共用在任何地方建置的 ML 模型，讓您無需編寫任何程式碼，即可在 SageMaker Canvas 中對這些模型產生 AI 輸出。
使用案例
產生銷售和行銷內容
製作個人化、引人入勝且高品質的銷售和行銷內容，例如社群媒體貼文、產品描述和電子郵件行銷活動。
摘要內容
製作文章、部落格文章和文件的簡潔摘要，藉此找出最重要的資訊、強調關鍵重點內容，以及更快速萃取資訊。
偵測任意格式文字中的情緒
偵測產品評論、客戶支援工單或文件中文字行的情緒，例如正面、負面、中性或混合。
從文件中擷取資訊
分析並擷取各種文件中的資訊，例如保險理賠、發票、費用報告或身分文件。
識別影像中的物件和文字
自動識別影像中的物件、概念、場景和文字行。
預測客戶流失
使用產品消費和購買歷史資料，來揭示客戶流失模式並預測未來有流失風險的客戶。
有效地規劃庫存
透過將歷史銷售資料和需求資料與關聯的 Web 流量、定價、產品類別，以及假期資料相結合來預測庫存量。
將影像分類
根據業務特定的自訂類別來分類影像，例如識別裝配線上的瑕疵產品、將產品分類以進行庫存管理，或執行車輛損壞評估，以加速保險理賠處理。
將文字分類
根據業務特定的自訂類別來分類文字行，例如社交媒體意見回饋、客戶支援工單或產品評論。
客戶成功案例
Samsung Electronics 是總部位於南韓的全球化公司，為世界各地的人們提供手機、電腦及智慧型裝置等技術。該公司的 Samsung 裝置解決方案部門專注於電子裝置內部的工作，以盡可能提供最大效能、可靠性和使用壽命。
「Amazon SageMaker Canvas 的使用方式非常簡單，且介面易於使用。即使像我這樣的商業分析師也可以使用機器學習來分析資料並取得洞察。」
Samsung Electronics 行銷情報部經理 Dooyong Lee
Clarium 是一個醫療保健供應鏈平台，利用機器學習和資料工具，以透過最佳化庫存量，降低成本和提高運營效率來增強醫療保健提供者的能力。
「我們的客戶經常由於自己資料的品質和整合而遭受阻礙，這一挑戰在美國各醫院中無處不在。此外，不一致的品質保證實務和零散的資料程序累積了數十年，導致清理、驗證和整合數十億列錯誤資料的任務十分艱鉅。為協助他們解決這項挑戰，我們的分析團隊使用 Amazon SageMaker Canvas 來衍生、清理和標準化美國醫療保健服務提供者無限數量來源的資料，讓他們能夠輕鬆建置自訂文字分類模型，而且無需撰寫程式碼。憑藉 SageMaker Canvas，我們為客戶提供經驗證且標準化的 ERP 資料產品描述和分類、經驗證的程序化臨床使用資料分類，以及專為優化患者照護品質而設計的資料驅動建議，同時還能降低成本並節省時間。透過為客戶提供值得信任的資料和尖端的分析技術，我們讓他們能夠高瞻遠矚，並為醫療保健打造更光明的未來，而不是不斷追逐現在。」
Clarium Health 分析主管 Justin Jacobson
Siemens Energy 正在為社會注入活力。他們正在環境、社會和治理 (ESG) 等主要重點領域進行轉型，並且他們的創新正在為合作夥伴和員工帶來與今天截然不同的未來。
「Siemens Energy 資料科學策略的核心是，讓所有商業使用者無需資料科學專家即可試驗不同的資料來源和機器學習架構，從而發揮機器學習的力量。這讓我們能夠提高能源解決方案的創新和數位化速度，例如分派優化工具和診斷服務。我們發現，Amazon SageMaker Canvas 是 Siemens Energy 機器學習工具組的重要補充，因為它允許商業使用者執行實驗，同時還可以與資料科學團隊共用和協作。合作很重要，因為這有助於我們將更多的 ML 模型生產化，並確保所有模型都符合我們的品質標準和政策。」
Siemens Energy 工業應用資料科學團隊負責人 Davood Naderi
自 2004 年以來，Koch Industries 的附屬公司 INVISTA 將尼龍 6,6 的專有成分以及知名品牌 (包括 CORDURA 和 ANTRON) 推向市場。
「我們的商業分析師精通資料，我們需要能夠讓他們建立預測模型。然而，同樣重要的是確保我們的資料科學團隊能夠了解所建置的模型，以便他們根據需要提供支援和進行生產。我們預計，Amazon SageMaker Canvas 能夠讓我們的商業使用者和流程工程師能夠開始處理過去由資料科學團隊負責的資料科學問題。Amazon SageMaker Canvas 直覺化的使用者介面和易於導覽的選項，讓商業使用者能夠匯入各種資料，最大限度地減少手動清除資料的需要，並且只需點按幾下，即可套用各種演算法來找到最適合資料的模型。程式碼和資料可透過 Amazon SageMaker Studio 輕鬆傳送給資料科學團隊，讓他們能夠將模型整合至其模型管理系統中，並在企業範圍內全面了解模型。」
Invista 首席資料科學家 Caleb Wilkinson
總部位於德國慕尼黑的 BMW Group 是一家全球高檔汽車和摩托車製造商，旗下品牌包括 BMW、BMW Motorrad、MINI 和勞斯萊斯。其還提供優質的金融和行動性服務。
「使用人工智慧作為一項關鍵技術，這是 BMW Group 數位轉型過程中不可或缺的一部分。該公司已經在整個價值鏈中採用人工智慧，使其能夠為客戶、產品、員工和流程創造附加值。在過去的幾年裡，我們已經將許多以商業價值影響衡量的 BMW Group 頂級使用案例工業化。我們相信，Amazon SageMaker Canvas 可以推動我們的 AI/ML，在整個 BMW Group 進行擴展。藉助 SageMaker Canvas，我們的商業使用者可以輕鬆探索和建置 ML 模型，以做出準確的預測，而無須編寫任何程式碼。此外，SageMaker 還讓我們的中央資料科學團隊能夠相互協作，並商業使用者建立的模型進行評估，之後再推出以進行生產。」