Amazon SageMaker Canvas công bố các khả năng mới cho mô hình dự báo chuỗi thời gian
Amazon SageMaker Canvas công bố các khả năng mới để xây dựng, đánh giá và triển khai mô hình dự báo chuỗi thời gian, mang lại sự linh hoạt và khả năng sử dụng dễ dàng hơn để phát triển các ứng dụng dự báo. Amazon SageMaker Canvas là một không gian làm việc không dùng mã, cho phép các nhà phân tích và nhà khoa học dữ liệu cộng đồng xây dựng, tùy chỉnh và triển khai các mô hình máy học (ML) để đưa ra các dự đoán chính xác.
Để xây dựng mô hình dự báo chuỗi thời gian, SageMaker Canvas sử dụng tối đa sáu thuật toán tích hợp để tạo một tập hợp mô hình tùy chỉnh cho từng mục trong chuỗi thời gian của bạn, lập ra các mô hình có độ chính xác cao. Bắt đầu từ hôm nay, SageMaker Canvas giúp bạn nắm được các thuật toán này và linh hoạt lựa chọn cách kết hợp bất kỳ của các thuật toán này để xây dựng mô hình dự báo chuỗi thời gian của bạn. Sau khi mô hình được xây dựng, SageMaker Canvas cung cấp một bảng xếp hạng các mô hình có thể thích hợp, cùng với đề xuất về mô hình tốt nhất dựa trên tập dữ liệu của bạn và vấn đề cần giải quyết. Bạn có thể xem xét các chỉ số hiệu suất chính cho từng mô hình trên bảng xếp hạng và chọn mô hình mong muốn. Sau đó, mô hình đã chọn có thể được triển khai vào sản xuất trên điểm cuối suy luận theo thời gian thực của Amazon SageMaker để sử dụng trong các ứng dụng bên ngoài SageMaker Canvas.
Để sử dụng các khả năng lựa chọn thuật toán, bảng xếp hạng mô hình và triển khai trực tiếp đến các khả năng điểm cuối trong thời gian thực để dự báo chuỗi thời gian, bạn hãy đăng xuất và đăng nhập lại vào SageMaker Canvas. Các khả năng mới hiện đã có ở tất cả các khu vực AWS được hỗ trợ SageMaker Canvas. Để tìm hiểu thêm, hãy tham khảo tài liệu về sản phẩm SageMaker Canvas.