Amazon SageMaker Canvas

Xây dựng mô hình ML có độ chính xác cao bằng cách sử dụng giao diện trực quan, không cần đến mã

SageMaker Canvas là gì?

Amazon SageMaker Canvas cho phép bạn chuyển đổi dữ liệu ở quy mô petabyte cũng như xây dựng, đánh giá và triển khai các mô hình máy học (ML) sẵn sàng để đưa vào sản xuất mà không cần viết mã. Công cụ này hợp lý hóa vòng đời ML toàn diện trong một môi trường doanh nghiệp thống nhất và bảo mật. Với Nhà phát triển Amazon Q hiện được cung cấp trong SageMaker Canvas, bạn có thể nhận được hướng dẫn trong suốt hành trình ML của mình – từ chuẩn bị dữ liệu cho đến triển khai mô hình – thông qua trò chuyện đàm thoại

SageMaker Canvas thúc đẩy sự cộng tác giữa các nhóm, cung cấp tính minh bạch trong mã được tạo và đảm bảo hoạt động quản trị thông qua các chế độ kiểm soát quyền truy cập và lập phiên bản mô hình. Với SageMaker Canvas, bạn có thể đẩy nhanh quá trình đổi mới và giải quyết các vấn đề kinh doanh nhanh hơn bằng cách khuyến khích mọi người tham gia phát triển ML với mọi cấp độ kỹ năng và bất kể chuyên môn về viết mã.

Lợi ích của SageMaker Canvas

Xây dựng trên toàn bộ vòng đời ML

Tận dụng các chức năng máy học toàn diện, bao gồm chuẩn bị dữ liệu bằng SageMaker Data Wrangler và đào tạo mô hình AutoML bằng Tính năng tự động của SageMaker, thông qua một giao diện trực quan không cần viết mã. Bạn cũng có thể sử dụng Nhà phát triển Amazon Q để nhận hỗ trợ dựa trên AI tạo sinh để xây dựng các mô hình ML. Chỉ cần nêu mục tiêu của bạn bằng ngôn ngữ tự nhiên, sau đó Nhà phát triển Q sẽ chia nhỏ và biên dịch thành một tập hợp các tác vụ ML. Nhà phát triển Q sau đó sẽ hướng dẫn bạn xác định loại vấn đề ML, chuẩn bị dữ liệu và xây dựng, đánh giá và triển khai mô hình.

1

Các bước Sagemaker

Chuẩn bị dữ liệu một cách trực quan ở quy mô petabyte

  • Truy cập và nhập dữ liệu từ hơn 50 nguồn, bao gồm cả Amazon S3, Athena, Redshift, Snowflake và Databricks
  • Cải thiện chất lượng dữ liệu và hiệu suất mô hình với hơn 300 bản phân tích và quá trình chuyển đổi được xây dựng sẵn
  • Xây dựng trực quan và tinh chỉnh các hệ thống dữ liệu với giao diện trực quan, không cần viết nhiều mã/không dùng mã
  • Điều chỉnh quy mô dữ liệu kích thước petabyte bằng vài cú nhấp chuột

2

Nhà phát triển Q

Phát triển ML có hướng dẫn qua trò chuyện với Nhà phát triển Amazon Q

  • Mô tả vấn đề kinh doanh của bạn bằng ngôn ngữ tự nhiên và để Nhà phát triển Amazon Q sẽ hướng dẫn bạn cách giải quyết thông qua toàn bộ quy trình ML bằng giao diện trò chuyện
  • Nhà phát triển Q chia các vấn đề thành các tác vụ ML có thể thực hiện được và hỗ trợ chuẩn bị dữ liệu, xây dựng mô hình, đánh giá và triển khai
  • Đặt câu hỏi và nhận câu trả lời về thuật ngữ ML cũng như dữ liệu và mô hình của bạn
  • Nhà phát triển Q áp dụng các kỹ thuật chuẩn bị dữ liệu và xây dựng mô hình nâng cao, đồng thời cho phép kiểm soát hoàn toàn để bạn tự thực hiện các tác vụ

3

Các bước Sagemaker

Đào tạo và đánh giá các mô hình trên nhiều loại vấn đề

  • Khai thác sức mạnh của AutoML để tự động khám phá và tối ưu hóa các mô hình cho trường hợp sử dụng cụ thể của bạn
  • Đào tạo các mô hình hồi quy, phân loại, dự báo chuỗi thời gian, xử lý ngôn ngữ tự nhiên, thị giác máy tính và tinh chỉnh mô hình nền tảng chỉ bằng vài cú nhấp chuột
  • Điều chỉnh hoạt động đào tạo mô hình với các tùy chọn linh hoạt cho số liệu khách quan, phân chia dữ liệu và điều khiển mô hình như lựa chọn thuật toán và siêu tham số
  • Có được thông tin chi tiết về hiệu suất mô hình với các hình ảnh trực quan giàu tính tương tác và thông tin giải thích mô hình
  • Chọn mô hình hoạt động tốt nhất từ bảng xếp hạng mô hình và xuất mã đã tạo để tùy chỉnh thêm

4

Các bước Sagemaker

Tạo dự đoán chính xác ở quy mô lớn – Hàng loạt hoặc theo thời gian thực

  • Thực hiện các dự đoán tương tác và phân tích giả định trực tiếp trong ứng dụng
  • Triển khai các mô hình chỉ bằng một cú nhấp chuột cho điểm cuối SageMaker để suy luận theo thời gian thực hoặc chạy dự đoán hàng loạt theo lịch trình tự động hoặc tùy ý
  • Đảm bảo quản trị và kiểm soát phiên bản bằng cách đăng ký các mô hình trong SageMaker Model Registry
  • Chia sẻ mô hình liền mạch với Amazon SageMaker Studio để tùy chỉnh và cộng tác nâng cao
  • Trực quan hóa và chia sẻ dự đoán với các bên liên quan bằng Amazon QuickSight để nâng cao khả năng ra quyết định

Hợp tác và đảm bảo quản trị

Dân chủ hóa ML trong khi thúc đẩy sự hợp tác giữa các nhóm. Cho phép chia sẻ mô hình và tích hợp với các dịch vụ AWS khác cho các hoạt động quản trị và MLOps.

1

Các bước Sagemaker

Thúc đẩy hợp tác giữa các nhóm và chia sẻ kiến thức

  • Cộng tác với các nhà khoa học dữ liệu và chuyên gia thông qua việc chia sẻ mô hình dễ dàng bằng SageMaker Studio
  • Sử dụng các mô hình được các nhà khoa học dữ liệu trong không gian làm việc Canvas xây dựng để tạo dự đoán
  • Tăng độ tin cậy với tính minh bạch của mã với sổ ghi chép được tạo tự động
  • Chia sẻ mô hình, thông tin dự đoán và thông tin chi tiết với các bên liên quan thông qua bảng điều khiển Amazon QuickSight
  • Duy trì việc kiểm soát phiên bản và theo dõi dòng mô hình, đảm bảo khả năng tái tạo và truy xuất nguồn gốc giữa các nhóm

2

Các bước Sagemaker

Đảm bảo các phương pháp hay nhất về quản trị và MLOps

  • Triển khai các quyền chi tiết cấp người dùng và kiểm soát quyền truy cập để quản lý mô hình an toàn
  • Cho phép xác thực liền mạch với các khả năng đăng nhập đơn (SSO)
  • Tuân thủ nguyên tắc quản trị mô hình và lập phiên bản bằng cách đăng ký mô hình trong SageMaker Model Registry
  • Hợp lý hóa các hệ thống MLOps bằng cách xuất sổ ghi chép mô hình để tùy chỉnh và tích hợp thêm
  • Tối ưu hóa chi phí và sử dụng tài nguyên với tính năng tự động tắt

Xây dựng với các mô hình nền tảng

  • Dễ dàng so sánh và chọn mô hình nền tảng phù hợp nhất cho tác vụ của bạn
  • Tinh chỉnh các mô hình nền tảng bằng cách sử dụng tập dữ liệu đào tạo được gắn nhãn của bạn cho các trường hợp sử dụng trong kinh doanh chỉ bằng vài cú nhấp chuột
Hình ảnh Sagemaker

Tận dụng AI tạo sinh

  • Truy vấn tài liệu và cơ sở kiến thức của riêng bạn được lưu trữ trong Amazon Kendra để tạo kết quả đầu ra phù hợp
  • Nhận thông tin chi tiết về hiệu suất của mô hình với các hình ảnh trực quan giàu tính tương tác, thông tin giải thích mô hình và bảng xếp hạng
  • Sản xuất và triển khai các mô hình nền tảng phù hợp nhất cho các điểm cuối SageMaker theo thời gian thực
Hình ảnh Sagemaker

Trường hợp sử dụng