Amazon SageMaker Canvas

Cree modelos de aprendizaje automático de alta precisión mediante una interfaz visual, sin necesidad de código

¿Qué es SageMaker Canvas?

Amazon SageMaker Canvas le permite transformar datos a escala de petabytes y crear, evaluar e implementar modelos de machine learning (ML) listos para la producción sin necesidad de programar. Optimiza el ciclo de vida integral de machine learning en un entorno empresarial unificado y seguro. Con Amazon Q Developer ahora disponible en SageMaker Canvas, puede obtener orientación durante todo el proceso de ML, desde la preparación de los datos hasta la implementación del modelo, mediante el chat conversacional

SageMaker Canvas fomenta la colaboración entre los equipos, ofrece transparencia en el código generado y garantiza la gobernanza mediante controles de acceso y control de versiones de modelos. Con SageMaker Canvas, puede acelerar la innovación y resolver los problemas empresariales más rápido mediante la democratización del desarrollo de machine learning en todos los niveles de habilidad, independientemente de la experiencia en codificación.

Beneficios de SageMaker Canvas

Acceda a capacidades integrales de ML durante todo el ciclo de vida, desde la preparación de los datos hasta la creación, evaluación e implementación de modelos a escala de petabytes.
Canvas entrena varios modelos mediante distintos algoritmos para producir modelos de machine learning personalizados y de alta precisión, todo a través de una experiencia sin código.
Permita el uso compartido de modelos y la integración con otros servicios de AWS, como SageMaker Model Registry y Amazon DataZone, para la gobernanza y las operaciones de ML.
Impulse la colaboración con expertos a través de la transparencia a nivel de código.
Describa sus objetivos con el chat en lenguaje natural. Amazon Q Developer lo guía a través del proceso de machine learning, desde la preparación de los datos hasta la creación del modelo, a la vez que responde a las consultas sobre los datos y el modelo.

Desarrolle en todo el ciclo de vida del ML

Aproveche las capacidades integrales de machine learning, incluida la preparación de datos con SageMaker Data Wrangler y el entrenamiento del modelo de AutoML con SageMaker Autopilot, todo a través de una interfaz visual sin código. También puede usar Amazon Q Developer para obtener asistencia basada en IA generativa para crear modelos de ML. Simplemente indique su objetivo en lenguaje natural y Q Developer lo desglosará y lo traducirá en un conjunto de tareas de ML. A continuación, un desarrollador lo guiará para definir el tipo de problema de ML, preparar los datos y crear, evaluar e implementar su modelo.
1
Sage Maker: pasos

Prepare visualmente sus datos a escala de petabytes

  • Acceda e importe datos de más de 50 fuentes, incluidas Amazon S3, Athena, Redshift, Snowflake y Databricks
  • Mejore la calidad de los datos y el rendimiento de los modelos con más de 300 análisis y transformaciones prediseñados
  • Cree y ajuste visualmente sus canalizaciones de datos con una interfaz intuitiva de código bajo o sin código
  • Amplíe datos del tamaño de un petabyte con unos pocos clics
2
Sage Maker: pasos

Entrene y evalúe modelos en distintos tipos de problemas

  • Aproveche la potencia de AutoML para explorar y optimizar automáticamente los modelos para su caso práctico específico
  • Entrene modelos para la regresión, la clasificación, la predicción de series temporales, el procesamiento del lenguaje natural y la visión artificial y refine los modelos fundacionales en minutos
  • Personalice el entrenamiento de sus modelos con opciones flexibles para obtener métricas objetivas, divisiones de datos y controles de modelos, como la selección de algoritmos y los hiperparámetros
  • Obtenga información sobre el rendimiento de los modelos con visualizaciones interactivas y explicaciones de los modelos
  • Seleccione el modelo con mejor rendimiento de una tabla de clasificación de modelos y exporte el código generado para una mayor personalización
3
Q Developer

Desarrollo de ML guiado por chat con Amazon Q Developer

  • Describa su problema empresarial en lenguaje natural y deje que Amazon Q Developer lo guíe hacia una solución durante todo el proceso de ML mediante una interfaz de chat
  • Q Developer desglosa los problemas en tareas prácticas de ML y ayuda con la preparación de datos, la creación de modelos, la evaluación y la implementación
  • Haga preguntas y reciba respuestas sobre los términos de ML y sus datos y modelos
  • Q Developer aplica técnicas avanzadas de preparación de datos y creación de modelos, al tiempo que le permite tener un control total para ejecutar las tareas por su cuenta
4
Sage Maker: pasos

Genere predicciones precisas a escala, por lotes o en tiempo real

  • Realice predicciones interactivas y análisis hipotéticos directamente desde la aplicación
  • Despliegue modelos con un solo clic en un punto de enlace de SageMaker para obtener inferencias en tiempo real, o ejecute predicciones por lotes ad hoc o con programaciones automatizadas
  • Garantice la gobernanza y el control de versiones al registrar modelos en el Registro de modelos de SageMaker
  • Comparta modelos sin problemas con Amazon SageMaker Studio para lograr personalizaciones y colaboraciones avanzadas
  • Visualice y comparta predicciones con las partes interesadas con Amazon QuickSight para mejorar la toma de decisiones

Colabore y garantice la gobernanza

Democratice el ML y, al mismo tiempo, fomente la colaboración entre equipos. Habilite el uso compartido de modelos y la integración con otros servicios de AWS para la gobernanza y las operaciones de ML.
1
Sage Maker: pasos

Fomente la colaboración entre equipos y el intercambio de conocimientos

  • Colabore con científicos de datos y expertos al compartir modelos de forma sencilla con SageMaker Studio
  • Utilice modelos creados por científicos de datos en el espacio de trabajo de Canvas para generar predicciones
  • Aumente la confianza con la transparencia del código con cuadernos generados automáticamente
  • Comparta modelos, predicciones e información con las partes interesadas a través de los paneles de Amazon QuickSight
  • Mantenga el control de versiones y el seguimiento del linaje de los modelos, lo que garantiza la reproducibilidad y la trazabilidad en todos los equipos
2
Sage Maker: pasos

Garantice el cumplimiento de las prácticas recomendadas de gobernanza y operaciones de ML

  • Implemente controles de acceso y permisos granulares a nivel de usuario para una administración segura de modelos
  • Habilite una autenticación perfecta con capacidades de inicio de sesión único (SSO)
  • Cumpla con la gobernanza y el control de versiones de los modelos al registrarlos en el Registro de modelos de SageMaker
  • Optimice los procesos de operación de ML al exportar modelos de cuadernos para una mayor personalización e integración
  • Optimice los costos y la utilización de los recursos con características de apagado automático

Cree con modelos básicos

  • Compare y seleccione fácilmente el modelo fundacional más adecuado para su tarea
  • Refine los modelos fundacionales con su conjunto de datos de entrenamiento etiquetado para casos prácticos empresarial en minutos
Imagen de Sagemaker

El uso de la IA generativa

  • Consulte sus propios documentos y bases de conocimiento almacenados en Amazon Kendra para generar resultados personalizados
  • Acceda a información sobre el rendimiento de los modelos con visualizaciones interactivas, explicaciones de los modelos y tablas de clasificación
  • Genere y despliegue los modelos fundacionales más adecuados en los puntos de enlace de SageMaker en tiempo real
Imagen de Sagemaker

Casos de uso

Utilice los datos del historial de compras y consumo de productos para comprender la propensión a las ventas y descubrir los patrones de pérdida de clientes.

Prediga los niveles del inventario al combinar los datos históricos de las ventas y la demanda con los datos asociados de tráfico web, precios, categoría de producto y periodos festivos.

Prediga las fallas en los equipos de fabricación con el análisis de los datos de los sensores y los registros de mantenimiento y evite los tiempos de inactividad.

Cree contenido de ventas y marketing personalizado, atractivo y de alta calidad, como publicaciones en redes sociales, descripciones de productos y campañas de correo electrónico.

Analice y extraiga información de una variedad de documentos, como reclamaciones ante las compañías seguros, facturas, informes de gastos o documentos de identidad.