Erste Schritte mit Amazon SageMaker Canvas

In diesem Handbuch erfahren Sie, wie Sie mit der Verwendung von SageMaker Canvas beginnen. Wenn Sie ein IT-Administrator sind und detailliertere Informationen wünschen, finden Sie weitere Informationen unter Amazon SageMaker Canvas einrichten und verwalten (für IT-Administratoren) So richten Sie SageMaker Canvas für Ihre Benutzer ein.

Voraussetzungen für die Einrichtung von Amazon SageMaker Canvas

Um eine SageMaker Canvas-Anwendung einzurichten, müssen Sie zunächst die SageMaker Amazon-Domain nutzen, die die verschiedenen Umgebungen für maschinelles Lernen (ML) wie Canvas und SageMaker Studio unterstützt.

Im folgenden Abschnitt wird beschrieben, wie Sie eine SageMaker Amazon-Domain einrichten und sich selbst Canvas-Berechtigungen erteilen.

Wichtig

Damit Sie Amazon SageMaker Canvas einrichten können, muss Ihre Version von Amazon SageMaker Studio 3.19.0 oder höher sein. Informationen zur Aktualisierung von Amazon SageMaker Studio finden Sie unterFahren Sie SageMaker Studio Classic herunter und aktualisieren Sie es.

Einsteigen in die Domain

Informationen zur Einrichtung Ihrer Domain finden Sie zunächst unter SageMaker Amazon-Domain-Übersicht Weitere Informationen zu Domains.

Wenn Sie dann bereit sind, Ihre Domain einzurichten, wählen Sie eine der folgenden Einrichtungsmethoden:

1. (Schnell) Schnelle Einrichtung bei Amazon SageMaker — Wählen Sie diese Option, wenn Sie Ihre Domain schnell einrichten möchten. Dadurch werden Ihrem Benutzer alle standardmäßigen Canvas-Berechtigungen und grundlegenden Funktionen gewährt. Alle zusätzlichen Funktionen wie das Abfragen von Dokumenten können später von einem Administrator aktiviert werden. Wenn Sie detailliertere Berechtigungen konfigurieren möchten, empfehlen wir Ihnen, Option 2 oder 3 zu wählen.

2. (Erweitert) Benutzerdefiniertes Setup für Amazon SageMaker — Wählen Sie diese Option, wenn Sie eine erweiterte Einrichtung Ihrer Domain durchführen möchten.

Wenn Sie die Schnelleinrichtung (Option 1 in der vorherigen Liste) durchführen, können Sie den Rest dieses Abschnitts überspringen und mit fortfahrenSchritt 1: Loggen Sie sich bei Canvas ein SageMaker .

Wenn Sie das erweiterte Setup (Optionen 2 oder 3) verwenden, können Sie die Canvas-Funktionen angeben, auf die Sie Ihren Benutzern Zugriff gewähren möchten. Verwenden Sie den Rest dieses Abschnitts, während Sie das erweiterte Domain-Setup abschließen, um Ihnen bei der Konfiguration der für Canvas spezifischen Berechtigungen zu helfen.

In den Benutzerdefiniertes Setup für Amazon SageMaker Einrichtungsanweisungen für Schritt 2: Benutzer und ML-Aktivitäten müssen Sie die Canvas-Berechtigungen auswählen, die Sie gewähren möchten. Im Abschnitt ML-Aktivitäten können Sie die folgenden Berechtigungsrichtlinien auswählen, um Zugriff auf Canvas-Funktionen zu gewähren. Bei der Einrichtung Ihrer Domain können Sie insgesamt nur bis zu 8 ML-Aktivitäten auswählen. Die ersten beiden Berechtigungen in der folgenden Liste sind für die Verwendung von Canvas erforderlich, während die restlichen Berechtigungen für zusätzliche Funktionen gelten.

• Studio-Anwendungen ausführen — Diese Berechtigungen sind erforderlich, um die Canvas-Anwendung zu starten.

• Canvas Core Access — Diese Berechtigungen gewähren Ihnen Zugriff auf die Canvas-Anwendung und die grundlegenden Funktionen von Canvas, z. B. das Erstellen von Datensätzen, das Verwenden grundlegender Datentransformationen sowie das Erstellen und Analysieren von Modellen.

• (Optional) Canvas Data Preparation (unterstützt von Data Wrangler) — Mit diesen Berechtigungen können Sie Datenflüsse erstellen und erweiterte Transformationen verwenden, um Ihre Daten in Canvas vorzubereiten. Diese Berechtigungen sind auch für die Erstellung von Datenverarbeitungsaufträgen und Zeitplänen für Datenvorbereitungsaufträge erforderlich.

• (Optional) Canvas AI Services — Diese Berechtigungen gewähren Ihnen Zugriff auf die Funktionen eady-to-use R-Modelle, Foundation-Modelle und Chat with Data in Canvas.

• (Optional) Kendra-Zugriff — Diese Berechtigung gewährt Ihnen Zugriff auf die Funktion zur Dokumentenabfrage, mit der Sie Dokumente, die in einem Amazon Kendra Kendra-Index gespeichert sind, mithilfe von Foundation-Modellen in Canvas abfragen können.

  Wenn Sie diese Option auswählen, geben Sie im Abschnitt Canvas Kendra Access die IDs für Ihre Amazon Kendra Kendra-Indizes ein, auf die Sie Zugriff gewähren möchten.

• (Optional) Canvas MLOps — Diese Berechtigung gewährt Ihnen Zugriff auf die Funktion zur Modellbereitstellung in Canvas, mit der Sie Modelle für die Verwendung in der Produktion bereitstellen können.

Wählen Sie im Abschnitt Schritt 3: Anwendungen der Domäneneinrichtung die Option Configure Canvas aus und gehen Sie dann wie folgt vor:

1. Geben Sie für die Canvas-Speicherkonfiguration an, wo Canvas die Anwendungsdaten wie Modellartefakte, Batch-Vorhersagen, Datensätze und Protokolle speichern soll. SageMaker erstellt in diesem Bucket einen Canvas/ Ordner zum Speichern der Daten. Weitere Informationen finden Sie unter Konfigurieren Sie Ihren Amazon S3-Speicher. Gehen Sie für diesen Abschnitt wie folgt vor:

   1. Wählen Sie Vom System verwaltet, wenn Sie den Speicherort auf den standardmäßig SageMaker erstellten Bucket festlegen möchten, der dem Muster s3://sagemaker-{Region}-{your-account-id} folgt.

   2. Wählen Sie Benutzerdefiniertes S3, um Ihren eigenen Amazon-S3-Bucket als Speicherort anzugeben. Geben Sie dann die Amazon-S3-URI ein.

   3. (Optional) Geben Sie für den Verschlüsselungsschlüssel einen KMS-Schlüssel zur Verschlüsselung von Canvas-Artefakten an, die am angegebenen Speicherort gespeichert sind.

2. (Optional) Gehen Sie für die Konfiguration der Canvas eady-to-use R-Modelle wie folgt vor:

   1. Lassen Sie die Option Canvas eady-to-use R-Modelle aktivieren aktiviert, um Ihren Benutzern die Erlaubnis zu geben, Vorhersagen mit eady-to-use R-Modellen in Canvas zu generieren (sie ist standardmäßig aktiviert). Diese Option gibt dir auch die Erlaubnis, mit generativen KI-gestützten Modellen zu chatten. Weitere Informationen finden Sie unter Verwenden Sie generative KI mit Basismodellen.

   2. Lassen Sie die Option Dokumentenabfrage mithilfe von Amazon Kendra aktivieren aktiviert, um Ihren Benutzern die Erlaubnis zu geben, Foundation-Modelle für die Abfrage von Dokumenten zu verwenden, die in einem Amazon Kendra-Index gespeichert sind. Wählen Sie dann im Dropdownmenü die vorhandenen Indizes aus, auf die Sie Zugriff gewähren möchten. Weitere Informationen finden Sie unter Verwenden Sie generative KI mit Basismodellen.

   3. Wählen Sie für die Amazon Bedrock-Rolle die Option Neue Ausführungsrolle erstellen und verwenden aus, um eine neue IAM-Ausführungsrolle zu erstellen, die eine Vertrauensbeziehung mit Amazon Bedrock unterhält. Diese IAM-Rolle wird von Amazon Bedrock zur Feinabstimmung großer Sprachmodelle (LLMs) in Canvas übernommen. Wenn Sie bereits eine Ausführungsrolle mit einer Vertrauensbeziehung haben, wählen Sie Bestehende Ausführungsrolle verwenden und wählen Sie Ihre Rolle aus der Dropdownliste aus. Weitere Informationen zur manuellen Konfiguration von Berechtigungen für Ihre eigene Ausführungsrolle finden Sie unterGewähren Sie Benutzern Berechtigungen zur Feinabstimmung von Foundation-Modellen.

3. (Optional) Gehen Sie im Abschnitt ML Ops-Berechtigungskonfiguration wie folgt vor:

   1. Lassen Sie die Option Direkte Bereitstellung von Canvas-Modellen aktivieren aktiviert, damit Ihre Benutzer ihre Modelle von Canvas aus auf einem SageMaker Endpunkt bereitstellen können. Weitere Informationen zur Modellbereitstellung in Canvas finden Sie unter Stellen Sie Ihre Modelle auf einem Endpunkt bereit.

   2. Lassen Sie die Option Registrierungsberechtigungen für die Modellregistrierung für alle Benutzer aktivieren aktiviert, um Ihren Benutzern die Berechtigung zu geben, ihre Modellversion in der SageMaker Modellregistrierung zu registrieren (sie ist standardmäßig aktiviert). Weitere Informationen finden Sie unter Registrieren Sie eine Modellversion in der Modellregistrierung SageMaker .

   3. Wenn Sie die Option Registrierungsberechtigungen für die Modellregistrierung für alle Benutzer aktivieren aktiviert haben, wählen Sie entweder Nur bei Model Registry registrieren oder Modell in Model Registry registrieren und genehmigen.

4. (Optional) Aktivieren Sie im Abschnitt Konfiguration für den lokalen Datei-Upload die Option Lokalen Datei-Upload aktivieren, um Ihren Benutzern die Erlaubnis zu geben, Dateien von ihren lokalen Computern auf Canvas hochzuladen. Wenn Sie diese Option aktivieren, wird eine CORS-Richtlinie (Cross-Origin Resource Sharing) an den Amazon S3 S3-Bucket angehängt, der in der Canvas-Speicherkonfiguration angegeben ist (und überschreibt alle vorhandenen CORS-Richtlinien). Weitere Informationen zu den Berechtigungen für das Hochladen lokaler Dateien finden Sie unter. Erteilen Sie Ihren Benutzern die Erlaubnis, lokale Dateien hochzuladen

5. (Optional) Gehen Sie im Abschnitt mit den OAuth-Einstellungen wie folgt vor:

   1. Wählen Sie OAuth-Konfiguration hinzufügen.

   2. Wählen Sie als Datenquelle Ihre Datenquelle aus.

   3. Wählen Sie für Secret setup die Option Create a new secret aus und geben Sie die Informationen ein, die Sie von Ihrem Identitätsanbieter erhalten haben. Wenn Sie die erste OAuth-Einrichtung mit Ihrer Datenquelle noch nicht durchgeführt haben, finden Sie weitere Informationen unter. Richten Sie Verbindungen zu Datenquellen mit OAuth ein

6. (Optional) Lassen Sie für die Konfiguration von Zeitreihenprognosen die Option Zeitreihenprognose aktivieren aktiviert, um Ihren Benutzern die Erlaubnis zu geben, Zeitreihenprognosen in SageMaker Canvas durchzuführen (sie ist standardmäßig aktiviert).

   1. Wenn Sie die Option Zeitreihenprognose aktivieren aktiviert gelassen haben, wählen Sie Neue Ausführungsrolle erstellen und verwenden oder Bestehende Ausführungsrolle verwenden aus, wenn Sie bereits über eine IAM-Rolle mit den erforderlichen Amazon Forecast-Berechtigungen verfügen (weitere Informationen finden Sie unter Methode zur Einrichtung von IAM-Rollen).

7. Schließen Sie die Konfiguration der restlichen Domain-Einstellungen mithilfe der folgenden Verfahren ab. Benutzerdefiniertes Setup für Amazon SageMaker

Anmerkung

Wenn Sie Probleme bei der Erteilung von Berechtigungen über die Konsole haben, z. B. Berechtigungen für eady-to-use R-Modelle, lesen Sie das ThemaBehebung von Problemen bei der Erteilung von Berechtigungen über die SageMaker Konsole.

Sie sollten jetzt eine SageMaker Domain eingerichtet und alle Canvas-Berechtigungen konfiguriert haben.

Sie können die Canvas-Berechtigungen für eine Domain oder einen bestimmten Benutzer nach der ersten Einrichtung der Domain bearbeiten. Individuelle Benutzereinstellungen haben Vorrang vor den Domäneneinstellungen. Informationen zum Anzeigen oder Bearbeiten Ihrer Canvas-Berechtigungen in den Domain-Einstellungen finden Sie unterDomains anzeigen und bearbeiten.

Erteilen Sie sich die Erlaubnis, bestimmte Funktionen in Canvas zu verwenden

In den folgenden Informationen werden die verschiedenen Berechtigungen beschrieben, die Sie einem Canvas-Benutzer gewähren können, um die Nutzung verschiedener Features und Funktionen in Canvas zu ermöglichen. Einige dieser Berechtigungen können während der Domaineinrichtung erteilt werden, für einige sind jedoch zusätzliche Berechtigungen oder eine Konfiguration erforderlich. Lesen Sie die spezifischen Berechtigungsinformationen für jede Funktion, die Sie aktivieren möchten:

• Lokaler Datei-Upload. Die Berechtigungen für das Hochladen lokaler Dateien sind standardmäßig in den Canvas-Basisberechtigungen aktiviert, wenn Sie Ihre Domain einrichten. Wenn Sie keine lokalen Dateien von Ihrem Computer auf SageMaker Canvas hochladen können, können Sie eine CORS-Richtlinie an den Amazon S3 S3-Bucket anhängen, den Sie in der Canvas-Speicherkonfiguration angegeben haben. Wenn Sie den Standard-Bucket verwenden dürfen SageMaker , folgt der Bucket dem Benennungsmusters3://sagemaker-{Region}-{your-account-id}. Weitere Informationen finden Sie unter Erteilen Sie Ihren Benutzern Berechtigungen zum Hochladen lokaler Dateien.

• Benutzerdefinierte Bild- und Textvorhersagemodelle. Die Berechtigungen für die Erstellung von benutzerdefinierten Bild- und Textvorhersagemodellen sind standardmäßig in den Canvas-Basisberechtigungen aktiviert, wenn Sie Ihre Domain einrichten. Wenn Sie jedoch über eine benutzerdefinierte IAM-Konfiguration verfügen und die AmazonSageMakerCanvasFullAccessRichtlinie nicht an die IAM-Ausführungsrolle Ihres Benutzers anhängen möchten, müssen Sie Ihrem Benutzer ausdrücklich die erforderlichen Berechtigungen gewähren. Weitere Informationen finden Sie unter Erteilen Sie Ihren Benutzern die Erlaubnis, benutzerdefinierte Bild- und Textvorhersagemodelle zu erstellen.

• eady-to-use R-Modelle und Fundamentmodelle. Möglicherweise möchten Sie die Canvas eady-to-use R-Modelle verwenden, um Vorhersagen für Ihre Daten zu treffen. Mit den Berechtigungen für eady-to-use R-Modelle können Sie auch mit generativen KI-gestützten Modellen chatten. Die Berechtigungen sind standardmäßig aktiviert, wenn Sie Ihre Domain einrichten, oder Sie können die Berechtigungen für eine Domain bearbeiten, die Sie bereits erstellt haben. Mit der Option Berechtigungen für Canvas eady-to-use R-Modelle wird die AmazonSageMakerCanvasServicesAccessKI-Richtlinie zu Ihrer Ausführungsrolle hinzugefügt. Weitere Informationen finden Sie im Erste Schritte Abschnitt der Dokumentation zu eady-to-use R-Modellen.

  Weitere Informationen zu den ersten Schritten mit generativen KI-Grundlagenmodellen für finden Sie unter Verwenden Sie generative KI mit Basismodellen.

• Optimieren Sie die Fundamentmodelle. Wenn Sie Foundation-Modelle in Canvas verfeinern möchten, können Sie die Berechtigungen entweder bei der Einrichtung Ihrer Domain hinzufügen oder die Berechtigungen für die Domain oder das Benutzerprofil bearbeiten, nachdem Sie Ihre Domain erstellt haben. Sie müssen die AmazonSageMakerCanvasServicesAccessKI-Richtlinie zu der AWS IAM-Rolle hinzufügen, die Sie bei der Einrichtung des Benutzerprofils ausgewählt haben, und Sie müssen der Rolle auch eine Vertrauensbeziehung mit Amazon Bedrock hinzufügen. Anweisungen zum Hinzufügen dieser Berechtigungen zu Ihrer IAM-Rolle finden Sie unter. Gewähren Sie Benutzern Berechtigungen zur Feinabstimmung von Foundation-Modellen

• Prognose von Zeitreihen. Wenn Sie Prognosen für Zeitreihendaten erstellen möchten, können Sie bei der Einrichtung Ihrer Domain Berechtigungen für Zeitreihenprognosen hinzufügen oder die Berechtigungen für eine Domain oder ein Benutzerprofil bearbeiten, nachdem Sie Ihre Domain erstellt haben. Die erforderlichen Berechtigungen sind die AmazonSageMakerCanvasForecastAccess verwaltete Richtlinie und eine Vertrauensbeziehung mit Amazon Forecast für die AWS IAM-Rolle, die Sie bei der Einrichtung des Benutzerprofils ausgewählt haben. Anweisungen zum Hinzufügen dieser Berechtigungen zu Ihrer IAM-Rolle finden Sie unter Gewähren Sie Ihren Benutzern Berechtigungen zur Durchführung von Zeitreihenprognosen.

• Senden Sie Batch-Prognosen an Amazon QuickSight. Möglicherweise möchten Sie Batch-Prognosen oder Datensätze von Prognosen, die Sie anhand eines benutzerdefinierten Modells generieren, QuickSight zur Analyse an Amazon senden. In QuickSightkönnen Sie Prognose-Dashboards mit Ihren Prognoseergebnissen erstellen und veröffentlichen. Anweisungen zum Hinzufügen dieser Berechtigungen zur IAM-Rolle Ihres Canvas-Benutzers finden Sie unter Gewähren Sie Ihren Benutzern Berechtigungen zum Senden von Prognosen an Amazon QuickSight.

• Stellen Sie Canvas-Modelle auf einem SageMaker Endpunkt bereit. SageMakerHosting bietet Endpunkte, mit denen Sie Ihr Modell für die Verwendung in der Produktion bereitstellen können. Sie können in Canvas erstellte Modelle auf einem SageMaker Endpunkt bereitstellen und dann programmgesteuert Vorhersagen in einer Produktionsumgebung treffen. Weitere Informationen finden Sie unter Stellen Sie Ihre Modelle auf einem Endpunkt bereit.

• Registrieren Sie Modellversionen in der Modellregistrierung. Möglicherweise möchten Sie Versionen Ihres Modells in der SageMaker Modellregistrierung registrieren. Dabei handelt es sich um ein Repository, in dem Sie den Status aktualisierter Versionen Ihres Modells verfolgen können. Ein Datenwissenschaftler oder ein MLOps-Team, das in der SageMaker Modellregistrierung arbeitet, kann die Versionen Ihres Modells, die Sie erstellt haben, einsehen und sie genehmigen oder ablehnen. Anschließend können sie Ihre Modellversion für die Produktion einsetzen oder einen automatisierten Workflow starten. Die Berechtigungen zur Modellregistrierung sind standardmäßig für Ihre Domain aktiviert. Sie können Berechtigungen auf Benutzerprofilebene verwalten und bestimmten Benutzern Berechtigungen gewähren oder entziehen. Weitere Informationen finden Sie unter Registrieren Sie eine Modellversion in der Modellregistrierung SageMaker .

• Zusammenarbeit mit Datenwissenschaftlern. Wenn Sie mit Studio Classic-Benutzern zusammenarbeiten und Modelle teilen möchten, müssen Sie der AWS IAM-Rolle, die Sie bei der Einrichtung des Benutzerprofils ausgewählt haben, zusätzliche Berechtigungen hinzufügen. Anweisungen zum Hinzufügen der Richtlinie zur Rolle finden Sie unter Erteilen von Benutzerberechtigungen für die Zusammenarbeit mit Studio Classic.

• Importieren Sie Daten aus Amazon Redshift. Wenn Sie Daten aus Amazon Redshift importieren möchten, müssen Sie sich zusätzliche Berechtigungen erteilen. Sie müssen die AmazonRedshiftFullAccess verwaltete Richtlinie der AWS IAM-Rolle hinzufügen, die Sie bei der Einrichtung des Benutzerprofils ausgewählt haben. Anweisungen zum Hinzufügen der Richtlinie zur Rolle finden Sie unter Gewähren von Benutzerberechtigungen zum Import von Amazon Redshift-Daten.

Anmerkung

Die erforderlichen Berechtigungen für den Import über andere Datenquellen wie Amazon Athena und SaaS-Plattformen sind in den AmazonSageMakerFullZugriffs - und AmazonSageMakerCanvasFullAccessRichtlinien enthalten. Wenn Sie die Anweisungen zur Standardeinrichtung befolgt haben, sollten diese Richtlinien bereits Ihrer Ausführungsrolle zugeordnet sein. Weitere Informationen über diese Datenquellen und ihre Berechtigungen finden Sie unter Verbinden zu Datenquellen.

Schritt 1: Loggen Sie sich bei Canvas ein SageMaker

Wenn die Ersteinrichtung abgeschlossen ist, können Sie je nach Anwendungsfall mit einer der folgenden Methoden auf SageMaker Canvas zugreifen:

• Wählen Sie in der SageMaker Konsole im linken Navigationsbereich den Canvas aus. Wählen Sie dann auf der Canvas-Seite Ihren Benutzer aus der Dropdownliste aus und starten Sie die Canvas-Anwendung.

• Öffnen Sie SageMaker Studio, gehen Sie in der Studio-Oberfläche zur Canvas-Seite und starten Sie die Canvas-Anwendung.

• Verwenden Sie die SAML 2.0-basierten SSO-Methoden Ihres Unternehmens, wie Okta oder das IAM Identity Center.

Wenn Sie sich zum ersten Mal bei SageMaker Canvas anmelden, werden die Anwendung und ein SageMaker Bereich für Sie SageMaker erstellt. Die Daten der Canvas-Anwendung werden im Space gespeichert. Weitere Informationen zu Leerzeichen finden Sie unterArbeiten Sie in gemeinsam genutzten Bereichen zusammen. Der Bereich besteht aus den Anwendungen Ihres Benutzerprofils und einem gemeinsamen Verzeichnis für alle Daten Ihrer Anwendungen. Wenn Sie den von erstellten Standardspeicher nicht verwenden möchten SageMaker und lieber Ihren eigenen Speicherplatz zum Speichern von Anwendungsdaten einrichten möchten, finden Sie weitere Informationen auf der Seite. Speichern Sie SageMaker Canvas-Anwendungsdaten in Ihrem eigenen Bereich SageMaker

Schritt 2: Verwenden Sie SageMaker Canvas, um Vorhersagen zu erhalten

Nachdem Sie sich bei Canvas angemeldet haben, können Sie mit der Erstellung von Modellen und der Generierung von Prognosen für Ihre Daten beginnen.

Sie können entweder Canvas eady-to-use R-Modelle verwenden, um Vorhersagen zu treffen, ohne ein Modell zu erstellen, oder Sie können ein benutzerdefiniertes Modell für Ihr spezifisches Geschäftsproblem erstellen. Lesen Sie die folgenden Informationen, um zu entscheiden, ob eady-to-use R-Modelle oder benutzerdefinierte Modelle für Ihren Anwendungsfall am besten geeignet sind.

• eady-to-use R-Modelle. Mit eady-to-use R-Modellen können Sie vorgefertigte Modelle verwenden, um Erkenntnisse aus Ihren Daten zu gewinnen. Die eady-to-use R-Modelle decken eine Vielzahl von Anwendungsfällen ab, z. B. Spracherkennung und Dokumentenanalyse. Erste Schritte zum Erstellen von Vorhersagen mit eady-to-use R-Modellen finden Sie unterVerwenden Sie eady-to-use R-Modelle.

• Benutzerdefinierte Modelle. Mit benutzerdefinierten Modellen können Sie eine Vielzahl von Modelltypen erstellen, die so angepasst sind, dass sie Vorhersagen für Ihre Daten treffen. Verwenden Sie benutzerdefinierte Modelle, wenn Sie ein Modell erstellen möchten, das auf Ihren unternehmensspezifischen Daten basiert, und wenn Sie Funktionen wie die Zusammenarbeit mit Datenwissenschaftlern und die Bewertung der Leistung Ihres Modells nutzen möchten. Erste Schritte mit der Erstellung eines benutzerdefinierten Modells finden Sie unter Verwenden Sie benutzerdefinierte Modelle.

Sie können auch Ihr eigenes Modell (BYOM) aus anderen Funktionen mitbringen. SageMaker Ein Amazon SageMaker Studio-Benutzer kann sein Modell mit einem Canvas-Benutzer teilen, und der Canvas-Benutzer kann mit dem Modell Vorhersagen generieren. Weitere Informationen finden Sie unter Bringen Sie Ihr eigenes Modell auf SageMaker Canvas.