Aprendizaje automático sin código con Amazon SageMaker AI Canvas

Amazon SageMaker AI Canvas le permite crear sus propios modelos de inteligencia artificial y aprendizaje automático sin tener que escribir una sola línea de código. Puede crear modelos de aprendizaje automático para casos de uso comunes, como la regresión y la previsión, y puede acceder a los modelos básicos y evaluarlos (FMs) desde Amazon Bedrock. También puede acceder al público FMs desde Amazon SageMaker AI JumpStart para la generación de contenido, la extracción de texto y el resumen de texto para respaldar las soluciones de IA generativa.

¿Cómo crear modelos de aprendizaje automático sin código con AI Canvas SageMaker

Amazon DocumentDB ahora se integra con Amazon SageMaker AI Canvas para permitir el aprendizaje automático (ML) sin código con los datos almacenados en Amazon DocumentDB. Ahora puede crear modelos de machine learning para las necesidades de regresión y previsión y utilizar modelos fundacionales para resumir y generar contenido con datos almacenados en Amazon DocumentDB sin necesidad de escribir una sola línea de código.

SageMaker AI Canvas proporciona una interfaz visual que permite a los clientes de Amazon DocumentDB generar predicciones sin necesidad de conocimientos de inteligencia artificial o aprendizaje automático ni escribir una sola línea de código. Los clientes ahora pueden lanzar el espacio de trabajo de SageMaker AI Canvas desde Amazon DocumentDB AWS Management Console, importarlos y unirlos para la preparación de datos y el entrenamiento de modelos. Los datos de Amazon DocumentDB ahora se pueden usar en SageMaker AI Canvas para crear y aumentar modelos con el fin de predecir la rotación de clientes, detectar fraudes, predecir fallos de mantenimiento, pronosticar métricas empresariales y generar contenido. Los clientes ahora pueden publicar y compartir información basada en el aprendizaje automático entre los equipos mediante la integración nativa de SageMaker AI Canvas con Amazon. QuickSight Los canales de ingesta de datos de SageMaker AI Canvas se ejecutan en instancias secundarias de Amazon DocumentDB de forma predeterminada, lo que garantiza que el rendimiento de las cargas de trabajo de ingestión de aplicaciones SageMaker y AI Canvas no se vea afectado.

Los clientes de Amazon DocumentDB pueden empezar a utilizar SageMaker AI Canvas accediendo a la nueva página de la consola de aprendizaje automático sin código de Amazon DocumentDB y conectándose a espacios de trabajo de AI Canvas nuevos o disponibles. SageMaker

Configuración del dominio y el perfil de usuario de AI SageMaker

Puede conectarse a clústeres de Amazon DocumentDB desde dominios de SageMaker IA que se ejecutan en modo VPC únicamente. Al lanzar un dominio de SageMaker IA en su VPC, puede controlar el flujo de datos de sus entornos de SageMaker AI Studio y Canvas. Esto le permite restringir el acceso a Internet, monitorear e inspeccionar el tráfico mediante capacidades de AWS red y seguridad estándar y conectarse a otros AWS recursos a través de puntos de conexión de VPC. Consulte la sección Introducción y configuración de Amazon SageMaker AI Canvas en una VPC sin acceso a Internet, que se encuentra en la Guía para desarrolladores de Amazon SageMaker AI, para crear su dominio de SageMaker IA y conectarse a su clúster de Amazon DocumentDB. SageMaker

Configuración de los permisos de acceso de IAM para Amazon DocumentDB SageMaker y AI Canvas

Un usuario de Amazon DocumentDB que haya asociado AmazonDocDBConsoleFullAccess a su rol e identidad asociados puede acceder a la AWS Management Console. Añada las siguientes acciones al rol o la identidad antes mencionados para proporcionar acceso al aprendizaje automático sin código con Amazon SageMaker AI Canvas.

"sagemaker:CreatePresignedDomainUrl",
"sagemaker:DescribeDomain",
"sagemaker:ListDomains",
"sagemaker:ListUserProfiles"

Creación de usuarios y roles de bases de datos para SageMaker AI Canvas

Puede restringir el acceso a las acciones que los usuarios pueden hacer en bases de datos mediante el control de acceso basado en roles (RBAC) en Amazon DocumentDB. RBAC funciona otorgando uno o más roles a un usuario. Estos roles determinan las operaciones que un usuario puede realizar en los recursos de la base de datos.

Como usuario de Canvas, se conecta a una base de datos de Amazon DocumentDB con credenciales de nombre de usuario y contraseña. Puede crear un usuario/rol de base de datos para un usuario de Canvas que tenga acceso de lectura a las bases de datos específicas mediante la funcionalidad RBAC de Amazon DocumentDB.

Por ejemplo, utilice la operación createUser:

db.createUser({
user: "canvas_user", 
pwd: "<insert-password>", 
roles: [{role: "read", db: "sample-database-1"}]
})

Esto crea un canvas_user que tiene permisos de lectura en la base de datos sample-database-1. Los analistas de Canvas pueden utilizar esta credencial para acceder a los datos del clúster de Amazon DocumentDB. Consulte Acceso a la base de datos mediante el control de acceso basado en roles para obtener más información.

Regiones disponibles

La integración sin código está disponible en las regiones en las que se admiten Amazon DocumentDB y SageMaker Amazon AI Canvas. Las regiones son:

• us-east-1 (Norte de Virginia)

• us-east-2 (Ohio)

• us-west-2 (Oregón)

• ap-northeast-1 (Tokio)

• ap-northeast-2 (Seúl)

• ap-south-1 (Mumbai)

• ap-southeast-1 (Singapur)

• ap-southeast-2 (Sídney)

• eu-central-1 (Fráncfort)

• eu-west-1 (Irlanda)

Consulte Amazon SageMaker AI Canvas en la Guía para desarrolladores de Amazon SageMaker AI para conocer la disponibilidad regional más reciente.