No-code aprendizaje automático con Amazon SageMaker AI Canvas

Amazon SageMaker AI Canvas le permite crear sus propios AI/ML modelos sin tener que escribir una sola línea de código. Puede crear modelos de machine learning para casos de uso comunes, como la regresión y la previsión, y puede acceder a los modelos fundacionales (FM) de Amazon Bedrock y evaluarlos. También puede acceder a los FM públicos de Amazon SageMaker AI JumpStart para generar contenido, extraer y resumir textos, a fin de respaldar las soluciones de IA generativas.

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 AI/ML conocimientos especializados ni escribir una sola línea de código. Los clientes ahora pueden lanzar el espacio de trabajo de SageMaker AI Canvas desde los datos de Amazon DocumentDB Consola de administración de AWS, 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 ampliar modelos que permitan predecir la pérdida de clientes, detectar fraudes, predecir fallos de mantenimiento, pronosticar métricas empresariales y generar contenido. Los clientes ahora pueden publicar y compartir ML-driven información entre equipos mediante la integración nativa de SageMaker AI Canvas con Quick. Las canalizaciones de ingestión 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 y de SageMaker AI Canvas no se vea obstaculizado.

Los clientes de Amazon DocumentDB pueden empezar a usar SageMaker AI Canvas accediendo a la nueva página de la consola No-Code ML de Amazon DocumentDB y conectándose a los espacios de trabajo de AI Canvas nuevos o disponibles. SageMaker

Configurar el dominio de SageMaker IA y el perfil de usuario

Puede conectarse a los clústeres de Amazon DocumentDB desde dominios de SageMaker IA que se ejecutan en modo solo de VPC. Al lanzar un dominio de SageMaker IA en su VPC, puede controlar el flujo de datos desde sus entornos de SageMaker AI Studio y Canvas. Esto te permite restringir el acceso a Internet, supervisar e inspeccionar el tráfico mediante funciones de AWS red y seguridad estándar, y conectarte a otros AWS recursos a través de los puntos de conexión de la VPC. Consulte la Guía para desarrolladores de Amazon SageMaker AI Canvas para comenzar y configurar 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 un dominio de SageMaker IA y conectarlo a su clúster de Amazon DocumentDB.

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

Un usuario de Amazon DocumentDB que haya asociado AmazonDocDBConsoleFullAccess a su rol e identidad asociados puede acceder a la Consola de administración de AWS. Agregue 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 una base de datos user/role 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 bases de datos mediante Role-Based Access Control para obtener más información.

Regiones disponibles

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

• 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 más reciente en la región.