Cómo empezar a usar Amazon SageMaker Canvas - Amazon SageMaker

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Cómo empezar a usar Amazon SageMaker Canvas

Esta guía le indica cómo empezar a usar SageMaker Canvas. Si es administrador de TI y desea obtener información más detallada, consulte Configuración y administración de Amazon SageMaker Canvas (para administradores de TI) Cómo configurar SageMaker Canvas para sus usuarios.

Requisitos previos para configurar Amazon Canvas SageMaker

Para configurar una aplicación de SageMaker Canvas, primero debes incorporarla al SageMaker dominio de Amazon, que admite los distintos entornos de aprendizaje automático (ML), como Canvas y SageMaker Studio.

La siguiente sección describe cómo configurar un SageMaker dominio de Amazon y concederse permisos de Canvas.

importante

Para configurar Amazon SageMaker Canvas, tu versión de Amazon SageMaker Studio debe ser 3.19.0 o posterior. Para obtener información sobre la actualización de Amazon SageMaker Studio, consulteCierre y actualice SageMaker Studio Classic.

Incorporado al dominio

Para configurar tu dominio, consulta primero Descripción general SageMaker del dominio de Amazon para obtener más información sobre los dominios.

Luego, cuando estés listo para configurar tu dominio, elige uno de los siguientes métodos de configuración:

  1. (Rápido)Configuración rápida en Amazon SageMaker: elige esta opción si quieres configurar tu dominio rápidamente. Esto le otorga a su usuario todos los permisos predeterminados de Canvas y todas las funciones básicas. Cualquier función adicional, como la consulta de documentos, puede habilitarla más adelante por un administrador. Si desea configurar permisos más detallados, le recomendamos que elija la opción 2 o 3.

  2. (Avanzado)Configuración personalizada para Amazon SageMaker: elige esta opción si quieres completar una configuración más avanzada de tu dominio.

Si estás realizando la configuración rápida (opción 1 de la lista anterior), puedes saltarte el resto de esta sección y pasar aPaso 1: Inicie sesión en Canvas SageMaker .

Si está realizando la configuración avanzada (opciones 2 o 3), puede especificar las funciones de Canvas a las que desea conceder acceso a sus usuarios. Utilice el resto de esta sección mientras completa la configuración avanzada del dominio para ayudarle a configurar los permisos específicos de Canvas.

En las instrucciones de Configuración personalizada para Amazon SageMaker configuración, en el paso 2: Los usuarios y las actividades de aprendizaje automático, debe seleccionar los permisos de Canvas que desea conceder. En la sección de actividades de aprendizaje automático, puede seleccionar las siguientes políticas de permisos para conceder acceso a las funciones de Canvas. Solo puede seleccionar un total de 8 actividades de aprendizaje automático al configurar su dominio. Los dos primeros permisos de la siguiente lista son necesarios para usar Canvas, mientras que el resto son para funciones adicionales.

  • Ejecutar aplicaciones de estudio: estos permisos son necesarios para iniciar la aplicación Canvas.

  • Canvas Core Access: estos permisos le permiten acceder a la aplicación Canvas y a las funciones básicas de Canvas, como la creación de conjuntos de datos, el uso de transformaciones de datos básicas y la creación y el análisis de modelos.

  • Preparación de datos en Canvas (opcional) (con tecnología de Data Wrangler): estos permisos le permiten crear flujos de datos y utilizar transformaciones avanzadas para preparar sus datos en Canvas. Estos permisos también son necesarios para crear trabajos de procesamiento de datos y cronogramas de trabajos de preparación de datos.

  • (Opcional) Servicios de IA de Canvas: estos permisos le otorgan acceso a los eady-to-use modelos R, los modelos básicos y las funciones de chat con datos en Canvas.

  • (Opcional) Acceso a Kendra: este permiso le otorga acceso a la función de consulta de documentos, donde puede consultar los documentos almacenados en un índice de Amazon Kendra utilizando modelos de base en Canvas.

    Si selecciona esta opción, en la sección Canvas Kendra Access, introduzca los ID de los índices de Amazon Kendra a los que quiere conceder acceso.

  • (Opcional) Canvas MLOps: este permiso le otorga acceso a la función de implementación de modelos en Canvas, donde puede implementar modelos para usarlos en producción.

En la sección Paso 3: Aplicaciones de la configuración del dominio, elija Configurar Canvas y, a continuación, haga lo siguiente:

  1. Para la configuración de almacenamiento de Canvas, especifique dónde quiere que Canvas almacene los datos de la aplicación, como los artefactos del modelo, las predicciones por lotes, los conjuntos de datos y los registros. SageMaker crea una Canvas/ carpeta dentro de este depósito para almacenar los datos. Para obtener más información, consulte Configurar el almacenamiento de Amazon S3. En esta sección, hará lo siguiente:

    1. Seleccione Administrado por el sistema si desea establecer la ubicación en el depósito SageMaker creado por defecto que sigue el patróns3://sagemaker-{Region}-{your-account-id}.

    2. Seleccione Personalizado S3 para especificar su propio bucket de Amazon S3 como ubicación de almacenamiento. A continuación, introduzca el URI de Amazon S3.

    3. (Opcional) Para la Clave de cifrado, especifique una clave KMS para cifrar los artefactos de Canvas almacenados en la ubicación especificada.

  2. (Opcional) Para la configuración de eady-to-use los modelos Canvas R, haga lo siguiente:

    1. Deje activada la opción Habilitar eady-to-use modelos de Canvas R para dar a sus usuarios permisos para generar predicciones con eady-to-use modelos R en Canvas (está activada de forma predeterminada). Esta opción también le da permisos para chatear con modelos basados en IA generativa. Para obtener más información, consulte Uso de la IA generativa con los modelos fundacionales.

    2. Deje activada la opción Habilitar la consulta de documentos con Amazon Kendra para conceder a sus usuarios permisos para utilizar modelos fundacionales para consultar documentos almacenados en un índice de Amazon Kendra. A continuación, en el menú desplegable, seleccione los índices existentes a los que quiere conceder acceso. Para obtener más información, consulte Uso de la IA generativa con los modelos fundacionales.

    3. Para el rol de Amazon Bedrock, seleccione Crear y usar un nuevo rol de ejecución para crear un nuevo rol de ejecución de IAM que tenga una relación de confianza con Amazon Bedrock. Amazon Bedrock asume esta función de IAM para ajustar los modelos de lenguaje de gran tamaño (LLM) en Canvas. Si ya tiene un rol de ejecución con una relación de confianza, seleccione Usar un rol de ejecución existente y elija su rol en el menú desplegable. Para obtener más información sobre la configuración manual de los permisos para su propia función de ejecución, consulteConceda a los usuarios permisos para ajustar con precisión los modelos básicos.

  3. (Opcional) Para la sección de Configuración de permisos de ML Ops, haga lo siguiente:

    1. Deje activada la opción Habilitar el despliegue directo de los modelos de Canvas para dar a sus usuarios permisos para implementar sus modelos desde Canvas en un SageMaker punto final. Para obtener más información sobre la implementación de modelos en Canvas, consulte Implementación de sus modelos en un punto de conexión.

    2. Deje activada la opción Habilitar los permisos de registro de modelos para todos los usuarios para que sus usuarios puedan registrar su versión de modelo en el registro de SageMaker modelos (está activada de forma predeterminada). Para obtener más información, consulte Registre una versión del modelo en el registro de SageMaker modelos.

    3. Si ha dejado activada la opción Habilitar los permisos de registro del Registro de Modelos para todos los usuarios, seleccione Registrar solo en el Registro de Modelos o Registrar y aprobar el modelo en el Registro de Modelos.

  4. (Opcional) En la sección de configuración de carga de archivos locales, active la opción Habilitar la carga de archivos locales para que sus usuarios tengan permiso para cargar archivos a Canvas desde sus máquinas locales. Al activar esta opción, se adjunta una política de intercambio de recursos entre orígenes (CORS) al bucket de Amazon S3 especificado en la configuración de almacenamiento de Canvas (y anula cualquier política CORS existente). Para obtener más información sobre los permisos de carga de archivos locales, consulte. Concesión a sus usuarios de permisos para cargar sus archivos de forma local

  5. (Opcional) Para la sección de configuración de OAuth, haga lo siguiente:

    1. Seleccione Añadir configuración de OAuth.

    2. En Fuente de datos, selecciona tu fuente de datos.

    3. Para la configuración del secreto, selecciona Crear un secreto nuevo e introduce la información que tienes de tu proveedor de identidad. Si aún no has realizado la configuración inicial de OAuth con tu fuente de datos, consulta. Configuración de las conexiones a los orígenes de datos con OAuth

  6. (Opcional) Para la configuración de previsión de series temporales, deja activada la opción Habilitar la previsión de series temporales para que los usuarios tengan permiso para realizar previsiones de series temporales en SageMaker Canvas (está activada de forma predeterminada).

    1. Si ha dejado activada la opción Habilitar previsión de series temporales, seleccione Crear y usar una nueva función de ejecución o seleccione Usar una función de ejecución existente si ya tiene una función de IAM con los permisos de Amazon Forecast necesarios adjuntos (para obtener más información, consulte el método de configuración de funciones de IAM).

  7. Termine de configurar el resto de los ajustes del dominio siguiendo los procedimientos. Configuración personalizada para Amazon SageMaker

nota

Si tiene algún problema al conceder permisos a través de la consola, como permisos para eady-to-use modelos R, consulte el temaSolución de problemas relacionados con la concesión de permisos a través de la SageMaker consola.

Ahora debería tener un SageMaker dominio configurado y todos los permisos de Canvas configurados.

Puede editar los permisos de Canvas para un dominio o un usuario específico después de la configuración inicial del dominio. La configuración de los usuarios individuales anula la configuración del dominio. Para obtener información sobre cómo ver o editar sus permisos de Canvas en la configuración del dominio, consulteVer y editar dominios.

Concederse permisos para usar funciones específicas en Canvas

La siguiente información describe los distintos permisos que puede conceder a un usuario de Canvas para permitir el uso de diversas características y funcionalidades de Canvas. Algunos de estos permisos se pueden conceder durante la configuración del dominio, pero otros requieren permisos o configuración adicionales. Consulte la información de permisos específica de cada función que desee habilitar:

  • Carga de archivos locales. Los permisos para cargar archivos locales están activados de forma predeterminada en los permisos básicos de Canvas al configurar su dominio. Si no puede cargar archivos locales de su máquina a SageMaker Canvas, puede adjuntar una política CORS al depósito de Amazon S3 que especificó en la configuración de almacenamiento de Canvas. Si se le permite SageMaker usar el depósito predeterminado, el depósito sigue el patrón s3://sagemaker-{Region}-{your-account-id} de nomenclatura. Para obtener más información, consulte Concesión a sus usuarios de permisos para cargar archivos locales.

  • Modelos personalizados de predicción de imágenes y textos. Los permisos para crear modelos personalizados de predicción de imágenes y textos están activados de forma predeterminada en los permisos básicos de Canvas al configurar tu dominio. Sin embargo, si tiene una configuración de IAM personalizada y no quiere adjuntar la AmazonSageMakerCanvasFullAccesspolítica a la función de ejecución de IAM de su usuario, debe concederle de forma explícita los permisos necesarios. Para obtener más información, consulte Concesión de permisos a sus usuarios para crear modelos personalizados de predicción de imágenes y textos.

  • eady-to-use Modelos R y modelos de cimentación. Es posible que desee utilizar los eady-to-use modelos Canvas R para hacer predicciones para sus datos. Con los permisos de los eady-to-use modelos R, también puedes chatear con modelos generativos impulsados por IA. Los permisos están activados de forma predeterminada al configurar tu dominio, o puedes editar los permisos de un dominio que ya hayas creado. La opción de permisos de eady-to-use modelos Canvas R añade la ServicesAccess política de AmazonSageMakerCanvasIA a su función de ejecución. Para obtener más información, consulte la Introducción sección de la documentación de eady-to-use los modelos R.

    Para obtener más información sobre cómo comenzar a trabajar con los modelos fundacionales de IA generativa, consulte Uso de la IA generativa con los modelos fundacionales.

  • Ajuste con precisión los modelos de base. Si desea afinar los modelos básicos en Canvas, puede añadir los permisos al configurar su dominio o editar los permisos del dominio o perfil de usuario después de crearlo. Debe añadir la ServicesAccess política de AmazonSageMakerCanvasIA a la función de AWS IAM que eligió al configurar el perfil de usuario y también debe añadir una relación de confianza con Amazon Bedrock a la función. Para obtener instrucciones sobre cómo añadir estos permisos a su función de IAM, consulte. Conceda a los usuarios permisos para ajustar con precisión los modelos básicos

  • Previsión de serie temporal. Si quieres realizar previsiones a partir de datos de series temporales, puedes añadir permisos de previsión de series temporales al configurar tu dominio o puedes editar los permisos de un dominio o perfil de usuario después de crear tu dominio. Los permisos necesarios son la política AmazonSageMakerCanvasForecastAccess gestionada y una relación de confianza con Amazon Forecast con el rol de AWS IAM que eligió al configurar el perfil de usuario. Para obtener instrucciones sobre cómo agregar estos permisos a su rol de IAM, consulte Concesión a sus usuarios de permisos para realizar previsiones de serie temporal.

  • Envía predicciones de lotes a Amazon QuickSight. Es posible que desees enviar predicciones por lotes, o conjuntos de datos de predicciones que generes a partir de un modelo personalizado, a Amazon QuickSight para su análisis. En QuickSight, puede crear y publicar paneles predictivos con los resultados de sus predicciones. Para obtener instrucciones sobre cómo añadir estos permisos a la función de IAM de su usuario de Canvas, consulte Conceder a sus usuarios permisos para enviar predicciones a Amazon QuickSight.

  • Implemente modelos de Canvas en un SageMaker punto final. SageMakerEl alojamiento ofrece puntos finales que puede utilizar para implementar su modelo y usarlo en producción. Puede implementar modelos creados en Canvas en un SageMaker punto final y luego hacer predicciones mediante programación en un entorno de producción. Para obtener más información, consulte Implementación de sus modelos en un punto de conexión.

  • Registro de versiones de modelos en el registro de modelos. Es posible que desee registrar las versiones de su modelo en el registro de SageMaker modelos, que es un repositorio para rastrear el estado de las versiones actualizadas de su modelo. Un científico de datos o un equipo de MLOps que trabaje en el registro de SageMaker modelos puede ver las versiones del modelo que haya creado y aprobarlas o rechazarlas. Luego, se puede implementar la versión de su modelo en producción o iniciar un flujo de trabajo automatizado. Los permisos de registro de modelos están activados de forma predeterminada para tu dominio. Puede administrar los permisos en el nivel del perfil de usuario y conceder o eliminar permisos a usuarios específicos. Para obtener más información, consulte Registre una versión del modelo en el registro de SageMaker modelos.

  • Colaboración con científicos de datos. Si quieres colaborar con los usuarios de Studio Classic y compartir modelos, debes añadir permisos adicionales a la función de AWS IAM que elegiste al configurar el perfil de usuario. Para obtener instrucciones sobre cómo añadir la política al rol, consulte Conceder a los usuarios permisos para colaborar con Studio Classic.

  • Importación de datos de Amazon Redshift Si desea importar datos de Amazon Redshift, debe concederse permisos adicionales. Debe añadir la política AmazonRedshiftFullAccess gestionada a la función de AWS IAM que eligió al configurar el perfil de usuario. Para obtener instrucciones sobre cómo agregar la política al rol, consulte Concesión a los usuarios de permisos para importar datos de Amazon Redshift.

nota

Los permisos necesarios para importar a través de otras fuentes de datos, como Amazon Athena y las plataformas SaaS, se incluyen en el AmazonSage MakerFull acceso y las políticas. AmazonSageMakerCanvasFullAccess Si ha seguido las instrucciones de configuración estándares, estas políticas ya deberían estar asociadas a su función de ejecución. Para obtener más información acerca de estos orígenes de datos y sus permisos, consulte Conexión con orígenes de datos.

Paso 1: Inicie sesión en Canvas SageMaker

Cuando se complete la configuración inicial, podrá acceder a SageMaker Canvas con cualquiera de los siguientes métodos, según su caso de uso:

  • En la SageMaker consola, elija Canvas en el panel de navegación izquierdo. A continuación, en la página de Canvas, selecciona tu usuario en el menú desplegable e inicia la aplicación Canvas.

  • Abra SageMaker Studio y, en la interfaz de Studio, vaya a la página de Canvas e inicie la aplicación Canvas.

  • Utilice los métodos de SSO basados en SAML 2.0 de su organización, como Okta o el IAM Identity Center.

Cuando inicia sesión en SageMaker Canvas por primera vez, SageMaker crea la aplicación y un espacio para usted. SageMaker Los datos de la aplicación Canvas se almacenan en el espacio. Para obtener más información sobre los espacios, consulteColaboración con espacios compartidos. El espacio consta de las aplicaciones de su perfil de usuario y un directorio compartido para todos los datos de las aplicaciones. Si no desea utilizar el espacio predeterminado creado por SageMaker y prefiere crear su propio espacio para almacenar los datos de la aplicación, consulte la páginaGuarde los datos de la aplicación SageMaker Canvas en su propio espacio SageMaker.

Paso 2: Usa SageMaker Canvas para obtener predicciones

Después de iniciar sesión en Canvas, puede empezar a crear modelos y generar predicciones para sus datos.

Puede usar eady-to-use los modelos Canvas R para hacer predicciones sin crear un modelo, o puede crear un modelo personalizado para su problema empresarial específico. Revise la siguiente información para decidir si eady-to-use los modelos R o los modelos personalizados son los mejores para su caso de uso.

  • eady-to-use Modelos R. Con eady-to-use los modelos R, puede usar modelos prediseñados para extraer información de sus datos. eady-to-use Los modelos R cubren una variedad de casos de uso, como la detección del idioma y el análisis de documentos. Para empezar a hacer predicciones con eady-to-use modelos R, consulteUsa eady-to-use modelos R.

  • Modelos personalizados. Con los modelos personalizados, puede crear una variedad de tipos de modelos que se personalizan para realizar predicciones para sus datos. Utilice modelos personalizados si desea crear un modelo que se base en los datos específicos de su empresa y si desea utilizar funciones como la colaboración con los científicos de datos y la evaluación del rendimiento de su modelo. Para empezar a crear un modelo personalizado, consulte Uso de modelos personalizados.

También puede incorporar su propio modelo (BYOM) a partir de otras funciones. SageMaker Un usuario de Amazon SageMaker Studio puede compartir su modelo con un usuario de Canvas y el usuario de Canvas puede generar predicciones con el modelo. Para obtener más información, consulte Traiga su propio modelo a SageMaker Canvas.