Pembelajaran mesin tanpa kode dengan Amazon Canvas SageMaker

Amazon SageMaker Canvas memungkinkan Anda untuk membangun model AI/ML Anda sendiri tanpa harus menulis satu baris kode pun. Anda dapat membuat model ML untuk kasus penggunaan umum seperti regresi dan peramalan dan dapat mengakses dan mengevaluasi model pondasi () FMs dari Amazon Bedrock. Anda juga dapat mengakses publik FMs dari Amazon SageMaker JumpStart untuk pembuatan konten, ekstraksi teks, dan ringkasan teks untuk mendukung solusi AI generatif.

Cara membuat model MLtanpa kode dengan Canvas SageMaker

Amazon DocumentDB sekarang terintegrasi dengan SageMaker Amazon Canvas untuk mengaktifkan pembelajaran mesin tanpa kode (ML) dengan data yang disimpan di Amazon DocumentDB. Anda sekarang dapat membangun model ML untuk kebutuhan regresi dan peramalan dan menggunakan model dasar untuk ringkasan dan pembuatan konten menggunakan data yang disimpan di Amazon DocumentDB tanpa menulis satu baris kode pun.

SageMaker Canvas menyediakan antarmuka visual yang memungkinkan pelanggan Amazon DocumentDB menghasilkan prediksi tanpa memerlukan keahlian AI/ML atau menulis satu baris kode. Pelanggan sekarang dapat meluncurkan ruang kerja SageMaker Canvas dari AWS Management Console, mengimpor, dan bergabung dengan data Amazon DocumentDB untuk persiapan data dan pelatihan model. Data di Amazon DocumentDB sekarang dapat digunakan SageMaker di Canvas untuk membangun dan menambah model untuk memprediksi churn pelanggan, mendeteksi penipuan, memprediksi kegagalan pemeliharaan, memperkirakan metrik bisnis, dan menghasilkan konten. Pelanggan sekarang dapat mempublikasikan dan berbagi wawasan berbasis ML di seluruh tim menggunakan integrasi asli SageMaker Canvas dengan Amazon. QuickSight Saluran konsumsi data di SageMaker Canvas berjalan di instans sekunder Amazon DocumentDB secara default, memastikan bahwa kinerja aplikasi dan beban kerja penyerapan Canvas tidak terhalang. SageMaker

Pelanggan Amazon DocumentDB dapat memulai SageMaker dengan Canvas dengan menavigasi ke halaman Amazon DocumentDB No-Code MLConsole baru dan menghubungkan ke ruang kerja Canvas baru atau yang tersedia. SageMaker

Mengkonfigurasi SageMaker domain dan profil pengguna

Anda dapat terhubung ke cluster Amazon DocumentDB SageMaker dari domain yang berjalan dalam mode Only. VPC Dengan meluncurkan SageMaker domain di AndaVPC, Anda dapat mengontrol aliran data dari lingkungan SageMaker Studio dan Canvas Anda. Ini memungkinkan Anda untuk membatasi akses internet, memantau dan memeriksa lalu lintas menggunakan AWS jaringan standar dan kemampuan keamanan, dan terhubung ke AWS sumber daya lain melalui VPC titik akhir. Silakan merujuk ke Amazon SageMaker Canvas Memulai dan Mengonfigurasi SageMaker Kanvas Amazon dalam akses internet VPC tanpa akses internet yang terletak di Panduan SageMaker Pengembang Amazon untuk membuat SageMaker domain Anda agar terhubung ke klaster Amazon DocumentDB Anda.

Mengkonfigurasi izin IAM akses untuk Amazon DocumentDB dan Canvas SageMaker

Pengguna Amazon DocumentDB yang AmazonDocDBConsoleFullAccess telah melekat pada peran dan identitas terkait mereka dapat mengakses file. AWS Management Console Tambahkan tindakan berikut ke peran atau identitas yang disebutkan di atas untuk menyediakan akses ke pembelajaran mesin tanpa kode dengan Amazon SageMaker Canvas.

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

Membuat pengguna database dan peran untuk SageMaker Canvas

Anda dapat membatasi akses ke tindakan yang dapat dilakukan pengguna pada database menggunakan kontrol akses berbasis peran () di RBAC Amazon DocumentDB. RBACbekerja dengan memberikan satu atau lebih peran kepada pengguna. Peran ini menentukan operasi yang dapat dilakukan pengguna pada sumber daya database.

Sebagai pengguna Canvas, Anda terhubung ke database Amazon DocumentDB dengan kredensi nama pengguna dan kata sandi. Anda dapat membuat pengguna/peran database untuk pengguna Canvas yang memiliki akses baca ke database tertentu menggunakan fungsionalitas Dokumen Amazon. DBB RBAC

Misalnya, gunakan createUser operasi:

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

Ini menciptakan canvas_user yang telah membaca izin ke sample-database-1 database. Analis Canvas Anda dapat menggunakan kredensi ini untuk mengakses data di klaster Amazon DocumentDB Anda. Lihat Akses database menggunakan Kontrol Akses Berbasis Peran untuk mempelajari lebih lanjut.

Wilayah yang tersedia

Integrasi tanpa kode tersedia di wilayah di mana Amazon DocumentDB SageMaker dan Amazon Canvas didukung. Daerah-daerah tersebut meliputi:

• us-east-1 (Virginia Utara)

• us-east-2 (Ohio)

• us-west-2 (Oregon)

• ap-northeast-1 (Tokyo)

• ap-northeast-2 (Seoul)

• ap-south-1 (Mumbai)

• ap-southeast-1 (Singapura)

• ap-southeast-2 (Sydney)

• eu-central-1 (Frankfurt am Main)

• eu-west-1 (Irlandia)

Silakan lihat SageMaker Kanvas Amazon di Panduan SageMaker Pengembang Amazon untuk ketersediaan wilayah terbaru.