No-code pembelajaran mesin dengan Amazon SageMaker AI Canvas

Amazon SageMaker AI Canvas memungkinkan Anda membuat AI/ML model 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 dasar (FM) dari Amazon Bedrock. Anda juga dapat mengakses FM publik dari Amazon SageMaker AI JumpStart untuk pembuatan konten, ekstraksi teks, dan ringkasan teks untuk mendukung solusi AI generatif.

Cara membuat model ML tanpa kode dengan SageMaker AI Canvas

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

SageMaker AI Canvas menyediakan antarmuka visual yang memungkinkan pelanggan Amazon DocumentDB menghasilkan prediksi tanpa memerlukan AI/ML keahlian apa pun atau menulis satu baris kode. Pelanggan sekarang dapat meluncurkan ruang kerja SageMaker AI Canvas dari Konsol Manajemen AWS, mengimpor, dan bergabung dengan data Amazon DocumentDB untuk persiapan data dan pelatihan model. Data di Amazon DocumentDB sekarang dapat digunakan di SageMaker AI 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 ML-driven wawasan di seluruh tim menggunakan integrasi asli SageMaker AI Canvas dengan Quick. Jalur penyerapan data di SageMaker AI Canvas berjalan di instans sekunder Amazon DocumentDB secara default, memastikan bahwa kinerja aplikasi dan beban kerja penyer SageMaker apan AI Canvas tidak terhalang.

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

Mengkonfigurasi domain SageMaker AI dan profil pengguna

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

Mengkonfigurasi izin akses IAM untuk Amazon DocumentDB dan AI Canvas SageMaker

Pengguna Amazon DocumentDB yang telah AmazonDocDBConsoleFullAccess melampirkan peran dan identitas terkait mereka dapat mengakses. Konsol Manajemen AWS Tambahkan tindakan berikut ke peran atau identitas yang disebutkan di atas untuk menyediakan akses ke pembelajaran mesin tanpa kode dengan Amazon SageMaker AI Canvas.

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

Membuat pengguna database dan peran untuk SageMaker AI Canvas

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

Sebagai pengguna Canvas, Anda terhubung ke database Amazon DocumentDB dengan kredenSIAL nama pengguna dan kata sandi. Anda dapat membuat database user/role untuk pengguna Canvas yang memiliki akses baca ke database tertentu menggunakan fungsionalitas Amazon DocumentDB 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 memiliki izin baca ke sample-database-1 database. Analis Canvas Anda dapat menggunakan kredensi ini untuk mengakses data di cluster Amazon DocumentDB Anda. Lihat untuk Akses database menggunakan Role-Based Access Control mempelajari lebih lanjut.

Wilayah yang Tersedia

Integrasi tanpa kode tersedia di Wilayah di mana Amazon DocumentDB dan Amazon SageMaker AI Canvas didukung. Wilayah meliputi:

• us-east-1 (us-east-1)

• us-timur-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)

• eu-west-1 (Irlandia)

Lihat Amazon SageMaker AI Canvas di Panduan Pengembang SageMaker AI Amazon untuk ketersediaan Wilayah terbaru.