Memulai dengan menggunakan Amazon SageMaker Canvas

Panduan ini memberi tahu Anda cara memulai dengan menggunakan SageMaker Canvas. Jika Anda seorang administrator TI dan ingin detail lebih mendalam, lihat Menyiapkan dan Mengelola Amazon SageMaker Canvas (untuk Administrator TI) untuk menyiapkan SageMaker Canvas untuk pengguna Anda.

Prasyarat untuk menyiapkan Amazon Canvas SageMaker

Untuk menyiapkan aplikasi SageMaker Canvas, onboard menggunakan salah satu metode penyiapan berikut:

1. Onboard dengan AWS konsol. Untuk onboard melalui AWS konsol, pertama-tama Anda membuat SageMaker domain Amazon. SageMaker domain mendukung berbagai lingkungan pembelajaran mesin (ML) seperti Canvas dan SageMaker Studio. Untuk informasi selengkapnya tentang domain, lihatIkhtisar SageMaker domain Amazon.

   1. (Cepat) Penyiapan cepat ke Amazon SageMaker — Pilih opsi ini jika Anda ingin mengatur domain dengan cepat. Ini memberi pengguna Anda semua izin Canvas default dan fungsionalitas dasar. Fitur tambahan apa pun seperti kueri dokumen dapat diaktifkan nanti oleh admin. Jika Anda ingin mengonfigurasi izin yang lebih terperinci, kami sarankan Anda memilih opsi Lanjutan sebagai gantinya.

   2. (Standar) Penyiapan khusus ke Amazon SageMaker — Pilih opsi ini jika Anda ingin menyelesaikan pengaturan domain yang lebih canggih. Pertahankan kontrol terperinci atas izin pengguna seperti akses ke fitur persiapan data, fungsionalitas AI generatif, dan penerapan model.

2. Onboard dengan AWS CloudFormation. AWS CloudFormationmengotomatiskan penyediaan sumber daya dan konfigurasi sehingga Anda dapat mengatur Canvas untuk satu atau beberapa profil pengguna secara bersamaan. Gunakan opsi ini jika Anda ingin mengotomatiskan proses orientasi dalam skala besar dan pastikan aplikasi Anda dikonfigurasi dengan cara yang sama setiap saat. CloudFormation Template berikut menyediakan cara yang efisien untuk onboard ke Canvas, memastikan bahwa semua komponen yang diperlukan diatur dengan benar dan memungkinkan Anda untuk fokus pada pembuatan dan penerapan model pembelajaran mesin Anda.

Bagian berikut menjelaskan cara onboard ke Canvas dengan menggunakan AWS konsol untuk membuat domain.

penting

Agar Anda dapat mengatur Amazon SageMaker Canvas, versi Amazon SageMaker Studio Anda harus 3.19.0 atau yang lebih baru. Untuk informasi tentang memperbarui Amazon SageMaker Studio, lihatMatikan dan Perbarui SageMaker Studio Classic.

Onboard dengan konsol AWS

Jika Anda melakukan pengaturan domain cepat, maka Anda dapat mengikuti instruksi diPenyiapan cepat ke Amazon SageMaker, melewati sisa bagian ini, dan melanjutkan keLangkah 1: Masuk ke SageMaker Canvas.

Jika Anda melakukan pengaturan domain standar, Anda dapat menentukan fitur Canvas yang ingin Anda berikan akses kepada pengguna Anda. Gunakan sisa bagian ini saat Anda menyelesaikan pengaturan domain standar untuk membantu Anda mengonfigurasi izin yang khusus untuk Canvas.

Dalam instruksi Penyiapan khusus ke Amazon SageMaker penyiapan, untuk Langkah 2: Pengguna dan Aktivitas ML, Anda harus memilih izin Canvas yang ingin Anda berikan. Di bagian aktivitas ML, Anda dapat memilih kebijakan izin berikut untuk memberikan akses ke fitur Canvas. Anda hanya dapat memilih hingga total 8 aktivitas ML saat menyiapkan domain Anda. Dua izin pertama dalam daftar berikut diperlukan untuk menggunakan Canvas, sedangkan sisanya untuk fitur tambahan.

• Jalankan Aplikasi Studio — Izin ini diperlukan untuk memulai aplikasi Canvas.

• Akses Inti Canvas — Izin ini memberi Anda akses ke aplikasi Canvas dan fungsionalitas dasar Canvas, seperti membuat kumpulan data, menggunakan transformasi data dasar, dan membangun dan menganalisis model.

• (Opsional) Persiapan Data Kanvas (didukung oleh Data Wrangler) - Izin ini memberi Anda akses untuk membuat aliran data dan menggunakan transformasi lanjutan untuk menyiapkan data Anda di Canvas. Izin ini juga diperlukan untuk membuat pekerjaan pemrosesan data dan jadwal pekerjaan persiapan data.

• (Opsional) Layanan Canvas AI — Izin ini memberi Anda akses ke eady-to-use model R, model dasar, dan fitur Obrolan dengan Data di Canvas.

• (Opsional) Akses Kendra — Izin ini memberi Anda akses ke fitur kueri dokumen, tempat Anda dapat menanyakan dokumen yang disimpan dalam indeks Amazon Kendra menggunakan model dasar di Canvas.

  Jika Anda memilih opsi ini, maka di bagian Akses Kendra Kanvas, masukkan ID untuk indeks Amazon Kendra yang ingin Anda berikan aksesnya.

• (Opsional) Canvas MLOPs — Izin ini memberi Anda akses ke fitur penerapan model di Canvas, tempat Anda dapat menerapkan model untuk digunakan dalam produksi.

Di bagian Langkah 3: Aplikasi pengaturan domain, pilih Konfigurasi Kanvas dan kemudian lakukan hal berikut:

1. Untuk konfigurasi penyimpanan Canvas, tentukan di mana Anda ingin Canvas menyimpan data aplikasi, seperti artefak model, prediksi batch, kumpulan data, dan log. SageMaker membuat Canvas/ folder di dalam bucket ini untuk menyimpan data. Untuk informasi selengkapnya, lihat Mengonfigurasi penyimpanan Amazon S3 Anda. Untuk bagian ini, lakukan hal berikut:

   1. Pilih System managed jika Anda ingin menyetel lokasi ke bucket SageMaker -created default yang mengikuti polas3://sagemaker-{Region}-{your-account-id}.

   2. Pilih Custom S3 untuk menentukan bucket Amazon S3 Anda sendiri sebagai lokasi penyimpanan. Kemudian, masukkan URI Amazon S3.

   3. (Opsional) Untuk kunci Enkripsi, tentukan kunci KMS untuk mengenkripsi artefak Canvas yang disimpan di lokasi yang ditentukan.

2. (Opsional) Untuk konfigurasi eady-to-use model Canvas R, lakukan hal berikut:

   1. Biarkan opsi Aktifkan eady-to-use model R Canvas diaktifkan untuk memberikan izin kepada pengguna Anda untuk menghasilkan prediksi dengan eady-to-use model R di Canvas (diaktifkan secara default). Opsi ini juga memberi Anda izin untuk mengobrol dengan model yang didukung Generative-AI. Untuk informasi selengkapnya, lihat Gunakan AI generatif dengan model foundation.

   2. Biarkan opsi Aktifkan kueri dokumen menggunakan Amazon Kendra diaktifkan untuk memberikan izin kepada pengguna Anda untuk menggunakan model dasar untuk menanyakan dokumen yang disimpan dalam indeks Amazon Kendra. Kemudian, dari menu tarik-turun, pilih indeks yang ada yang ingin Anda berikan akses. Untuk informasi selengkapnya, lihat Gunakan AI generatif dengan model foundation.

   3. Untuk peran Amazon Bedrock, pilih Buat dan gunakan peran eksekusi baru untuk membuat peran eksekusi IAM baru yang memiliki hubungan kepercayaan dengan Amazon Bedrock. Peran IAM ini diasumsikan oleh Amazon Bedrock untuk menyempurnakan model bahasa besar (LLM) di Canvas. Jika Anda sudah memiliki peran eksekusi dengan hubungan kepercayaan, pilih Gunakan peran eksekusi yang ada dan pilih peran Anda dari tarik-turun. Untuk informasi selengkapnya tentang mengonfigurasi izin untuk peran eksekusi Anda sendiri, lihat. Berikan Izin ke Model Foundation untuk Menyempurnakan Model Foundation

3. (Opsional) Untuk bagian Konfigurasi izin Ops, lakukan hal berikut:

   1. Biarkan opsi Aktifkan penerapan langsung model Canvas diaktifkan untuk memberikan izin kepada pengguna Anda untuk menerapkan model mereka dari Canvas ke titik akhir. SageMaker Untuk informasi selengkapnya tentang penerapan model di Canvas, lihatMenerapkan model Anda ke titik akhir.

   2. Biarkan opsi Aktifkan izin pendaftaran Registri Model untuk semua pengguna diaktifkan untuk memberikan izin kepada pengguna Anda untuk mendaftarkan versi model mereka ke registri SageMaker model (diaktifkan secara default). Untuk informasi selengkapnya, lihat Daftarkan versi model di registri SageMaker model.

   3. Jika Anda membiarkan opsi Aktifkan izin pendaftaran Registri Model untuk semua pengguna diaktifkan, lalu pilih Daftar ke Registri Model saja atau Daftar dan setujui model di Registri Model.

4. (Opsional) Untuk bagian konfigurasi unggahan file lokal, aktifkan opsi Aktifkan unggahan file lokal untuk memberikan izin kepada pengguna Anda untuk mengunggah file ke Canvas dari mesin lokal mereka. Mengaktifkan opsi ini akan melampirkan kebijakan berbagi sumber daya lintas asal (CORS) ke bucket Amazon S3 yang ditentukan dalam konfigurasi penyimpanan Canvas (dan mengganti kebijakan CORS yang ada). Untuk mempelajari lebih lanjut tentang izin upload file lokal, lihatBerikan Izin Pengguna Anda untuk Mengunggah File Lokal.

5. (Opsional) Untuk bagian Pengaturan OAuth, lakukan hal berikut:

   1. Pilih Tambahkan konfigurasi OAuth.

   2. Untuk Sumber data, pilih sumber data Anda.

   3. Untuk pengaturan Rahasia, pilih Buat rahasia baru dan masukkan informasi yang Anda miliki dari penyedia identitas Anda. Jika Anda belum melakukan pengaturan OAuth awal dengan sumber data Anda, lihat. Siapkan koneksi ke sumber data dengan OAuth

6. (Opsional) Untuk konfigurasi peramalan deret waktu, biarkan opsi Aktifkan peramalan deret waktu diaktifkan untuk memberikan izin kepada pengguna Anda untuk melakukan peramalan deret waktu di SageMaker Canvas (diaktifkan secara default).

   1. Jika Anda membiarkan Aktifkan peramalan deret waktu diaktifkan, pilih Buat dan gunakan peran eksekusi baru, atau pilih Gunakan peran eksekusi yang ada jika Anda sudah memiliki peran IAM dengan izin Amazon Forecast yang diperlukan terlampir (untuk informasi selengkapnya, lihat metode penyiapan peran IAM).

7. Selesai mengonfigurasi sisa pengaturan domain menggunakan Penyiapan khusus ke Amazon SageMaker prosedur.

catatan

Jika Anda mengalami masalah dengan pemberian izin melalui konsol, seperti izin untuk eady-to-use model R, lihat topiknya. Memecahkan masalah dengan pemberian izin melalui konsol SageMaker

Anda sekarang harus memiliki pengaturan SageMaker domain dan semua izin Canvas dikonfigurasi.

Anda dapat mengedit izin Canvas untuk domain atau pengguna tertentu setelah penyiapan domain awal. Pengaturan pengguna individu mengesampingkan pengaturan domain. Untuk mempelajari cara melihat atau mengedit izin Canvas Anda di pengaturan domain, lihatLihat dan edit domain.

Beri diri Anda izin untuk menggunakan fitur tertentu di Canvas

Informasi berikut menguraikan berbagai izin yang dapat Anda berikan kepada pengguna Canvas untuk memungkinkan penggunaan berbagai fitur dan fungsi dalam Canvas. Beberapa izin ini dapat diberikan selama pengaturan domain, tetapi beberapa memerlukan izin atau konfigurasi tambahan. Lihat informasi izin khusus untuk setiap fitur yang ingin Anda aktifkan:

• Unggahan file lokal. Izin untuk upload file lokal diaktifkan secara default di izin dasar Canvas saat menyiapkan domain Anda. Jika Anda tidak dapat mengunggah file lokal dari mesin ke SageMaker Canvas, Anda dapat melampirkan kebijakan CORS ke bucket Amazon S3 yang Anda tentukan dalam konfigurasi penyimpanan Canvas. Jika Anda SageMaker diizinkan menggunakan bucket default, bucket mengikuti pola penamaans3://sagemaker-{Region}-{your-account-id}. Untuk informasi selengkapnya, lihat Memberi Izin Pengguna Anda untuk Mengunggah File Lokal.

• Model prediksi gambar dan teks khusus. Izin untuk membuat model prediksi gambar dan teks kustom diaktifkan secara default di izin dasar Canvas saat menyiapkan domain Anda. Namun, jika Anda memiliki konfigurasi IAM khusus dan tidak ingin melampirkan AmazonSageMakerCanvasFullAccesskebijakan tersebut ke peran eksekusi IAM pengguna Anda, Anda harus secara eksplisit memberikan izin yang diperlukan kepada pengguna Anda. Untuk informasi selengkapnya, lihat Berikan Izin Pengguna Anda untuk Membuat Model Prediksi Gambar dan Teks Kustom.

• eady-to-use Model R dan model pondasi. Anda mungkin ingin menggunakan eady-to-use model Canvas R untuk membuat prediksi untuk data Anda. Dengan izin eady-to-use model R, Anda juga dapat mengobrol dengan model bertenaga AI generatif. Izin diaktifkan secara default saat menyiapkan domain Anda, atau Anda dapat mengedit izin untuk domain yang telah Anda buat. Opsi izin eady-to-use model Canvas R menambahkan ServicesAccess kebijakan AmazonSageMakerCanvasAI ke peran eksekusi Anda. Untuk informasi selengkapnya, lihat Memulai bagian Dokumentasi eady-to-use model R.

  Untuk informasi lebih lanjut tentang memulai model foundation AI generatif, lihatGunakan AI generatif dengan model foundation.

• Model pondasi yang disempurnakan. Jika Anda ingin menyempurnakan model foundation di Canvas, Anda dapat menambahkan izin saat menyiapkan domain, atau mengedit izin untuk domain atau profil pengguna setelah membuat domain. Anda harus menambahkan ServicesAccess kebijakan AmazonSageMakerCanvasAI ke peran AWS IAM yang Anda pilih saat menyiapkan profil pengguna, dan Anda juga harus menambahkan hubungan kepercayaan dengan Amazon Bedrock ke peran tersebut. Untuk petunjuk tentang cara menambahkan izin ini ke peran IAM Anda, lihat. Berikan Izin ke Model Foundation untuk Menyempurnakan Model Foundation

• Peramalan deret waktu. Jika ingin melakukan prakiraan pada data deret waktu, Anda dapat menambahkan izin peramalan deret waktu saat menyiapkan domain, atau mengedit izin untuk domain atau profil pengguna setelah membuat domain. Izin yang diperlukan adalah kebijakan AmazonSageMakerCanvasForecastAccess terkelola dan hubungan kepercayaan dengan Amazon Forecast dengan peran AWS IAM yang Anda pilih saat menyiapkan profil pengguna. Untuk petunjuk tentang cara menambahkan izin ini ke peran IAM Anda, lihat Memberi Izin Pengguna Anda untuk Melakukan Peramalan Deret Waktu.

• Kirim prediksi batch ke Amazon QuickSight. Anda mungkin ingin mengirim prediksi batch, atau kumpulan data prediksi yang Anda hasilkan dari model khusus, ke Amazon untuk dianalisis. QuickSight Di QuickSight, Anda dapat membangun dan mempublikasikan dasbor prediktif dengan hasil prediksi Anda. Untuk petunjuk tentang cara menambahkan izin ini ke peran IAM pengguna Canvas Anda, lihat Memberi Izin Pengguna Anda untuk Mengirim Prediksi ke Amazon. QuickSight

• Terapkan model Canvas ke titik SageMaker akhir. SageMakerHosting menawarkan titik akhir yang dapat Anda gunakan untuk menerapkan model Anda untuk digunakan dalam produksi. Anda dapat menerapkan model bawaan Canvas ke SageMaker titik akhir dan kemudian membuat prediksi secara terprogram di lingkungan produksi. Untuk informasi selengkapnya, lihat Menerapkan model Anda ke titik akhir.

• Daftarkan versi model ke registri model. Anda mungkin ingin mendaftarkan versi model Anda ke registri SageMaker model, yang merupakan repositori untuk melacak status versi terbaru model Anda. Ilmuwan data atau tim MLOPs yang bekerja di registri SageMaker model dapat melihat versi model yang telah Anda buat dan menyetujui atau menolaknya. Kemudian, mereka dapat menerapkan versi model Anda ke produksi atau memulai alur kerja otomatis. Izin pendaftaran model diaktifkan secara default untuk domain Anda. Anda dapat mengelola izin di tingkat profil pengguna dan memberikan atau menghapus izin kepada pengguna tertentu. Untuk informasi selengkapnya, lihat Daftarkan versi model di registri SageMaker model.

• Kolaborasi dengan ilmuwan data. Jika ingin berkolaborasi dengan pengguna Studio Classic dan berbagi model, Anda harus menambahkan izin tambahan ke peran AWS IAM yang Anda pilih saat menyiapkan profil pengguna. Untuk petunjuk tentang cara menambahkan kebijakan ke peran, lihat Memberi Izin Pengguna untuk Berkolaborasi dengan Studio Classic.

• Impor data dari Amazon Redshift. Jika Anda ingin mengimpor data dari Amazon Redshift, Anda harus memberi diri Anda izin tambahan. Anda harus menambahkan kebijakan AmazonRedshiftFullAccess terkelola ke peran AWS IAM yang Anda pilih saat menyiapkan profil pengguna. Untuk petunjuk tentang cara menambahkan kebijakan ke peran, lihat Memberi Izin Pengguna untuk Mengimpor Data Amazon Redshift.

catatan

Izin yang diperlukan untuk mengimpor melalui sumber data lain, seperti platform Amazon Athena dan SaaS, termasuk dalam kebijakan dan. AmazonSageMakerFullAccessAmazonSageMakerCanvasFullAccess Jika Anda mengikuti petunjuk penyiapan standar, kebijakan ini harus sudah dilampirkan ke peran eksekusi Anda. Untuk informasi selengkapnya tentang sumber data ini dan izinnya, lihatConnect ke sumber data.

Langkah 1: Masuk ke SageMaker Canvas

Ketika pengaturan awal selesai, Anda dapat mengakses SageMaker Canvas dengan salah satu metode berikut, tergantung pada kasus penggunaan Anda:

• Di SageMaker konsol, pilih Canvas di panel navigasi sebelah kiri. Kemudian, pada halaman Canvas, pilih pengguna Anda dari dropdown dan luncurkan aplikasi Canvas.

• Buka SageMaker Studio, dan di antarmuka Studio, buka halaman Canvas dan luncurkan aplikasi Canvas.

• Gunakan metode SSO berbasis SAM 2.0 organisasi Anda, seperti Okta atau Pusat Identitas IAM.

Saat Anda masuk ke SageMaker Canvas untuk pertama kalinya, SageMaker buat aplikasi dan SageMaker ruang untuk Anda. Data aplikasi Canvas disimpan dalam ruang. Untuk mempelajari selengkapnya tentang spasi, lihatBerkolaborasi dengan ruang bersama. Ruang terdiri dari aplikasi profil pengguna Anda dan direktori bersama untuk semua data aplikasi Anda. Jika Anda tidak ingin menggunakan ruang default yang dibuat oleh SageMaker dan lebih memilih untuk membuat ruang Anda sendiri untuk menyimpan data aplikasi, lihat halamanSimpan data aplikasi SageMaker Canvas di SageMaker ruang Anda sendiri.

Langkah 2: Gunakan SageMaker Canvas untuk mendapatkan prediksi

Setelah masuk ke Canvas, Anda dapat mulai membuat model dan menghasilkan prediksi untuk data Anda.

Anda dapat menggunakan eady-to-use model Canvas R untuk membuat prediksi tanpa membuat model, atau Anda dapat membuat model khusus untuk masalah bisnis spesifik Anda. Tinjau informasi berikut untuk memutuskan apakah eady-to-use model R atau model khusus terbaik untuk kasus penggunaan Anda.

• eady-to-use Model R. Dengan eady-to-use model R, Anda dapat menggunakan model pra-bangun untuk mengekstrak wawasan dari data Anda. eady-to-use Model R mencakup berbagai kasus penggunaan, seperti deteksi bahasa dan analisis dokumen. Untuk mulai membuat prediksi dengan eady-to-use model R, lihatGunakan eady-to-use model R.

• Model kustom. Dengan model khusus, Anda dapat membuat berbagai jenis model yang disesuaikan untuk membuat prediksi data Anda. Gunakan model khusus jika Anda ingin membuat model yang dilatih pada data spesifik bisnis Anda dan jika Anda ingin menggunakan fitur seperti berkolaborasi dengan ilmuwan data dan mengevaluasi kinerja model Anda. Untuk memulai membangun model khusus, lihatGunakan model khusus.

Anda juga dapat membawa model Anda sendiri (BYOM) dari fitur lain. SageMaker Pengguna Amazon SageMaker Studio dapat berbagi model mereka dengan pengguna Canvas, dan pengguna Canvas dapat menghasilkan prediksi dengan model tersebut. Untuk mempelajari lebih lanjut, lihat Membawa model Anda sendiri ke SageMaker Canvas.