Guida introduttiva all'utilizzo di Amazon SageMaker Canvas

Questa guida spiega come iniziare a usare SageMaker Canvas. Se sei un amministratore IT e desideri dettagli più approfonditi, consulta la sezione Configurazione Configurazione e gestione di Amazon SageMaker Canvas (per amministratori IT) di SageMaker Canvas per i tuoi utenti.

Prerequisiti per la configurazione di Amazon Canvas SageMaker

Per configurare un'applicazione SageMaker Canvas, esegui l'onboard utilizzando uno dei seguenti metodi di configurazione:

1. A bordo con la console. AWS Per effettuare l'onboarding tramite la AWS console, devi prima creare un SageMaker dominio Amazon. SageMaker i domini supportano i vari ambienti di machine learning (ML) come Canvas e SageMaker Studio. Per ulteriori informazioni sui domini, consulta. Panoramica SageMaker del dominio Amazon

   1. (Rapido)Configurazione rapida su Amazon SageMaker: scegli questa opzione se desideri configurare rapidamente un dominio. Ciò concede all'utente tutte le autorizzazioni Canvas predefinite e le funzionalità di base. Qualsiasi funzionalità aggiuntiva, come l'interrogazione dei documenti, può essere abilitata successivamente da un amministratore. Se desideri configurare autorizzazioni più granulari, ti consigliamo invece di scegliere l'opzione Avanzata.

   2. (Standard)Configurazione personalizzata per Amazon SageMaker: scegli questa opzione se desideri completare una configurazione più avanzata del tuo dominio. Mantieni il controllo granulare sulle autorizzazioni degli utenti, ad esempio l'accesso alle funzionalità di preparazione dei dati, alle funzionalità di intelligenza artificiale generativa e alle implementazioni dei modelli.

2. A bordo con. AWS CloudFormation AWS CloudFormationautomatizza l'approvvigionamento di risorse e configurazioni in modo da poter configurare Canvas per uno o più profili utente contemporaneamente. Utilizza questa opzione se desideri automatizzare il processo di onboarding su larga scala e assicurarti che le tue applicazioni siano configurate sempre allo stesso modo. Il CloudFormation modello seguente fornisce un modo semplificato per l'integrazione su Canvas, garantendo che tutti i componenti necessari siano configurati correttamente e consentendoti di concentrarti sulla creazione e l'implementazione dei tuoi modelli di machine learning.

La sezione seguente descrive come effettuare l'onboarding su Canvas utilizzando la AWS console per creare un dominio.

Importante

Per poter configurare Amazon SageMaker Canvas, la tua versione di Amazon SageMaker Studio deve essere la 3.19.0 o successiva. Per informazioni sull'aggiornamento di Amazon SageMaker Studio, consultaChiudi e aggiorna SageMaker Studio Classic.

A bordo con la console AWS

Se stai eseguendo la configurazione rapida del dominio, puoi seguire le istruzioni riportateConfigurazione rapida su Amazon SageMaker, saltare il resto di questa sezione e passare a. Passaggio 1: accedi a Canvas SageMaker

Se stai eseguendo la configurazione standard del dominio, puoi specificare le funzionalità di Canvas a cui desideri concedere l'accesso ai tuoi utenti. Usa il resto di questa sezione mentre completi la configurazione standard del dominio per aiutarti a configurare le autorizzazioni specifiche di Canvas.

Nelle istruzioni di Configurazione personalizzata per Amazon SageMaker configurazione, per la Fase 2: Utenti e attività ML, devi selezionare le autorizzazioni Canvas che desideri concedere. Nella sezione Attività ML, puoi selezionare le seguenti politiche di autorizzazione per concedere l'accesso alle funzionalità di Canvas. Puoi selezionare solo fino a 8 attività di machine learning in totale quando configuri il tuo dominio. Le prime due autorizzazioni nell'elenco seguente sono necessarie per utilizzare Canvas, mentre le altre sono per funzionalità aggiuntive.

• Esegui applicazioni Studio: queste autorizzazioni sono necessarie per avviare l'applicazione Canvas.

• Canvas Core Access: queste autorizzazioni consentono di accedere all'applicazione Canvas e alle funzionalità di base di Canvas, come la creazione di set di dati, l'utilizzo di trasformazioni di dati di base e la creazione e l'analisi di modelli.

• (Facoltativo) Canvas Data Preparation (con tecnologia Data Wrangler): queste autorizzazioni ti garantiscono l'accesso per creare flussi di dati e utilizzare trasformazioni avanzate per preparare i dati in Canvas. Queste autorizzazioni sono necessarie anche per creare lavori di elaborazione dati e pianificazioni di lavoro di preparazione dei dati.

• (Facoltativo) Servizi AI Canvas: queste autorizzazioni ti consentono di accedere ai eady-to-use modelli R, ai modelli di base e alle funzionalità di Chat with Data in Canvas.

• (Facoltativo) Accesso Kendra: questa autorizzazione ti consente di accedere alla funzionalità di interrogazione dei documenti, in cui puoi interrogare i documenti archiviati in un indice Amazon Kendra utilizzando modelli di base in Canvas.

  Se selezioni questa opzione, nella sezione Canvas Kendra Access, inserisci gli ID degli indici Amazon Kendra a cui desideri concedere l'accesso.

• (Facoltativo) Canvas MLOPS: questa autorizzazione ti consente di accedere alla funzionalità di distribuzione dei modelli in Canvas, dove puoi distribuire modelli da utilizzare in produzione.

Nella sezione Passaggio 3: Applicazioni della configurazione del dominio, scegli Configura Canvas e quindi procedi come segue:

1. Per la configurazione di archiviazione di Canvas, specifica dove desideri che Canvas memorizzi i dati dell'applicazione, come gli artefatti del modello, le previsioni dei batch, i set di dati e i log. SageMaker crea una Canvas/ cartella all'interno di questo bucket per archiviare i dati. Per ulteriori informazioni, consulta Configurazione dello storage Amazon S3. In questa sezione, completa le operazioni seguenti:

   1. Seleziona Sistema gestito se desideri impostare la posizione sul bucket SageMaker creato di default che segue lo schema. s3://sagemaker-{Region}-{your-account-id}

   2. Seleziona Custom S3 per specificare il tuo bucket Amazon S3 come percorso di archiviazione. Immetti quindi l'URI di Amazon S3.

   3. (Facoltativo) In Chiave di crittografia, specifica una chiave KMS per crittografare gli artefatti Canvas archiviati nel percorso specificato.

2. (Facoltativo) Per la configurazione dei eady-to-use modelli Canvas R, effettuate le seguenti operazioni:

   1. Lascia attiva l'opzione Abilita eady-to-use modelli R di Canvas per concedere ai tuoi utenti le autorizzazioni per generare previsioni con eady-to-use i modelli R in Canvas (è attivata per impostazione predefinita). Questa opzione concede anche le autorizzazioni per chattare con modelli basati su IA generativa. Per ulteriori informazioni, consulta Utilizzo dell'IA generativa con i modelli di base.

   2. Lascia attivata l'opzione Abilita query sui documenti utilizzando Amazon Kendra per concedere ai tuoi utenti le autorizzazioni per utilizzare i modelli di base per fare query sui documenti archiviati in un indice Amazon Kendra. Quindi, dal menu a discesa, seleziona gli indici esistenti a cui desideri concedere l'accesso. Per ulteriori informazioni, consulta Utilizzo dell'IA generativa con i modelli di base.

   3. Per il ruolo Amazon Bedrock, seleziona Crea e usa un nuovo ruolo di esecuzione per creare un nuovo ruolo di esecuzione IAM che abbia una relazione di fiducia con Amazon Bedrock. Questo ruolo IAM viene assunto da Amazon Bedrock per ottimizzare modelli linguistici di grandi dimensioni (LLM) in Canvas. Se disponi già di un ruolo di esecuzione con una relazione di fiducia, seleziona Usa un ruolo di esecuzione esistente e scegli il tuo ruolo dal menu a discesa. Per ulteriori informazioni sulla configurazione manuale delle autorizzazioni per il proprio ruolo di esecuzione, consulta. Concedi agli utenti le autorizzazioni per ottimizzare i modelli Foundation

3. (Facoltativo) Per la sezione Configurazione delle autorizzazioni ML Ops, completa le operazioni seguenti:

   1. Lascia attiva l'opzione Abilita la distribuzione diretta dei modelli Canvas per concedere agli utenti le autorizzazioni per distribuire i loro modelli da Canvas a un endpoint. SageMaker Per maggiori informazioni sull’implementazione di un modello in Canvas, consulta Distribuzione di modelli su un endpoint.

   2. Lascia attiva l'opzione Abilita le autorizzazioni di registrazione del registro dei modelli per tutti gli utenti per concedere agli utenti le autorizzazioni per registrare la versione del modello nel registro dei SageMaker modelli (è attivata per impostazione predefinita). Per ulteriori informazioni, consulta Registrate una versione del modello nel registro dei SageMaker modelli.

   3. Se hai lasciato attiva l'opzione Abilita le autorizzazioni di registrazione del registro dei modelli per tutti gli utenti, seleziona Registra solo nel registro dei modelli o Registra e approva il modello nel registro dei modelli.

4. (Facoltativo) Per la sezione Configurazione del caricamento locale dei file, attiva l'opzione Abilita il caricamento di file locali per concedere agli utenti le autorizzazioni per caricare file su Canvas dai loro computer locali. L'attivazione di questa opzione allega una policy di condivisione delle risorse tra origini (CORS) al bucket Amazon S3 specificato nella configurazione di storage Canvas (e sostituisce qualsiasi politica CORS esistente). Per ulteriori informazioni sulle autorizzazioni di caricamento di file locali, consulta. Concedi ai tuoi utenti le autorizzazioni per caricare file locali

5. (Facoltativo) Per la sezione delle impostazioni OAuth, procedi come segue:

   1. Scegli Aggiungi configurazione OAuth.

   2. Per Origine dati, seleziona la tua fonte di dati.

   3. Per Configurazione segreta, seleziona Crea un nuovo segreto e inserisci le informazioni che hai ricevuto dal tuo provider di identità. Se non hai ancora eseguito la configurazione OAuth iniziale con la tua fonte di dati, consulta. Configurazione di connessioni alle origini dati con OAuth

6. (Facoltativo) Per la configurazione della previsione delle serie temporali, lascia attiva l'opzione Abilita la previsione delle serie temporali per concedere agli utenti le autorizzazioni per eseguire la previsione delle serie temporali in SageMaker Canvas (è attivata per impostazione predefinita).

   1. Se hai lasciato abilitato l'opzione Abilita la previsione delle serie temporali, seleziona Crea e usa un nuovo ruolo di esecuzione oppure seleziona Usa un ruolo di esecuzione esistente se disponi già di un ruolo IAM con le autorizzazioni Amazon Forecast richieste (per ulteriori informazioni, consulta il metodo di configurazione del ruolo IAM).

7. Completa la configurazione del resto delle impostazioni del dominio utilizzando le procedure. Configurazione personalizzata per Amazon SageMaker

Nota

Se riscontri problemi con la concessione delle autorizzazioni tramite la console, ad esempio le autorizzazioni per i eady-to-use modelli R, consulta l'argomento. Risoluzione dei problemi relativi alla concessione delle autorizzazioni tramite la console SageMaker

Ora dovresti avere un SageMaker dominio configurato e tutte le autorizzazioni Canvas configurate.

È possibile modificare le autorizzazioni Canvas per un dominio o un utente specifico dopo la configurazione iniziale del dominio. Le impostazioni dei singoli utenti hanno la precedenza sulle impostazioni del dominio. Per informazioni su come visualizzare o modificare le autorizzazioni di Canvas nelle impostazioni del dominio, consulta. Visualizza e modifica i domini

Concediti le autorizzazioni per utilizzare funzionalità specifiche in Canvas

Le seguenti informazioni descrivono le varie autorizzazioni che puoi concedere a un utente Canvas per consentire l'uso di varie caratteristiche e funzionalità all'interno di Canvas. Alcune di queste autorizzazioni possono essere concesse durante la configurazione del dominio, ma altre richiedono autorizzazioni o configurazioni aggiuntive. Fai riferimento alle informazioni sulle autorizzazioni specifiche per ogni funzionalità che desideri abilitare:

• Caricamento dei file locali. Le autorizzazioni per il caricamento locale di file sono attivate per impostazione predefinita nelle autorizzazioni di base di Canvas durante la configurazione del dominio. Se non riesci a caricare file locali dalla tua macchina SageMaker su Canvas, puoi allegare una policy CORS al bucket Amazon S3 che hai specificato nella configurazione di storage Canvas. Se hai consentito SageMaker l'uso del bucket predefinito, il bucket segue lo schema di denominazione. s3://sagemaker-{Region}-{your-account-id} Per ulteriori informazioni, consulta Grant Your Users Permissions to Upload Local Files.

• Modelli di previsione di immagini e testi personalizzati. Le autorizzazioni per la creazione di modelli di previsione di immagini e testo personalizzati sono attivate per impostazione predefinita nelle autorizzazioni di base di Canvas durante la configurazione del dominio. Tuttavia, se disponi di una configurazione IAM personalizzata e non desideri collegare la AmazonSageMakerCanvasFullAccesspolicy al ruolo di esecuzione IAM dell'utente, devi concedere esplicitamente all'utente le autorizzazioni necessarie. Per ulteriori informazioni, consulta Concedi ai tuoi utenti le autorizzazioni per creare modelli di previsione di immagini e testo personalizzati.

• eady-to-use Modelli R e modelli di base. Potresti voler utilizzare i eady-to-use modelli Canvas R per fare previsioni per i tuoi dati. Con le autorizzazioni eady-to-use dei modelli R, puoi anche chattare con modelli generativi basati sull'intelligenza artificiale. Le autorizzazioni sono attivate per impostazione predefinita durante la configurazione del dominio oppure puoi modificare le autorizzazioni per un dominio che hai già creato. L'opzione di autorizzazione eady-to-use dei modelli Canvas R aggiunge la ServicesAccess politica AmazonSageMakerCanvasAI al tuo ruolo di esecuzione. Per ulteriori informazioni, consulta la Inizia a usare sezione della documentazione dei eady-to-use modelli R.

  Per ulteriori informazioni sulle nozioni di base sui modelli di fondazione dell'IA generativa, consulta Utilizzo dell'IA generativa con i modelli di base.

• Ottimizza i modelli di base. Se desideri ottimizzare i modelli di base in Canvas, puoi aggiungere le autorizzazioni durante la configurazione del dominio oppure modificare le autorizzazioni per il dominio o il profilo utente dopo aver creato il dominio. Devi aggiungere la ServicesAccess policy di AmazonSageMakerCanvasintelligenza artificiale al ruolo AWS IAM che hai scelto durante la configurazione del profilo utente e devi anche aggiungere una relazione di fiducia con Amazon Bedrock al ruolo. Per istruzioni su come aggiungere queste autorizzazioni al tuo ruolo IAM, consulta. Concedi agli utenti le autorizzazioni per ottimizzare i modelli Foundation

• Previsione di serie temporali. Se desideri eseguire previsioni sui dati delle serie temporali, puoi aggiungere le autorizzazioni per la previsione delle serie temporali durante la configurazione del dominio oppure puoi modificare le autorizzazioni per un dominio o un profilo utente dopo aver creato il dominio. Le autorizzazioni richieste sono la policy AmazonSageMakerCanvasForecastAccess gestita e una relazione di fiducia con Amazon Forecast per il ruolo AWS IAM che hai scelto durante la configurazione del profilo utente. Per istruzioni su come aggiungere queste autorizzazioni al tuo ruolo IAM, consulta Grant Your Users Permissions to Perform Time Series Forecasting.

• Invia previsioni in batch ad Amazon QuickSight. Potresti voler inviare previsioni in batch, o set di dati di previsioni generati da un modello personalizzato, ad Amazon QuickSight per l'analisi. Inoltre QuickSight, puoi creare e pubblicare dashboard predittivi con i risultati delle tue previsioni. Per istruzioni su come aggiungere queste autorizzazioni al ruolo IAM del tuo utente Canvas, consulta Concedi ai tuoi utenti le autorizzazioni per inviare previsioni ad Amazon. QuickSight

• Distribuisci i modelli Canvas su un endpoint. SageMaker SageMakerL'hosting offre endpoint che puoi utilizzare per distribuire il tuo modello da utilizzare in produzione. Puoi distribuire modelli integrati in Canvas su un SageMaker endpoint e quindi fare previsioni a livello di codice in un ambiente di produzione. Per ulteriori informazioni, consulta Distribuzione di modelli su un endpoint.

• Registrazione delle versioni del modello nel Model Registry. Potresti voler registrare le versioni del tuo SageMaker modello nel registro dei modelli, che è un archivio per tracciare lo stato delle versioni aggiornate del tuo modello. Un data scientist o un team MLOps che lavora nel registro dei SageMaker modelli può visualizzare le versioni del modello che hai creato e approvarle o rifiutarle. Quindi, può implementare la versione del modello in produzione o avviare un flusso di lavoro automatizzato. Le autorizzazioni di registrazione dei modelli sono attivate per impostazione predefinita per il tuo dominio. Puoi gestire le autorizzazioni a livello di profilo utente e concedere o rimuovere le autorizzazioni a utenti specifici. Per ulteriori informazioni, consulta Registrate una versione del modello nel registro dei SageMaker modelli.

• Collaborazione con i data scientist. Se desideri collaborare con gli utenti di Studio Classic e condividere modelli, devi aggiungere autorizzazioni aggiuntive al ruolo AWS IAM che hai scelto durante la configurazione del profilo utente. Per istruzioni su come aggiungere la policy al ruolo, consulta Concedere agli utenti le autorizzazioni per collaborare con Studio Classic.

• Importa dati da Amazon Redshift. Se desideri importare dati da Amazon Redshift, devi concederti autorizzazioni aggiuntive. Devi aggiungere la policy AmazonRedshiftFullAccess gestita al ruolo AWS IAM che hai scelto durante la configurazione del profilo utente. Per istruzioni su come aggiungere la policy al ruolo, consulta Grant Users Permissions to Import Amazon Redshift Data.

Nota

Le autorizzazioni necessarie per l'importazione tramite altre fonti di dati, come Amazon Athena e piattaforme SaaS, sono incluse nelle politiche e. AmazonSageMakerFullAccessAmazonSageMakerCanvasFullAccess Se hai seguito le istruzioni di configurazione standard, queste policy dovrebbero essere già collegate al tuo ruolo di esecuzione. Per ulteriori informazioni su queste origini dati e le relative autorizzazioni, consulta Connessione alle origini dati.

Passaggio 1: accedi a Canvas SageMaker

Una volta completata la configurazione iniziale, puoi accedere a SageMaker Canvas con uno dei seguenti metodi, a seconda del caso d'uso:

• Nella SageMaker console, scegli Canvas nel riquadro di navigazione a sinistra. Quindi, nella pagina Canvas, seleziona il tuo utente dal menu a discesa e avvia l'applicazione Canvas.

• Apri SageMaker Studio e, nell'interfaccia di Studio, vai alla pagina Canvas e avvia l'applicazione Canvas.

• Utilizza i metodi SSO basati su SAML 2.0 della tua organizzazione, come Okta o IAM Identity Center.

Quando accedi a SageMaker Canvas per la prima volta, SageMaker crea l'applicazione e uno SageMaker spazio per te. I dati dell'applicazione Canvas vengono archiviati nello spazio. Per ulteriori informazioni sugli spazi, consultaCollaborazione con spazi condivisi. Lo spazio è composto dalle applicazioni del tuo profilo utente e da una directory condivisa per tutti i dati delle tue applicazioni. Se non desideri utilizzare lo spazio predefinito creato da SageMaker e preferisci creare uno spazio personale per l'archiviazione dei dati dell'applicazione, consulta la pagina. Archivia i dati dell'applicazione SageMaker Canvas nel tuo spazio SageMaker

Passaggio 2: usa SageMaker Canvas per ottenere previsioni

Dopo aver effettuato l'accesso a Canvas, puoi iniziare a creare modelli e generare previsioni per i tuoi dati.

Puoi utilizzare i eady-to-use modelli Canvas R per fare previsioni senza creare un modello oppure puoi creare un modello personalizzato per il tuo problema aziendale specifico. Consulta le seguenti informazioni per decidere se eady-to-use i modelli R o i modelli personalizzati sono i migliori per il tuo caso d'uso.

• eady-to-use Modelli R. Con eady-to-use i modelli R, puoi utilizzare modelli predefiniti per estrarre informazioni dai tuoi dati. eady-to-use I modelli R coprono una varietà di casi d'uso, come il rilevamento della lingua e l'analisi dei documenti. Per iniziare a fare previsioni con i eady-to-use modelli R, consultaUsa i eady-to-use modelli R.

• Modelli personalizzati. Con i modelli personalizzati puoi creare diversi tipi di modelli personalizzati per generare previsioni per i tuoi dati. Utilizza i modelli personalizzati se desideri creare un modello addestrato sui dati specifici della tua azienda e se desideri utilizzare funzionalità come collaborazione con i data scientist e valutazione delle prestazioni del modello. Per iniziare a creare un modello personalizzato, consulta Uso di modelli personalizzati.

Puoi anche aggiungere il tuo modello (BYOM) da altre funzionalità. SageMaker Un utente di Amazon SageMaker Studio può condividere il proprio modello con un utente Canvas e l'utente Canvas può generare previsioni con il modello. Per ulteriori informazioni, consulta Bring your own model to SageMaker Canvas.