Amazon SageMaker Canvas를 사용한 코드 없는 기계 학습

Amazon SageMaker Canvas를 사용하면 코드를 한 줄도 작성하지 않고도 자체 AI/ML 모델을 구축할 수 있습니다. 회귀 및 예측과 같은 일반적인 사용 사례를 위한 ML 모델을 구축하고 Amazon FMs Bedrock에서 기초 모델 () 에 액세스하고 평가할 수 있습니다. 또한 FMs Amazon에서 SageMaker JumpStart 퍼블릭에 액세스하여 콘텐츠 생성, 텍스트 추출 및 제너레이티브 AI 솔루션을 지원하는 텍스트 요약을 수행할 수 있습니다.

Canvas를 사용하여 코딩이 필요 없는 ML 모델을 구축하는 방법 SageMaker

Amazon DocumentDB는 이제 Amazon Canvas와 통합되어 SageMaker Amazon DocumentDB에 저장된 데이터를 사용하여 코드 없이 기계 학습 (ML) 을 수행할 수 있습니다. 이제 코드를 한 줄도 작성하지 않고도 Amazon DocumentDB에 저장된 데이터를 사용하여 회귀 및 예측 요구 사항에 맞는 ML 모델을 구축하고 콘텐츠 요약 및 생성을 위한 기반 모델을 사용할 수 있습니다.

SageMaker Canvas는 Amazon DocumentDB 고객이 AI/ML 전문 지식 없이도 예측을 생성하거나 한 줄의 코드도 작성할 수 있는 시각적 인터페이스를 제공합니다. 이제 고객은 에서 SageMaker Canvas 워크스페이스를 시작하고 Amazon DocumentDB 데이터를 가져와 결합하여 데이터 준비 및 모델 교육을 수행할 수 있습니다. AWS Management Console이제 SageMaker Canvas에서 Amazon DocumentDB의 데이터를 사용하여 고객 이탈을 예측하고, 사기를 탐지하고, 유지 관리 장애를 예측하고, 비즈니스 지표를 예측하고, 콘텐츠를 생성하는 모델을 구축하고 보강할 수 있습니다. 이제 고객은 SageMaker Canvas와 Amazon의 기본 통합을 사용하여 팀 간에 ML 기반 통찰력을 게시하고 공유할 수 있습니다. QuickSight Canvas의 데이터 통합 파이프라인은 기본적으로 Amazon DocumentDB 보조 인스턴스에서 실행되므로 애플리케이션 및 SageMaker SageMaker Canvas 통합 워크로드의 성능이 저하되지 않습니다.

Amazon DocumentDB 고객은 새로운 Amazon DocumentDB 코드 없는 ML 콘솔 페이지로 이동하여 새로운 또는 사용 가능한 Canvas 작업 영역에 연결하여 Canvas를 시작할 SageMaker 수 있습니다. SageMaker

도메인 및 사용자 프로필 구성 SageMaker

전용 모드에서 실행 VPC 중인 SageMaker 도메인에서 Amazon DocumentDB 클러스터에 연결할 수 있습니다. 에서 SageMaker VPC 도메인을 시작하면 SageMaker 스튜디오 및 Canvas 환경의 데이터 흐름을 제어할 수 있습니다. 이를 통해 인터넷 액세스를 제한하고, 표준 AWS 네트워킹 및 보안 기능을 사용하여 트래픽을 모니터링 및 검사하고, VPC 엔드포인트를 통해 다른 AWS 리소스에 연결할 수 있습니다. Amazon DocumentDB 클러스터에 연결할 SageMaker 도메인을 생성하려면 아마존 SageMaker 개발자 안내서에 있는 Amazon SageMaker SageMaker Canvas 시작하기 및 인터넷 액세스가 VPC 없는 환경에서 Amazon Canvas 구성을 참조하십시오.

Amazon DocumentDB 및 캔버스에 대한 IAM 액세스 권한 구성 SageMaker

관련 역할 및 ID에 연결된 Amazon DocumentDB 사용자는 에 액세스할 수 있습니다. AmazonDocDBConsoleFullAccess AWS Management Console Amazon Canvas의 코드 없는 기계 학습에 대한 액세스를 제공하려면 앞서 언급한 역할 또는 ID에 다음 작업을 추가하십시오. SageMaker

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

Canvas용 데이터베이스 사용자 및 역할 생성 SageMaker

Amazon DocumentDB의 역할 기반 액세스 제어 (RBAC) 를 사용하여 데이터베이스에서 사용자가 수행할 수 있는 작업에 대한 액세스를 제한할 수 있습니다. RBAC사용자에게 하나 이상의 역할을 부여하는 방식으로 작동합니다. 이러한 역할은 사용자가 데이터베이스 리소스에서 수행할 수 있는 작업을 결정합니다.

Canvas 사용자는 사용자 이름 및 암호 자격 증명을 사용하여 Amazon DocumentDB 데이터베이스에 연결합니다. Amazon Document DBB RBAC 기능을 사용하여 특정 데이터베이스에 대한 읽기 액세스 권한이 있는 Canvas 사용자의 데이터베이스 사용자/역할을 생성할 수 있습니다.

예를 들어, 다음 작업을 사용하십시오. createUser

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

그러면 sample-database-1 데이터베이스에 대한 읽기 권한이 canvas_user 있는 서버가 생성됩니다. Canvas 분석가는 이 자격 증명을 사용하여 Amazon DocumentDB 클러스터의 데이터에 액세스할 수 있습니다. 자세한 내용은 를 참조하십시오. 역할 기반 액세스 제어를 사용한 데이터베이스 액세스

사용 가능한 리전

코드 없는 통합은 Amazon SageMaker DocumentDB와 Amazon Canvas가 모두 지원되는 지역에서 사용할 수 있습니다. 지역에는 다음이 포함됩니다.

• us-east-1(버지니아 북부)

• us-east-2(오하이오)

• us-west-2(오리건)

• ap-northeast-1(도쿄)

• ap-northeast-2(서울)

• ap-south-1(뭄바이)

• ap-southeast-1(싱가포르)

• ap-southeast-2(시드니)

• eu-central-1(프랑크푸르트)

• eu-west-1(아일랜드)

최신 지역 가용성은 Amazon SageMaker 개발자 안내서의 Amazon SageMaker Canvas를 참조하십시오.