Aprendizado de máquina sem código com o Amazon Canvas SageMaker

O Amazon SageMaker Canvas permite que você crie seus próprios modelos de IA/ML sem precisar escrever uma única linha de código. Você pode criar modelos de ML para casos de uso comuns, como regressão e previsão, e pode acessar e avaliar modelos básicos (FMs) do Amazon Bedrock. Você também pode acessar o público FMs da Amazon SageMaker JumpStart para geração de conteúdo, extração de texto e resumo de texto para oferecer suporte a soluções generativas de IA.

Como criar modelos de ML sem código com SageMaker o Canvas

O Amazon DocumentDB agora se integra ao Amazon SageMaker Canvas para permitir o aprendizado de máquina (ML) sem código com dados armazenados no Amazon DocumentDB. Agora você pode criar modelos de ML para necessidades de regressão e previsão e usar modelos básicos para resumir e gerar conteúdo usando dados armazenados no Amazon DocumentDB sem escrever uma única linha de código.

SageMaker O Canvas fornece uma interface visual que permite aos clientes do Amazon DocumentDB gerar previsões sem precisar de nenhuma experiência em IA/ML ou escrever uma única linha de código. Agora, os clientes podem iniciar o espaço de trabalho SageMaker Canvas a partir do AWS Management Console, importar e unir dados do Amazon DocumentDB para preparação de dados e treinamento de modelos. Os dados no Amazon DocumentDB agora podem ser usados no SageMaker Canvas para criar e aumentar modelos para prever a rotatividade de clientes, detectar fraudes, prever falhas de manutenção, prever métricas de negócios e gerar conteúdo. Agora, os clientes podem publicar e compartilhar insights orientados por ML entre equipes usando a integração nativa do SageMaker Canvas com a Amazon. QuickSight Os pipelines de ingestão de dados no SageMaker Canvas são executados em instâncias secundárias do Amazon DocumentDB por padrão, garantindo que o desempenho do aplicativo SageMaker e das cargas de trabalho de ingestão do Canvas não seja prejudicado.

Os clientes do Amazon DocumentDB podem começar a usar o SageMaker Canvas navegando até a nova página do console de ML sem código do Amazon DocumentDB e conectando-se a espaços de trabalho novos ou disponíveis do Canvas. SageMaker

Configurando o SageMaker domínio e o perfil do usuário

Você pode se conectar aos clusters do Amazon DocumentDB a partir de SageMaker domínios que estão sendo executados no VPC modo Only. Ao lançar um SageMaker domínio no seuVPC, você pode controlar o fluxo de dados dos seus ambientes SageMaker Studio e Canvas. Isso permite restringir o acesso à Internet, monitorar e inspecionar o tráfego usando recursos padrão AWS de rede e segurança e conectar-se a outros AWS recursos por meio de VPC endpoints. Consulte o Amazon SageMaker Canvas Getting Started and Configure o Amazon SageMaker Canvas em um local VPC sem acesso à Internet, localizado no Amazon SageMaker Developer Guide, para criar seu SageMaker domínio e conectar-se ao seu cluster Amazon DocumentDB.

Configurando permissões de IAM acesso para Amazon SageMaker DocumentDB e Canvas

Um usuário do Amazon DocumentDB AmazonDocDBConsoleFullAccess vinculado à sua função e identidade associadas pode acessar o. AWS Management Console Adicione as seguintes ações à função ou identidade mencionada acima para fornecer acesso ao aprendizado de máquina sem código com o Amazon Canvas. SageMaker

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

Criação de usuários e funções de banco de dados para o SageMaker Canvas

Você pode restringir o acesso às ações que os usuários podem realizar em bancos de dados usando o controle de acesso baseado em funções (RBAC) no Amazon DocumentDB. RBACfunciona concedendo uma ou mais funções a um usuário. Estas funções determinam as operações que um usuário pode realizar nos recursos do banco de dados.

Como usuário do Canvas, você se conecta a um banco de dados Amazon DocumentDB com credenciais de nome de usuário e senha. Você pode criar um usuário/função de banco de dados para um usuário do Canvas que tenha acesso de leitura aos bancos de dados específicos usando a funcionalidade Amazon Document DBBRBAC.

Por exemplo, use a createUser operação:

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

Isso cria um canvas_user que tem permissões de leitura no sample-database-1 banco de dados. Seus analistas do Canvas podem usar essa credencial para acessar dados em seu cluster Amazon DocumentDB. Consulte Acesso ao banco de dados usando controle de acesso baseado em funções para saber mais.

Regiões disponíveis

A integração sem código está disponível em regiões nas quais tanto o Amazon DocumentDB quanto o SageMaker Amazon Canvas são compatíveis. As regiões incluem:

• us-east-1 (N. Virginia)

• us-east-2 (Ohio)

• us-west-2 (Oregon)

• ap-northeast-1 (Tóquio)

• ap-northeast-2 (Seul)

• ap-south-1 (Mumbai)

• ap-southeast-1 (Singapura)

• ap-southeast-2 (Sydney)

• eu-central-1 (Frankfurt)

• eu-west-1 (Irlanda)

Consulte o Amazon SageMaker Canvas no Amazon SageMaker Developer Guide para obter a disponibilidade mais recente da região.