No-code aprendizado de máquina com o Amazon SageMaker AI Canvas

O Amazon SageMaker AI Canvas permite que você crie seus próprios AI/ML modelos sem precisar escrever uma única linha de código. É possível criar modelos de ML para casos de uso comuns, como regressão e previsão, e pode acessar e avaliar modelos de base (FMs) do Amazon Bedrock. Você também pode acessar FMs públicas da Amazon SageMaker AI 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 o SageMaker AI Canvas

O Amazon DocumentDB agora se integra ao Amazon SageMaker AI 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 de base para resumir e gerar conteúdo usando dados armazenados no Amazon DocumentDB sem escrever uma única linha de código.

SageMaker O AI Canvas fornece uma interface visual que permite aos clientes do Amazon DocumentDB gerar previsões sem precisar de nenhum AI/ML conhecimento ou escrever uma única linha de código. Agora, os clientes podem iniciar o espaço de trabalho do SageMaker AI Canvas a partir do Console de gerenciamento da AWS, 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 AI Canvas para criar e ampliar 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 ML-driven ideias entre as equipes usando a integração nativa do SageMaker AI Canvas com o Quick. Os pipelines de ingestão de dados no SageMaker AI Canvas são executados em instâncias secundárias do Amazon DocumentDB por padrão, garantindo que o desempenho dos aplicativos e das cargas de trabalho de ingestão do SageMaker AI Canvas não seja prejudicado.

Os clientes do Amazon DocumentDB podem começar a usar o SageMaker AI Canvas navegando até a nova página do Amazon DocumentDB No-Code ML Console e conectando-se a espaços de trabalho do SageMaker AI Canvas novos ou disponíveis.

Configurando o domínio e o SageMaker perfil de usuário da IA

Você pode se conectar aos clusters do Amazon DocumentDB a partir de domínios de SageMaker IA que estão sendo executados no modo somente VPC. Ao lançar um domínio de SageMaker IA na sua VPC, você pode controlar o fluxo de dados dos seus ambientes SageMaker AI Studio e Canvas. Isso permite que você restrinja o acesso à Internet, monitore e inspecione o tráfego usando recursos padrão AWS de rede e segurança e se conecte a outros AWS recursos por meio de endpoints VPC. Consulte os conceitos básicos do Amazon SageMaker AI Canvas e configure o Amazon SageMaker AI Canvas em uma VPC sem acesso à Internet localizada no Guia do desenvolvedor de SageMaker IA da Amazon para criar seu domínio de SageMaker IA e conectar-se ao seu cluster Amazon DocumentDB.

Configuração de permissões de acesso do IAM para Amazon DocumentDB e AI Canvas SageMaker

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

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

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

É possível restringir o acesso às ações que os usuários podem executar em bancos de dados usando o controle de acesso baseado em função (RBAC) no Amazon DocumentDB. O RBAC funciona 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 do Amazon DocumentDB com credenciais de nome de usuário e senha. Você pode criar um banco de dados user/role para um usuário do Canvas que tenha acesso de leitura aos bancos de dados específicos usando a funcionalidade RBAC do Amazon DocumentDB.

Por exemplo, use a operação createUser:

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 banco de dados sample-database-1. Seus analistas do Canvas podem usar essa credencial para acessar dados no cluster do Amazon DocumentDB. Consulte Acesso ao banco de dados usando o controle de Role-Based acesso para saber mais.

Regiões disponíveis

A integração sem código está disponível nas regiões em que o Amazon DocumentDB e o Amazon SageMaker AI 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 AI Canvas no Guia do desenvolvedor de SageMaker IA da Amazon para ver a disponibilidade mais recente na região.