Começando a usar o Amazon SageMaker Canvas

Este guia explica como começar a usar o SageMaker Canvas. Se você é administrador de TI e gostaria de obter detalhes mais detalhados, consulte como configurar Configurando e gerenciando o Amazon SageMaker Canvas (para administradores de TI) o SageMaker Canvas para seus usuários.

Pré-requisitos para configurar o Amazon Canvas SageMaker

Para configurar um aplicativo SageMaker Canvas, você deve primeiro se integrar ao SageMaker domínio da Amazon, que oferece suporte a vários ambientes de aprendizado de máquina (ML), como Canvas e SageMaker Studio.

A seção a seguir descreve como configurar um SageMaker domínio da Amazon e conceder a si mesmo as permissões do Canvas.

Importante

Para você configurar o Amazon SageMaker Canvas, sua versão do Amazon SageMaker Studio deve ser 3.19.0 ou posterior. Para obter informações sobre a atualização do Amazon SageMaker Studio, consulteDesligue e atualize o SageMaker Studio Classic.

Integrar ao domínio

Para configurar seu domínio, consulte primeiro Visão geral SageMaker do domínio da Amazon para saber mais sobre domínios.

Em seguida, quando estiver pronto para configurar seu domínio, escolha um dos seguintes métodos de configuração:

1. (Rápido) Configuração rápida para a Amazon SageMaker — Escolha essa opção se quiser configurar rapidamente seu domínio. Isso concede ao usuário todas as permissões padrão do Canvas e funcionalidades básicas. Quaisquer recursos adicionais, como consulta de documentos, podem ser ativados posteriormente por um administrador. Se você quiser configurar permissões mais granulares, recomendamos que você escolha a opção 2 ou 3.

2. (Avançado) Configuração personalizada para a Amazon SageMaker — Escolha essa opção se quiser concluir uma configuração mais avançada do seu domínio.

Se você estiver fazendo a Configuração rápida (opção 1 na lista anterior), poderá pular o restante desta seção e prosseguir para. Etapa 1: Faça login no SageMaker Canvas

Se você estiver fazendo a configuração avançada (opções 2 ou 3), poderá especificar os recursos do Canvas aos quais gostaria de conceder acesso aos seus usuários. Use o restante desta seção ao concluir a configuração avançada do domínio para ajudá-lo a configurar as permissões específicas do Canvas.

Nas instruções de Configuração personalizada para a Amazon SageMaker configuração, para a Etapa 2: Usuários e atividades de ML, você deve selecionar as permissões do Canvas que deseja conceder. Na seção de atividades de ML, você pode selecionar as seguintes políticas de permissões para conceder acesso aos recursos do Canvas. Você só pode selecionar até 8 atividades de ML no total ao configurar seu domínio. As duas primeiras permissões na lista a seguir são necessárias para usar o Canvas, enquanto as demais são para recursos adicionais.

• Executar aplicativos do Studio — Essas permissões são necessárias para iniciar o aplicativo Canvas.

• Canvas Core Access — Essas permissões concedem acesso ao aplicativo Canvas e às funcionalidades básicas do Canvas, como criar conjuntos de dados, usar transformações básicas de dados e construir e analisar modelos.

• (Opcional) Preparação de dados do Canvas (desenvolvido pelo Data Wrangler) — Essas permissões concedem acesso para criar fluxos de dados e usar transformações avançadas para preparar seus dados no Canvas. Essas permissões também são necessárias para criar trabalhos de processamento de dados e cronogramas de trabalhos de preparação de dados.

• (Opcional) Canvas AI Services — Essas permissões concedem acesso aos eady-to-use modelos R, modelos básicos e recursos de Chat with Data no Canvas.

• (Opcional) Acesso ao Kendra — Essa permissão concede acesso ao recurso de consulta de documentos, no qual você pode consultar documentos armazenados em um índice do Amazon Kendra usando modelos básicos no Canvas.

  Se você selecionar essa opção, na seção Acesso ao Canvas Kendra, insira os IDs dos seus índices do Amazon Kendra aos quais você deseja conceder acesso.

• (Opcional) Canvas MLOps — Essa permissão concede acesso ao recurso de implantação de modelos no Canvas, onde você pode implantar modelos para uso na produção.

Na seção Etapa 3: Aplicativos da configuração do domínio, escolha Configurar Canvas e faça o seguinte:

1. Para a configuração de armazenamento do Canvas, especifique onde você deseja que o Canvas armazene os dados do aplicativo, como artefatos do modelo, previsões em lote, conjuntos de dados e registros. SageMaker cria uma Canvas/ pasta dentro desse bucket para armazenar os dados. Para ter mais informações, consulte Configurar seu armazenamento do Amazon S3. Nesta seção, faça o seguinte:

   1. Selecione Sistema gerenciado se quiser definir o local como o bucket SageMaker criado padrão que segue o padrãos3://sagemaker-{Region}-{your-account-id}.

   2. Selecione Custom S3 para especificar seu próprio bucket do Amazon S3 como local de armazenamento. Em seguida, insira o URI do Amazon S3.

   3. (Opcional) Para Chave de criptografia, especifique uma chave do KMS para criptografar artefatos do Canvas armazenados no local especificado.

2. (Opcional) Para a configuração dos eady-to-use modelos Canvas R, faça o seguinte:

   1. Deixe a opção Ativar eady-to-use modelos Canvas R ativada para dar aos usuários permissões para gerar previsões com eady-to-use modelos R no Canvas (ela está ativada por padrão). Essa opção também oferece permissões para conversar com modelos alimentados por IA generativa. Para ter mais informações, consulte Usar IA generativa com modelos básicos.

   2. Deixe a opção Habilitar consulta de documentos usando o Amazon Kendra ativada para permitir que seus usuários usem modelos de base para consultar documentos armazenados em um índice do Amazon Kendra. Em seguida, no menu suspenso, selecione os índices existentes aos quais você deseja conceder acesso. Para ter mais informações, consulte Usar IA generativa com modelos básicos.

   3. Para a função Amazon Bedrock, selecione Criar e use uma nova função de execução para criar uma nova função de execução do IAM que tenha uma relação de confiança com o Amazon Bedrock. Essa função do IAM é assumida pelo Amazon Bedrock para ajustar modelos de linguagem grande (LLMs) no Canvas. Se você já tiver uma função de execução com uma relação de confiança, selecione Usar uma função de execução existente e escolha sua função no menu suspenso. Para obter mais informações sobre como configurar manualmente as permissões para sua própria função de execução, consulteConceda permissões aos usuários para ajustar os modelos do Foundation.

3. (Opcional) Na seção de configuração de permissões de ML Ops, faça o seguinte:

   1. Deixe a opção Habilitar implantação direta de modelos do Canvas ativada para dar aos usuários permissões para implantar seus modelos do Canvas em um SageMaker endpoint. Para obter mais informações sobre a implantação de modelos no Canvas, consulte Implantar seus modelos em um endpoint.

   2. Deixe a opção Habilitar permissões de registro do modelo para todos os usuários ativada para dar aos usuários permissões para registrar a versão do SageMaker modelo no registro do modelo (ela está ativada por padrão). Para ter mais informações, consulte Registrar uma versão do modelo no registro do SageMaker modelo.

   3. Se você deixou a opção Habilitar permissões de registro de modelo para todos os usuários ativada, selecione Registrar somente no Registro de modelos ou Registrar e aprovar modelo no Registro de modelos.

4. (Opcional) Para a seção Configuração de upload de arquivo local, ative a opção Habilitar upload de arquivo local para dar aos usuários permissões para fazer upload de arquivos para o Canvas a partir de suas máquinas locais. Ativar essa opção anexa uma política de compartilhamento de recursos de origem cruzada (CORS) ao bucket do Amazon S3 especificado na configuração de armazenamento do Canvas (e substitui qualquer política CORS existente). Para saber mais sobre as permissões de upload de arquivos locais, consulteConceder aos seus usuários permissões para fazer upload de arquivos locais.

5. (Opcional) Para a seção de configurações do OAuth, faça o seguinte:

   1. Escolha Adicionar configuração de OAuth.

   2. Em Fonte de dados, selecione sua fonte de dados.

   3. Em Configuração secreta, selecione Criar um novo segredo e insira as informações que você tem do seu provedor de identidade. Se você ainda não fez a configuração inicial do OAuth com sua fonte de dados, consulte. Configurar conexões com fontes de dados com o OAuth

6. (Opcional) Para a configuração de previsão de séries temporais, deixe a opção Ativar previsão de séries temporais ativada para dar aos usuários permissões para fazer previsões de séries temporais no SageMaker Canvas (ela está ativada por padrão).

   1. Se você tiver deixado a opção Ativar previsão de séries temporais ativada, selecione Criar e usar uma nova função de execução ou selecione Usar uma função de execução existente se você já tiver uma função do IAM com as permissões necessárias do Amazon Forecast anexadas (para obter mais informações, consulte o método de configuração da função do IAM).

7. Conclua a configuração do restante das configurações do domínio usando os Configuração personalizada para a Amazon SageMaker procedimentos.

nota

Se você encontrar algum problema ao conceder permissões por meio do console, como permissões para eady-to-use modelos R, consulte o tópicoSolução de problemas com a concessão de permissões por meio do console SageMaker .

Agora você deve ter um SageMaker domínio configurado e todas as permissões do Canvas configuradas.

Você pode editar as permissões do Canvas para um domínio ou um usuário específico após a configuração inicial do domínio. As configurações individuais do usuário substituem as configurações do domínio. Para saber como visualizar ou editar suas permissões do Canvas nas configurações do domínio, consulteVisualize e edite domínios.

Dar a si mesmo permissões para usar atributos específicos no Canvas

As informações a seguir descrevem as várias permissões que você pode conceder a um usuário do Canvas para permitir o uso de vários recursos e funcionalidades dentro do Canvas. Algumas dessas permissões podem ser concedidas durante a configuração do domínio, mas algumas exigem permissões ou configurações adicionais. Consulte as informações de permissões específicas para cada recurso que você deseja ativar:

• Upload de arquivo local. As permissões para upload de arquivos locais são ativadas por padrão nas permissões básicas do Canvas ao configurar seu domínio. Se você não conseguir carregar arquivos locais da sua máquina para o SageMaker Canvas, você pode anexar uma política de CORS ao bucket do Amazon S3 que você especificou na configuração de armazenamento do Canvas. Se você tiver permissão SageMaker para usar o bucket padrão, o bucket seguirá o padrão s3://sagemaker-{Region}-{your-account-id} de nomenclatura. Para obter mais informações, consulte Conceder permissões aos usuários para fazer upload de arquivos locais.

• Modelos personalizados de previsão de imagem e texto. As permissões para criar modelos personalizados de previsão de imagem e texto são ativadas por padrão nas permissões básicas do Canvas ao configurar seu domínio. No entanto, se você tiver uma configuração personalizada do IAM e não quiser anexar a AmazonSageMakerCanvasFullAccesspolítica à função de execução do IAM do seu usuário, deverá conceder explicitamente ao usuário as permissões necessárias. Para ter mais informações, consulte Conceder aos seus usuários permissões para criar modelos personalizados de previsão de imagens e textos.

• eady-to-use Modelos R e modelos básicos. Talvez você queira usar os eady-to-use modelos Canvas R para fazer previsões para seus dados. Com as permissões dos eady-to-use modelos R, você também pode conversar com modelos generativos alimentados por IA. As permissões são ativadas por padrão ao configurar seu domínio, ou você pode editar as permissões de um domínio que você já criou. A opção de permissões eady-to-use dos modelos Canvas R adiciona a ServicesAccess política de AmazonSageMakerCanvasIA à sua função de execução. Para obter mais informações, consulte a Conceitos básicos seção da documentação dos eady-to-use modelos R.

  Para obter mais informações sobre como começar a usar modelos básicos de IA generativa, consulteUsar IA generativa com modelos básicos.

• Ajuste os modelos de fundação. Se você quiser ajustar os modelos básicos no Canvas, você pode adicionar as permissões ao configurar seu domínio ou editar as permissões para o domínio ou perfil de usuário após criar seu domínio. Você deve adicionar a ServicesAccess política de AmazonSageMakerCanvasIA à função do AWS IAM que você escolheu ao configurar o perfil do usuário e também deve adicionar uma relação de confiança com o Amazon Bedrock à função. Para obter instruções sobre como adicionar essas permissões à sua função do IAM, consulteConceda permissões aos usuários para ajustar os modelos do Foundation.

• Previsão de séries temporais. Se quiser fazer previsões em dados de séries temporais, você pode adicionar permissões de previsão de séries temporais ao configurar seu domínio ou editar as permissões de um domínio ou perfil de usuário depois de criar seu domínio. As permissões necessárias são a política AmazonSageMakerCanvasForecastAccess gerenciada e uma relação de confiança com a Amazon Forecast em relação à função AWS do IAM que você escolheu ao configurar o perfil do usuário. Para obter instruções sobre como adicionar essas permissões à sua perfil do IAM, consulte Conceder permissões aos usuários para realizar previsões de séries temporais.

• Envie previsões em lote para a Amazon QuickSight. Talvez você queira enviar previsões em lote, ou conjuntos de dados de previsões que você gera a partir de um modelo personalizado, para a Amazon QuickSight para análise. Em QuickSight, você pode criar e publicar painéis preditivos com seus resultados de previsão. Para obter instruções sobre como adicionar essas permissões à função do IAM do seu usuário do Canvas, consulte Conceder permissões aos usuários para enviar previsões para a Amazon QuickSight.

• Implante modelos do Canvas em um SageMaker endpoint. SageMakerA hospedagem oferece endpoints que você pode usar para implantar seu modelo para uso na produção. Você pode implantar modelos construídos no Canvas em um SageMaker endpoint e, em seguida, fazer previsões programaticamente em um ambiente de produção. Para ter mais informações, consulte Implantar seus modelos em um endpoint.

• Registre as versões do modelo no registro de modelos. Talvez você queira registrar versões do seu modelo no registro do SageMaker modelo, que é um repositório para rastrear o status das versões atualizadas do seu modelo. Um cientista de dados ou uma equipe de MLOps que trabalha no registro do SageMaker modelo pode visualizar as versões do seu modelo que você criou e aprová-las ou rejeitá-las. Em seguida, eles podem implantar sua versão do modelo na produção ou iniciar um fluxo de trabalho automatizado. As permissões de registro de modelos são ativadas por padrão para seu domínio. Você pode gerenciar permissões no nível do perfil do usuário e conceder ou remover permissões para usuários específicos. Para ter mais informações, consulte Registrar uma versão do modelo no registro do SageMaker modelo.

• Colaboração com cientistas de dados. Se quiser colaborar com usuários do Studio Classic e compartilhar modelos, você deve adicionar permissões adicionais à função do AWS IAM que você escolheu ao configurar o perfil do usuário. Para obter instruções sobre como adicionar a política à função, consulte Conceder permissões aos usuários para colaborar com o Studio Classic.

• Importe dados do Amazon Redshift. Se quiser importar dados do Amazon Redshift, você deve dar a si mesmo permissões adicionais. Você deve adicionar a política AmazonRedshiftFullAccess gerenciada à função AWS do IAM escolhida ao configurar o perfil do usuário. Para obter instruções sobre como adicionar a política ao perfil, consulte Conceder permissões aos usuários para importar dados do Amazon Redshift.

nota

As permissões necessárias para importar por meio de outras fontes de dados, como Amazon Athena e plataformas SaaS, estão incluídas no Acesso e nas AmazonSage MakerFull políticas. AmazonSageMakerCanvasFullAccess Se você seguiu as instruções de configuração padrão, essas políticas já devem estar anexadas ao seu perfil de execução. Para obter mais informações sobre essas fontes de dados e suas permissões, consulte Conectar-se à fonte de dados.

Etapa 1: Faça login no SageMaker Canvas

Quando a configuração inicial estiver concluída, você poderá acessar o SageMaker Canvas com qualquer um dos seguintes métodos, dependendo do seu caso de uso:

• No SageMaker console, escolha o Canvas no painel de navegação esquerdo. Em seguida, na página Canvas, selecione seu usuário no menu suspenso e inicie o aplicativo Canvas.

• Abra o SageMaker Studio e, na interface do Studio, acesse a página Canvas e inicie o aplicativo Canvas.

• Use os métodos de SSO baseados em SAML 2.0 da sua organização, como o Okta ou o IAM Identity Center.

Quando você entra no SageMaker Canvas pela primeira vez, SageMaker cria o aplicativo e um SageMaker espaço para você. Os dados do aplicativo Canvas são armazenados no espaço. Para saber mais sobre espaços, consulteColaborar com espaços compartilhados. O espaço consiste nos aplicativos do seu perfil de usuário e em um diretório compartilhado para todos os dados dos seus aplicativos. Se você não quiser usar o espaço padrão criado por SageMaker e preferir criar seu próprio espaço para armazenar dados do aplicativo, consulte a páginaArmazene dados do aplicativo SageMaker Canvas em seu próprio SageMaker espaço.

Etapa 2: Use o SageMaker Canvas para obter previsões

Após fazer login no Canvas, você pode começar a criar modelos e gerar previsões para seus dados.

Você pode usar eady-to-use os modelos Canvas R para fazer previsões sem criar um modelo ou criar um modelo personalizado para seu problema comercial específico. Analise as informações a seguir para decidir se eady-to-use os modelos R ou modelos personalizados são os melhores para seu caso de uso.

• eady-to-use Modelos R. Com eady-to-use os modelos R, você pode usar modelos pré-criados para extrair insights dos seus dados. Os eady-to-use modelos R abrangem uma variedade de casos de uso, como detecção de linguagem e análise de documentos. Para começar a fazer previsões com eady-to-use modelos R, consulteUse eady-to-use modelos R.

• Modelos personalizados. Com modelos personalizados, você pode criar uma variedade de tipos de modelos personalizados para fazer previsões para seus dados. Use modelos personalizados se quiser criar um modelo treinado com base nos dados específicos da sua empresa e se quiser usar atributos como colaborar com cientistas de dados e avaliar o desempenho do seu modelo. Para começar a criar um modelo personalizado, consulte Usar modelos personalizados.

Você também pode trazer seu próprio modelo (BYOM) de outros recursos. SageMaker Um usuário do Amazon SageMaker Studio pode compartilhar seu modelo com um usuário do Canvas, e o usuário do Canvas pode gerar previsões com o modelo. Para saber mais, consulte Traga seu próprio modelo para o SageMaker Canvas.