使用 R eady-to-use 型號

使用 Amazon SageMaker Canvas R eady-to-use 模型，您可以對資料進行預測，而不需要撰寫一行程式碼或建立模型 — 您只需要攜帶資料即可。R 模eady-to-use 型使用預先建置的模型來產生預測，無需您花費時間、專業知識或成本來建立模型，而且您可以從各種使用案例中進行選擇，從語言偵測到費用分析。

畫布與亞馬遜 Textract、亞馬遜重建和 Amazon Comprehend 等現有 AWS 服務整合，以分析您的資料並進行預測或擷取見解。您可以在 Canvas 應用程式中使用這些服務的預測能力，為您的資料取得高品質的預測。

畫布支持以下 R eady-to-use 模型類型：

R 系列eady-to-use 模型	描述	支援的資料類型
情緒分析	偵測文字中的情緒，可能是正面、負面、中性或混合。目前您只可以對英文語言文字進行情緒分析。	純文本或表格（CSV，鑲木地板）
實體擷取	從文字擷取真實世界物件的實體，例如人物、地點和商業項目，或是諸如日期和數量等單位。	純文本或表格（CSV，鑲木地板）
語言偵測	決定諸如英文、法文或德文等文字中的優勢語言。	純文本或表格（CSV，鑲木地板）
個人資訊偵測	從文字中偵測可用於識別個人的個人資訊，例如地址、銀行帳號和電話號碼。	純文本或表格（CSV，鑲木地板）
映像中的物件偵測	檢測映像中的物件、概念、場景和動作。	圖片 (JPG,PNG)
映像中的文字偵測	偵測映像中的文字。	圖片 (JPG,PNG)
支出分析	從發票和收據中擷取資訊，例如日期、號碼、項目價格、總金額和付款條件。	文件 (PDF、JPG、PNG、TIFF)
身分文件分析	從美國政府簽發的護照、駕照和其他身分證明文件中擷取資訊。	文件 (PDF、JPG、PNG、TIFF)
文件分析	分析文件和表單，找出偵測到文字之間的關係。	文件 (PDF、JPG、PNG、TIFF)
文件查詢	透過使用自然語言提出問題，從結構化文件 (如Paystub、銀行對帳單，W-2 和抵押貸款申請表) 中擷取資訊。	文件 (PDF)

開始使用

若要開始使用 R eady-to-use 模型，請檢閱下列資訊。

先決條件

若要在 Canvas 中使用 R eady-to-use 模型，您必須在設定 Amazon SageMaker 網域時開啟畫布 R eady-to-use 模型組態許可。Canvas R eady-to-use 模型配置將AmazonSageMakerCanvasAIServicesAccess策略附加到 Canvas 用戶的 AWS Identity and Access Management （IAM）執行角色。如果您在授予許可時遇到任何問題，請參閱主題疑難排解透過 SageMaker 主控台授與權限的問題。

如果您已經設定網域，您可以編輯網域設定並開啟權限。如需如何編輯網域設定的指示，請參閱檢視和編輯網域。編輯域的設置時，轉到畫布設置，然後打開啟用 Canvas R eady-to-use 模型選項。

(選擇性) 選擇退出 AI 服務資料儲存

某些 AWS AI 服務會儲存並使用您的資料來改善服務。您可以選擇不儲存或用於改善服務的資料。若要進一步了解如何選擇退出，請參閱AWS Organizations 使用者指南中的 AI 服務退出政策。

如何使用 R eady-to-use 模型

若要開始使用 R eady-to-use 模型，請執行下列動作：

1. (選用) 匯入您的資料。您可以使用 R eady-to-use 模型匯入表格、影像或文件資料集，以產生批次預測或預測資料集。若要開始匯入資料集，請參閱將資料匯入資料流程。

2. 產生預測。您可以使用選擇的 R eady-to-use 模型產生單一或批次預測。若要開始使用進行預測，請參閱使用 R eady-to-use 模型進行預測。