O que é o SageMaker Canvas?

O Amazon SageMaker Canvas é uma interface visual sem código que permite preparar dados, criar e implantar modelos de ML altamente precisos, simplificando o ciclo de vida de ML de ponta a ponta em um ambiente unificado. Você pode preparar e transformar dados em escala de petabytes por meio de interações do tipo apontar e clicar e linguagem natural, com a tecnologia do SageMaker Data Wrangler. Você pode aproveitar o poder do AutoML e criar automaticamente modelos de ML personalizados para regressão, classificação, previsão de séries temporais, processamento de linguagem natural e visão computacional, com o suporte do SageMaker Autopilot. Você também pode acessar, avaliar, ajustar e implantar modelos básicos do Amazon Bedrock e do SageMaker JumpStart com apenas alguns cliques. O Canvas promove a colaboração entre as equipes, fornece transparência ao código gerado e garante a governança por meio do controle de versionamento e acesso do modelo. Com o Canvas, você pode acelerar a inovação e aumentar a produtividade criando rapidamente modelos de ML personalizados ou ajustando modelos básicos para atender às suas necessidades comerciais, independentemente da sua experiência em codificação.

Benefícios do SageMaker Canvas

Acesse recursos de machine learning de ponta a ponta em todo o ciclo de vida do ML, da preparação de dados à inferência, em escala de petabytes.
Crie e aproveite modelos de base e machine learning personalizados altamente precisos por meio de uma experiência sem código.
Procure, avalie e ajuste uma ampla variedade de modelos de base do Amazon Bedrock e do SageMaker JumpStart.
Habilite o compartilhamento e a integração de modelos com outros serviços da AWS, incluindo o SageMaker Model Registry e o Amazon DataZone para governança e operações de ML.
Impulsione a colaboração com especialistas por meio da transparência em nível de código.

Desenvolva em todo o ciclo de vida de ML

Aproveite os recursos de machine learning de ponta a ponta, incluindo a preparação de dados com o Data Wrangler e o treinamento do modelo AutoML com o Autopilot, tudo por meio de uma interface visual sem código.
1
Etapas do SageMaker

Prepare seus dados com linguagem natural e interface do tipo apontar e clicar em escala de petabytes

  • Acesse e importe dados de mais de 50 fontes, incluindo Amazon S3, Athena, Redshift, Snowflake e Databricks
  • Melhore a qualidade dos dados e o desempenho do modelo com mais de 300 análises e transformações pré-criadas
  • Utilize a linguagem natural para analisar e transformar seus dados
  • Crie e refine visualmente seus pipelines de dados com uma interface intuitiva de baixo código ou sem código
  • Escale para dados do tamanho de petabytes com alguns cliques
2
Etapas do SageMaker

Treine e avalie modelos em vários tipos de problemas

  • Aproveite o potencial do AutoML para explorar e otimizar automaticamente modelos para seu caso de uso específico
  • Treine modelos para regressão, classificação, previsão de séries temporais, processamento de linguagem natural, visão computacional e ajuste modelos de base com apenas alguns cliques
  • Personalize seu treinamento de modelo com opções flexíveis para métricas objetivas, divisões de dados e controles de modelo, como seleção de algoritmos e hiperparâmetros
  • Obtenha insights sobre o desempenho do modelo com visualizações interativas, explicações de modelos
  • Selecione o modelo com melhor desempenho em uma tabela de classificação de modelos e exporte o código gerado para maior personalização
3
Etapas do SageMaker

Gere previsões precisas em grande escala: em lote ou em tempo real

  • Realize previsões interativas e análises hipotéticas diretamente no aplicativo
  • Implante modelos com um único clique em um endpoint do SageMaker para inferência em tempo real ou execute previsões em lote ad-hoc ou com programações automatizadas
  • Garanta a governança e o controle de versão registrando modelos no SageMaker Model Registry
  • Compartilhe facilmente modelos com o Amazon SageMaker Studio para personalização e colaboração avançadas
  • Visualize e compartilhe previsões com as partes interessadas usando o Amazon QuickSight para melhorar a tomada de decisões

Crie com modelos básicos

  • Compare e selecione facilmente o modelo de base mais adequado para sua tarefa
  • Ajuste os modelos básicos usando seu conjunto de dados de treinamento rotulado para casos de uso comercial com apenas alguns cliques
Imagem do Sagemaker

Use sua IA generativa

  • Consulte seus próprios documentos e bases de conhecimento armazenados no Amazon Kendra para gerar resultados personalizados
  • Obtenha insights sobre o desempenho do modelo com visualizações interativas, explicações de modelos e tabelas de classificação
  • Produza e implante os modelos de base mais adequados para endpoints do SageMaker em tempo real
Imagem do Sagemaker

Colabore e garanta a governança

Democratize o ML ao mesmo tempo em que promove a colaboração entre equipes. Permita o compartilhamento e a integração de modelos com outros serviços da AWS para governança e MLOps.
1
Etapas do SageMaker

Promova a colaboração entre equipes e o compartilhamento de conhecimento

  • Colabore com cientistas de dados e especialistas por meio do compartilhamento fácil de modelos com o SageMaker Studio
  • Use modelos criados por cientistas de dados no espaço de trabalho do Canvas para gerar previsões
  • Aumente a confiança com a transparência do código com notebooks gerados automaticamente
  • Compartilhe modelos, previsões e insights com as partes interessadas por meio dos painéis do Amazon QuickSight
  • Mantenha o controle de versão e o rastreamento da linhagem do modelo, garantindo reprodutibilidade e rastreabilidade entre as equipes
2
Etapas do SageMaker

Garanta as práticas recomendadas de governança e MLOps

  • Implemente permissões granulares em nível de usuário e controles de acesso para gerenciamento de modelos seguro
  • Permita a autenticação perfeita com recursos de autenticação única (SSO)
  • Adote a governança do modelo e o controle de versionamento registrando modelos no SageMaker Model Registry
  • Simplifique os pipelines de MLOps exportando notebooks de modelo para maior personalização e integração
  • Otimize os custos e a utilização de recursos com atributos de desligamento automático

Casos de uso

Use dados de consumo de produtos e histórico de compras para entender a propensão às vendas e descobrir padrões de rotatividade dos clientes.

Preveja os níveis do inventário combinando dados históricos de vendas e de demanda com dados de tráfego da Web associado, preços, categoria de produto e feriados.

Preveja falhas em equipamentos de fabricação analisando dados de sensores e registros de manutenção e evite tempos de inatividade.

Crie conteúdo de vendas e marketing personalizado, atrativo e de alta qualidade, como publicações em mídias sociais, descrições de produtos e campanhas por e-mail.

Analise e extraia informações de uma variedade de documentos, como reivindicações de seguro, faturas, relatórios de despesas ou documentos de identidade.