Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Maschinelles Lernen ohne Code mit Amazon SageMaker AI Canvas

Mit Amazon SageMaker AI Canvas können Sie Ihre eigenen KI/ML-Modelle erstellen, ohne eine einzige Codezeile schreiben zu müssen. Sie können ML-Modelle für gängige Anwendungsfälle wie Regression und Prognose erstellen und auf Fundamentmodelle (FMs) von Amazon Bedrock zugreifen und diese auswerten. Sie können auch FMs von Amazon SageMaker AI aus auf public zugreifen, JumpStart um Inhalte zu generieren, Text zu extrahieren und Text zusammenzufassen, um generative KI-Lösungen zu unterstützen.

Wie erstellt man ML-Modelle ohne Code mit AI Canvas SageMaker

Amazon DocumentDB ist jetzt in Amazon SageMaker AI Canvas integriert, um maschinelles Lernen (ML) ohne Code mit in Amazon DocumentDB gespeicherten Daten zu ermöglichen. Sie können jetzt ML-Modelle für Regressions- und Prognoseanforderungen erstellen und Basismodelle für die Zusammenfassung und Generierung von Inhalten verwenden, indem Sie in Amazon DocumentDB gespeicherte Daten verwenden, ohne eine einzige Codezeile schreiben zu müssen.

SageMaker AI Canvas bietet eine visuelle Oberfläche, mit der Amazon DocumentDB-Kunden Prognosen erstellen können, ohne dass KI/ML-Kenntnisse erforderlich sind oder eine einzige Codezeile geschrieben werden muss. Kunden können jetzt den SageMaker AI Canvas-Workspace aus den AWS Management Console Amazon DocumentDB DocumentDB-Daten für die Datenvorbereitung und das Modelltraining starten, importieren und verknüpfen. Daten in Amazon DocumentDB können jetzt in SageMaker AI Canvas verwendet werden, um Modelle zur Vorhersage der Kundenabwanderung, zur Aufdeckung von Betrug, zur Vorhersage von Wartungsausfällen, zur Prognose von Geschäftskennzahlen und zur Generierung von Inhalten zu erstellen und zu erweitern. Kunden können nun mithilfe der systemeigenen Integration von SageMaker AI Canvas ML-gestützte Erkenntnisse veröffentlichen und teamübergreifend teilen. QuickSight Datenerfassungspipelines in SageMaker AI Canvas werden standardmäßig auf sekundären Amazon DocumentDB DocumentDB-Instances ausgeführt, wodurch sichergestellt wird, dass die Leistung von Anwendungs- und SageMaker AI Canvas-Erfassungs-Workloads nicht beeinträchtigt wird.

Amazon DocumentDB-Kunden können mit SageMaker AI Canvas beginnen, indem sie zur neuen Amazon DocumentDB No-Code ML Console-Seite navigieren und sich mit neuen oder verfügbaren SageMaker AI Canvas-Workspaces verbinden.

Konfiguration der AI-Domäne und des Benutzerprofils SageMaker

Sie können von SageMaker AI-Domänen aus, die im Modus Nur VPC ausgeführt werden, eine Verbindung zu Amazon DocumentDB-Clustern herstellen. Durch den Start einer SageMaker KI-Domain in Ihrer VPC können Sie den Datenfluss von Ihren SageMaker AI Studio- und Canvas-Umgebungen aus steuern. Auf diese Weise können Sie den Internetzugang einschränken, den Datenverkehr mithilfe standardmäßiger AWS Netzwerk- und Sicherheitsfunktionen überwachen und überprüfen und über VPC-Endpunkte eine Verbindung zu anderen AWS Ressourcen herstellen. Informationen zur Erstellung Ihrer SageMaker KI-Domain für die Verbindung mit Ihrem Amazon DocumentDB-Cluster finden Sie unter Amazon SageMaker AI Canvas Getting started und Configure Amazon SageMaker AI Canvas in a VPC without internet access im Amazon SageMaker AI Developer Guide.

Konfiguration von IAM-Zugriffsberechtigungen für Amazon DocumentDB und AI Canvas SageMaker

Ein Amazon DocumentDB DocumentDB-Benutzer, AmazonDocDBConsoleFullAccess der seiner zugehörigen Rolle und Identität zugeordnet ist, kann auf die AWS Management Console zugreifen. Fügen Sie der oben genannten Rolle oder Identität die folgenden Aktionen hinzu, um Zugriff auf maschinelles Lernen ohne Code mit Amazon SageMaker AI Canvas zu gewähren.

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

Datenbankbenutzer und Rollen für SageMaker AI Canvas erstellen

Mithilfe der rollenbasierten Zugriffskontrolle (RBAC) in Amazon DocumentDB können Sie den Zugriff auf die Aktionen einschränken, die Benutzer an Datenbanken ausführen können. Bei RBAC werden einem Benutzer eine oder mehrere Rollen gewährt. Diese Rollen bestimmen die Operationen, die ein Benutzer mit Datenbankressourcen ausführen kann.

Als Canvas-Benutzer stellen Sie mit Benutzernamen und Passwort eine Verbindung zu einer Amazon DocumentDB DocumentDB-Datenbank her. Sie können mithilfe der Amazon DocumentDB RBAC-Funktionalität einen Datenbankbenutzer/eine Datenbankrolle für einen Canvas-Benutzer erstellen, der Lesezugriff auf die spezifischen Datenbanken hat.

Verwenden Sie zum Beispiel die Operation: createUser

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

Dadurch wird eine erstelltcanvas_user, die über Leseberechtigungen für die sample-database-1 Datenbank verfügt. Ihre Canvas-Analysten können diese Anmeldeinformationen verwenden, um auf Daten in Ihrem Amazon DocumentDB-Cluster zuzugreifen. Weitere Informationen finden Datenbankzugriff mithilfe der rollenbasierten Zugriffskontrolle Sie unter.

Verfügbare Regionen

Die No-Code-Integration ist in Regionen verfügbar, in denen sowohl Amazon DocumentDB als auch Amazon SageMaker AI Canvas unterstützt werden. Zu den Regionen gehören:

Die aktuelle Verfügbarkeit in der Region finden Sie unter Amazon SageMaker SageMaker AI Canvas im Amazon AI Developer Guide.