Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Apprendimento automatico senza codice con Amazon SageMaker AI Canvas

Amazon SageMaker AI Canvas ti consente di creare modelli AI/ML personalizzati senza dover scrivere una sola riga di codice. Puoi creare modelli di machine learning per casi d'uso comuni come regressione e previsioni e accedere e valutare modelli di base () FMs da Amazon Bedrock. Puoi anche accedere al pubblico FMs da Amazon SageMaker AI JumpStart per la generazione di contenuti, l'estrazione e il riepilogo del testo per supportare soluzioni di intelligenza artificiale generativa.

Come creare modelli ML senza codice con AI Canvas SageMaker

Amazon DocumentDB ora si integra con Amazon SageMaker AI Canvas per abilitare l'apprendimento automatico (ML) senza codice con i dati archiviati in Amazon DocumentDB. Ora puoi creare modelli ML per esigenze di regressione e previsione e utilizzare modelli di base per il riepilogo e la generazione di contenuti utilizzando i dati archiviati in Amazon DocumentDB senza scrivere una sola riga di codice.

SageMaker AI Canvas fornisce un'interfaccia visiva che consente ai clienti di Amazon DocumentDB di generare previsioni senza richiedere alcuna esperienza di AI/ML o scrivere una sola riga di codice. I clienti possono ora avviare l'area di lavoro SageMaker AI Canvas dai dati di Amazon DocumentDB AWS Management Console, importarli e unirli per la preparazione dei dati e la formazione dei modelli. I dati di Amazon DocumentDB possono ora essere utilizzati in SageMaker AI Canvas per creare e potenziare modelli per prevedere l'abbandono dei clienti, rilevare frodi, prevedere gli errori di manutenzione, prevedere le metriche aziendali e generare contenuti. I clienti possono ora pubblicare e condividere informazioni basate sul machine learning tra i team utilizzando SageMaker l'integrazione nativa di AI Canvas con. QuickSight Le pipeline di inserimento dati in SageMaker AI Canvas vengono eseguite su istanze secondarie di Amazon DocumentDB per impostazione predefinita, garantendo che le prestazioni delle applicazioni e dei carichi di lavoro di acquisizione di SageMaker AI Canvas non siano ostacolate.

I clienti di Amazon DocumentDB possono iniziare a usare SageMaker AI Canvas accedendo alla nuova pagina della console ML senza codice di Amazon DocumentDB e connettendosi ad aree di lavoro AI Canvas nuove o disponibili. SageMaker

Configurazione del dominio AI e del profilo utente SageMaker

Puoi connetterti ai cluster Amazon DocumentDB da domini SageMaker AI in esecuzione in modalità Solo VPC. Avviando un dominio SageMaker AI nel tuo VPC, puoi controllare il flusso di dati dai SageMaker tuoi ambienti AI Studio e Canvas. Ciò consente di limitare l'accesso a Internet, monitorare e ispezionare il traffico utilizzando funzionalità AWS di rete e sicurezza standard e connettersi ad altre AWS risorse tramite endpoint VPC. Consulta Amazon SageMaker AI Canvas Getting started and Configure Amazon SageMaker AI Canvas in un VPC senza accesso a Internet disponibile nella Amazon SageMaker AI Developer Guide per creare il tuo dominio SageMaker AI da connettere al tuo cluster Amazon DocumentDB.

Configurazione delle autorizzazioni di accesso IAM per Amazon SageMaker DocumentDB e AI Canvas

Un utente Amazon DocumentDB AmazonDocDBConsoleFullAccess collegato al ruolo e all'identità associati può accedere a. AWS Management Console Aggiungi le seguenti azioni al ruolo o all'identità di cui sopra per fornire l'accesso all'apprendimento automatico senza codice con Amazon SageMaker AI Canvas.

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

Creazione di utenti e ruoli del database per AI Canvas SageMaker

Puoi limitare l'accesso alle azioni che gli utenti possono eseguire sui database utilizzando il controllo degli accessi basato sui ruoli (RBAC) in Amazon DocumentDB. RBAC funziona concedendo uno o più ruoli a un utente. Questi ruoli determinano le operazioni che un utente può eseguire sulle risorse del database.

Come utente Canvas, ti connetti a un database Amazon DocumentDB con credenziali di nome utente e password. Puoi creare un utente/ruolo del database per un utente Canvas con accesso in lettura a database specifici utilizzando la funzionalità RBAC di Amazon DocumentDB.

Ad esempio, usa l'operazione: createUser

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

Questo crea un file canvas_user che ha i permessi di lettura per il sample-database-1 database. I tuoi analisti Canvas possono utilizzare questa credenziale per accedere ai dati nel tuo cluster Amazon DocumentDB. Fai riferimento a per saperne di Accesso al database tramite Role-Based Access Control più.

Regioni disponibili

L'integrazione senza codice è disponibile nelle regioni in cui sono supportati sia Amazon DocumentDB che SageMaker Amazon AI Canvas. Le regioni includono:

Consulta Amazon SageMaker AI Canvas nella Amazon SageMaker AI Developer Guide per conoscere la disponibilità più recente della regione.