Amazon Sagemaker Canvas 使用入門 - Amazon SageMaker AI
設定 Amazon SageMaker Canvas 的先決條件步驟 1：登入 SageMaker Canvas步驟 2：使用 SageMaker Canvas 取得預測

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

Amazon Sagemaker Canvas 使用入門

本指南會說明如何開始使用 SageMaker Canvas。如果您是 IT 管理員且想要更深入的詳細資訊，請參閱 Amazon SageMaker Canvas 設定和許可管理 (適用於 IT 管理員) 為您的使用者設定 SageMaker Canvas。

設定 Amazon SageMaker Canvas 的先決條件

若要設定 SageMaker Canvas 應用程式，請使用下列其中一種設定方法加入：

  1. 使用 AWS主控台加入。若要透過AWS主控台加入，請先建立 Amazon SageMaker AI 網域。SageMaker AI 網域支援各種機器學習 (ML) 環境，例如 Canvas 和 SageMaker Studio。如需網域的詳細資訊，請參閱Amazon SageMaker AI 網域概觀。

    1. (快速) 使用 Amazon SageMaker AI 的快速設定 – 如果您想要快速設定網域，請選擇此選項。這會授與您的使用者所有預設 Canvas 許可和基本功能。管理員稍後可以啟用任何額外的功能，例如文件查詢。如果您想要設定更精細的許可，我們建議您改為選擇進階選項。

    2. (標準) 使用 Amazon SageMaker AI 的自訂設定 - 如果您想要完成更進階的網域設定，請選擇此選項。維持對使用者許可的精細控制，例如存取資料準備功能、生成式 AI 功能和模型部署。

  2. 加入 CloudFormation。 CloudFormation會自動佈建資源和組態，以便您可以同時為一或多個使用者設定檔設定 Canvas。如果您想要大規模自動化加入程序，並確保您的應用程式每次都以相同的方式設定，請使用此選項。下列 CloudFormation 範本提供簡化的 Canvas 加入方式，確保所有必要元件都已正確設定，並可讓您專注於建置和部署機器學習模型。

下一節說明如何使用AWS主控台建立網域，以加入 Canvas。

重要

若要設定 Amazon SageMaker Canvas，您的 Amazon SageMaker Studio 版本必須為 3.19.0 以上。有關更新 Amazon SageMaker Studio 的資訊，請參閱關閉並更新 Amazon SageMaker Studio Classic。

使用 AWS主控台加入

如果您正在執行快速網域設定，則可以遵循使用 Amazon SageMaker AI 的快速設定中的指示、略過本節的其餘部分，然後移至步驟 1：登入 SageMaker Canvas。

如果您要執行標準網域設定，則可以指定您要授與使用者存取權的 Canvas 功能。當您完成標準網域設定時，請使用本節的其餘部分，以協助您設定 Canvas 特定的許可。

在使用 Amazon SageMaker AI 的自訂設定設定指示中，針對步驟 2：使用者和 ML 活動，您必須選取您要授與的 Canvas 許可。在 ML 活動區段中，您可以選取下列許可政策來授與 Canvas 功能的存取權。設定網域時，您最多只能選取總計 8 個 ML 活動。以下清單中的前兩個許可是使用 Canvas 所需的許可，其餘許可則是用於其他功能。

  • 執行 Studio 應用程式 - 這些許可是啟動 Canvas 應用程式所需的許可。

  • Canvas 核心存取 - 這些許可授與 Canvas 應用程式和 Canvas 基本功能的存取權，例如建立資料集、使用基本資料轉換，以及建置和分析模型。

  • (選用) Canvas 資料準備 (由 Data Wrangler 提供支援) - 這些許可授與您存取權，以建立資料流程，並使用進階轉換在 Canvas 中準備資料。這些許可也是建立資料處理任務和資料準備任務排程所需的許可。

  • (選用) Canvas AI 服務 - 這些許可授與您 Canvas 中即用型模型、基礎模型，以及與資料聊天功能的存取權。

  • (選用) Kendra 存取 - 此許可授與您文件查詢功能的存取權，您可以在其中使用 Canvas 中的基礎模型查詢 Amazon Kendra 索引中存放的文件。

    如果您選取此選項，請在 Canvas Kendra 存取區段中，輸入您要授與存取權的 Amazon Kendra 索引 ID。

  • (選用) Canvas MLOps - 此許可授與您 Canvas 中模型部署功能的存取權，您可以在其中部署模型以用於生產環境。

在網域設定的步驟 3：應用程式區段中，選擇設定 Canvas，然後執行下列動作：

  1. 針對 Canvas 儲存組態，請指定您要 Canvas 儲存應用程式資料的位置，例如模型成品、批次預測、資料集和日誌。SageMaker AI 會在此儲存貯體內建立 Canvas/ 資料夾來存放資料。如需詳細資訊，請參閱設定您的 Amazon S3 儲存。請在本節執行以下動作：

    1. 如果您想要將位置設定為遵循 s3://sagemaker-{Region}-{your-account-id} 模式的 SageMaker AI 建立的預設儲存貯體，請選擇系統管理。

    2. 選取自訂 S3以指定自己的 Amazon S3 儲存貯體為儲存位置。然後，輸入 Amazon S3 URI。

    3. (選擇性) 針對加密金鑰，請指定 KMS 金鑰，以加密儲存在指定位置的 Canvas 成品。

  2. (選用) 針對 Amazon Q Developer，請執行下列動作：

    1. 開啟啟用 SageMaker Canvas 中的 Amazon Q Developer 以進行自然語言 ML，以給與使用者在 Canvas 中的 ML 工作流程期間利用生成式 AI 協助的許可。此選項僅授與查詢 Amazon Q Developer 的許可，以協助處理可在 Canvas 應用程式中完成的預定任務。

    2. 開啟針對一般AWS問題啟用 Amazon Q 開發人員聊天功能，以授予您的使用者進行AWS與服務相關的生成式 AI 查詢的許可。

  3. (選用) 如果您的使用者打算在 Canvas 中處理大於 5 GB 的資料集，請設定大型資料處理區段。如需如何設定這些選項的詳細資訊，請參閱授予使用者在整個 ML 生命週期使用大型資料的許可。

  4. (選用) 針對機器學習 (ML) 作業許可組態區段，執行下列動作：

    1. 保持啟用 Canvas 模型直接部署選項開啟，以授予使用者將其模型從 Canvas 部署到 SageMaker AI 端點的許可。如需關於在 Canvas 中部署模型的更多相關資訊，請參閱將模型部署到端點。

    2. 保持啟用所有使用者的模型註冊庫註冊許可選項開啟，以授予使用者將其模型版本註冊至 SageMaker AI 模型註冊庫的許可 (依預設為開啟)。如需詳細資訊，請參閱在 SageMaker AI 模型註冊庫中註冊模型版本。。

    3. 如果您保持啟用所有使用者的模型註冊庫註冊許可選項開啟，請選取僅註冊至模型註冊庫或在模型註冊庫中註冊並核准模型。

  5. (選用) 對於本機檔案上傳組態區段，開啟啟用本機檔案上傳選項，以授予使用者從本機機器上傳檔案至 Canvas 的許可。開啟此選項會將跨來源資源共用 (CORS) 政策連接至 Canvas 儲存組態中指定的 Amazon S3 儲存貯體 (並覆寫任何現有的 CORS 政策)。若要進一步了解本機檔案上傳許可，請參閱授予使用者上傳本機檔案的許可。

  6. (選用) 對於 OAuth 設定區段，請執行下列動作：

    1. 選擇新增 OAuth 組態。

    2. 針對資料來源，選取您的資料來源。

    3. 針對秘密設定，選取建立新的秘密，然後輸入您從身分提供者取得的資訊。如果您尚未使用資料來源完成初始 OAuth 設定，請參閱使用 OAuth 設定與資料來源的連線。

  7. (選擇性) 針對 Canvas 即用型模型組態，請執行下列操作：

    1. 保持啟用 Canvas 即用型模型選項開啟，讓您的使用者有權在 Canvas 中使用即用型模型產生預測 (預設情況為開啟)。此選項也讓您有權與生成型 AI 提供的模型聊天。如需更多資訊，請參閱SageMaker Canvas 中的生成式 AI 基礎模型。

    2. 保持使用 Amazon Kendra 啟用文件查詢選項開啟，讓使用者有權使用基礎模型查詢儲存在 Amazon Kendra 索引中的文件。然後，從下拉式功能表中，選取您要授與存取權的現有索引。如需詳細資訊，請參閱SageMaker Canvas 中的生成式 AI 基礎模型。

    3. 針對 Amazon Bedrock 角色，選取建立並使用新的執行角色來建立新的 IAM 執行角色，該角色與 Amazon Bedrock 具有信任關係。Amazon Bedrock 會擔任此 IAM 角色，以在 Canvas 中微調大型語言模型 (LLM)。如果您已有具有信任關係的執行角色，請選取使用現有的執行角色，然後從下拉式清單中選擇您的角色。如需為您自己的執行角色手動設定許可的詳細資訊，請參閱授予使用者在 Canvas 中使用 Amazon Bedrock 和生成式 AI 功能的許可。

  8. 使用使用 Amazon SageMaker AI 的自訂設定程序完成其餘的網域設定。

注意

如果您在透過主控台授予許可時遇到任何問題，例如即用型模型的許可，請參閱主題針對透過 SageMaker AI 主控台授予許可的問題進行故障診斷。

您現在應該已設定 SageMaker AI 網域，並設定了所有 Canvas 許可。

您可以在初始網域設定之後編輯網域或特定使用者的 Canvas 許可。個別使用者設定會覆寫網域設定。若要了解如何在網域設定中編輯 Canvas 許可，請參閱編輯網域設定。

授予自己使用 Canvas 中特定功能的許可

以下資訊概述了您可以授予 Canvas 使用者以允許在 Canvas 內使用各種特徵和功能的許可：其中一些許可可以在網域設定期間授予，但有些則需要額外的許可或組態。請參閱您要啟用之每個功能的特定許可資訊：

  • 本機檔案上傳。設定您的網域時，Canvas 基本許可預設會開啟本機檔案上傳的許可。如果您無法將本機檔案從機器上傳到 SageMaker Canvas，則可以將 CORS 政策連接到您在 Canvas 儲存組態中指定的 Amazon S3 儲存貯體。如果您允許 SageMaker AI 使用預設儲存貯體，則該儲存貯體會遵循命名模式 s3://sagemaker-{Region}-{your-account-id}。如需更多資訊，請參閱授予使用者上載本機檔案的許可。

  • 自訂影像和文字預測模型。設定您的網域時，Canvas 基本許可預設會開啟建置自訂映像與文字預測模型的許可。不過，如果您有自訂的 IAM 組態且不想將 AmazonSageMaker CanVasFullAccess 政策連接到使用者的 IAM 執行角色，則必須明確授予使用者必要的許可。如需更多資訊，請參閱授予您的使用者建立自訂影像和文字預測模型的許可。

  • 即用型模型和基礎模型。您可能希望能夠使用 Canvas 即用型模型來預測您的資料。透過即用型模型許可，您也可以與採用生成式 AI 技術的模型聊天。設定您的網域時預設會開啟許可，或者您可為已建立的網域編輯許可。Canvas 即用型模型許可選項會將 AmazonSageMakerCanvasAIServicesAccess 新增至您的執行角色。若要取得更多資訊，請參閱即用型模型文件的開始使用章節。

    如需有關開始使用生成式 AI 基礎模型的更多相關資訊，請參閱SageMaker Canvas 中的生成式 AI 基礎模型。

  • 微調基礎模型。如果您想要在 Canvas 中微調基礎模型，您可以在設定網域時新增許可，也可以在建立網域之後為網域或使用者設定檔編輯許可。您必須將 AmazonSageMakerCanvasAIServicesAccess 政策新增至您在設定使用者設定檔時選擇的 AWSIAM 角色，而且還必須將與 Amazon Bedrock 的信任關係新增至角色。如需如何將這些許可新增至 IAM 角色的指示，請參閱授予使用者在 Canvas 中使用 Amazon Bedrock 和生成式 AI 功能的許可。

  • 將批次預測傳送至 Quick Suite。您可能想要將批次預測或您從自訂模型產生的預測資料集傳送至 Quick Suite 進行分析。在 QuickSight 中，您可以使用預測結果來建立和發佈預測儀表板。如需如何將這些許可新增至 Canvas 使用者 IAM 角色的說明，請參閱授予使用者將預測傳送至 Quick Suite 的許可。

  • 將 Canvas 模型部署至 SageMaker AI 端點。SageMaker AI 託管提供您可以用來部署模型以用於生產環境的端點。您可以將 Canvas 中建置的模型部署到 SageMaker AI 端點，然後在生產環境中以程式設計方式進行預測。如需詳細資訊，請參閱將模型部署到端點。

  • 將模型版本註冊到模型註冊表。您可能想要將模型的版本註冊到 SageMaker AI 模型註冊庫，此模型註冊庫是用於追蹤模型更新版本狀態的儲存庫。在 SageMaker 模型註冊庫中工作的資料科學家或 MLOps 團隊可以檢視您已建置的模型版本，以及核准或拒絕這些版本。然後，他們可以將您的模型版本部署到生產環境中，或啟動自動化工作流程。您的網域預設會開啟模型註冊許可。您可以在使用者設定檔等級中管理該許可，並授予或移除特定使用者的許可。如需詳細資訊，請參閱在 SageMaker AI 模型註冊庫中註冊模型版本。。

  • 從 Amazon Redshift 匯入資料。如果您想要從 Amazon Redshift 匯入資料，則必須授予自己額外的許可。您必須在設定使用者設定檔時，將 AmazonRedshiftFullAccess受管政策新增至您選擇的 AWSIAM 角色。如需有關如何將政策新增至角色的指示，請參閱授予使用者匯入 Amazon Redshift 資料的許可。

注意

透過其他資料來源 (例如 Amazon Athena 和 SaaS 平台) 進行匯入的必要許可皆包含 AmazonSageMakerFullAccess 和 AmazonSageMakerCanvasFullAccess 政策中。如果您遵循標準設定說明，這些政策應該已連接至您的執行角色。如需有關這些資料來源與其許可的更多相關資訊，請參閱連線至資料來源。

步驟 1：登入 SageMaker Canvas

初始設定完成時，您可以使用下列任何方法存取 SageMaker Canvas，視您的使用案例而定：

  • 在 SageMaker AI 主控台中，選擇左側導覽窗格中的 Canvas。然後，在 Canvas 頁面上，從下拉式清單中選取您的使用者，並啟動 Canvas 應用程式。

  • 開啟 SageMaker Studio，然後在 Studio 介面中，前往 Canvas 頁面並啟動 Canvas 應用程式。

  • 使用您組織的 SAML 2.0 型 SSO 方法，例如 Okta 或 IAM Identity Center。

當您第一次登入 SageMaker Canvas 時，SageMaker AI 會為您建立應用程式和 SageMaker AI 空間。Canvas 應用程式的資料會存放在該空間中。若要進一步了解空間，請參閱與共用空間協作。空間包含使用者設定檔的應用程式，以及應用程式所有資料的共用目錄。如果您不想要使用 SageMaker AI 建立的預設空間，並偏好建立自己的空間來存放應用程式資料，請參閱頁面將 SageMaker Canvas 應用程式資料存放在您自己的 SageMaker AI 空間。

步驟 2：使用 SageMaker Canvas 取得預測

登入 Canvas 之後，您就可以開始建置模型並產生資料的預測。

您可以使用 Canvas 即用型模型進行預測，而無需建立模型，也可以針對特定業務問題建立自訂模型。檢閱下列資訊，以決定最適合您使用案例的即用型模型或自訂模型。

  • 即用型模型。您可以使用即用型，即預先建立的模型從資料中擷取見解。即用型模型涵蓋了各種使用案例，例如語言偵測和文件分析。若要開始使用即用型模型進行預測，請參閱即用型模型。

  • 自訂模型。您可以使用自訂模型建立各種模型類型，以便自訂資料預測。如果您想要建置根據業務特定資料進行訓練的模型，並且如果想要使用評估您的模型效能等功能，請使用自訂模型。若要開始建置自訂模型，請參閱自訂模型。