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。

# 自動化機器學習 (ML)、無程式碼或低程式碼
<a name="use-auto-ml"></a>

Amazon SageMaker AI 提供下列功能，將關鍵機器學習任務自動化，並使用無程式碼或低程式碼的解決方案。
+ **Amazon SageMaker Canvas**：針對以 UI 為基礎的無程式碼 AutoML 體驗，新使用者應該在 [Amazon SageMaker Studio](studio-updated.md) 中使用 [Amazon SageMaker Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) 應用程式。

  Amazon SageMaker Canvas 為分析師和公民資料科學家提供無程式碼功能，例如資料準備、特徵工程、演算法選擇、訓練和調校、推論等。使用者可以利用內建視覺效果和假設分析，探索其資料和不同案例，並透過自動化預測輕鬆產生模型。SageMaker Canvas 支援各種使用案例，包括電腦視覺、需求預測、智慧搜尋和生成式 AI。
+ **Amazon SageMaker Autopilot**：[Amazon SageMaker Autopilot](autopilot-automate-model-development.md) 是一種自動化機器學習 (AutoML) 功能集，可自動化建置、訓練、調校和部署機器學習模型的端對端程序。Amazon SageMaker Autopilot 會分析您的資料、選取適合您問題類型的演算法、預先處理資料以準備用於訓練、處理自動模型訓練，以及執行超參數最佳化，以尋找資料集的最佳效能模型。
  + 自 2023 年 11 月 30 日起，Autopilot 的使用者介面已整合至 Studio 的 [Amazon SageMaker Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) 應用程式。
  + [Amazon SageMaker Studio Classic](studio.md) (Studio 的先前體驗) 的使用者可以繼續使用 Studio Classic 的 Autopilot 使用者介面。具編碼經驗的使用者可以繼續使用任何支援 SDK 中的 [AutoML API 參考](autopilot-automate-model-development.md)，以進行技術實作。
**注意**  
如果您在 Studio Classic 中一直使用 Autopilot，並且想移轉至 SageMaker Canvas，您可能需要將其他許可授予使用者設定檔或 IAM 角色，以建立和使用 SageMaker Canvas 應用程式。如需更多詳細資訊，請參閱 [(選用) 從 Studio Classic 中的 Autopilot 遷移至 SageMaker Canvas](studio-updated-migrate-ui.md#studio-updated-migrate-autopilot)。
+ **Amazon SageMaker JumpStart**：SageMaker JumpStart 針對各種問題類型提供預先訓練的開放原始碼模型，協助您開始使用機器學習。您可以在部署之前逐步訓練和調整這些模型。JumpStart 也提供解決方案範本，可為常見使用案例設定基礎架構，以及使用 SageMaker AI 針對機器學習設定可執行範例筆記本。

**Topics**
+ [SageMaker Autopilot](autopilot-automate-model-development.md)
+ [SageMaker JumpStart 預先訓練模型](studio-jumpstart.md)