|
Toile Amazon SageMaker fournit aux analystes commerciaux une interface visuelle pour résoudre les problèmes commerciaux à l’aide de l’apprentissage automatique (ML) sans écrire une seule ligne de code. Depuis que nous introduit SageMaker Canvas en 2021de nombreux utilisateurs nous ont demandé une expérience de collaboration améliorée et transparente qui permet aux knowledge scientists de partager des modèles formés avec leurs analystes métier en quelques clics.
Aujourd’hui, j’ai le plaisir de vous annoncer que vous pouvez maintenant apportez des modèles ML intégrés n’importe où dans SageMaker Canvas et générer des prédictions.
Nouveau – Importez votre propre modèle dans SageMaker Canvas
En tant que knowledge scientist ou praticien ML, vous pouvez désormais partager en toute transparence des modèles créés n’importe où, à l’intérieur ou à l’extérieur d’Amazon SageMaker, avec vos équipes commerciales. Cela évite à vos équipes d’ingénierie la lourde tâche de créer un outil ou une interface utilisateur distincts pour partager des modèles ML et collaborer entre les différentes events de votre organisation. En tant qu’analyste métier, vous pouvez désormais tirer parti des modèles ML partagés par vos knowledge scientists en quelques minutes pour générer des prédictions.
Laissez-moi vous montrer remark cela fonctionne en pratique !
Dans cet exemple, je partage avec mon analyste advertising and marketing un modèle ML qui a été formé pour identifier les purchasers susceptibles d’être désabonnés. Tout d’abord, j’enregistre le modèle dans le Registre de modèles SageMaker. Le registre de modèles SageMaker vous permet de cataloguer les modèles et de gérer les variations de modèle. Je crée un groupe de modèles appelé 2022-customer-churn-model-group puis sélectionnez Créer une model de modèle pour enregistrer mon modèle.
Pour enregistrer votre modèle, indiquez l’emplacement de l’picture d’inférence dans ECR d’Amazonainsi que l’emplacement de votre mannequin.tar.gz déposer dans AmazonS3. Vous pouvez également ajouter des recommandations de level de terminaison de modèle et des informations supplémentaires sur le modèle. Une fois que vous avez enregistré votre modèle, sélectionnez la model du modèle et sélectionnez Partager.
Vous pouvez maintenant choisir le(s) profil(s) utilisateur SageMaker Canvas dans le même domaine SageMaker avec lequel vous souhaitez partager votre modèle. Ensuite, fournissez des détails supplémentaires sur le modèle, tels que des informations sur les ensembles de données de formation et de validation, le sort de problème ML et les informations de sortie du modèle. Vous pouvez également ajouter une word pour les utilisateurs de SageMaker Canvas avec lesquels vous partagez le modèle.
De même, vous pouvez désormais également partager des modèles formés à Pilote automatique SageMaker et modèles disponibles en SageMaker JumpStart avec les utilisateurs de SageMaker Canvas.
Les analystes commerciaux recevront une notification intégrée à l’software dans SageMaker Canvas indiquant qu’un modèle a été partagé avec eux, ainsi que toutes les notes que vous avez ajoutées.
Mon analyste advertising and marketing peut maintenant ouvrir, analyser et commencer à utiliser le modèle pour générer des prédictions ML dans SageMaker Canvas.
Sélectionner Prédiction par heaps pour générer des prédictions ML pour un ensemble de données entier ou Prédiction distinctive pour créer des prédictions pour une seule entrée. Vous pouvez télécharger les résultats dans un fichier .csv.
Nouveau – Partage de modèles et collaboration améliorés à partir de SageMaker Canvas avec les utilisateurs de SageMaker Studio
Nous avons également amélioré les capacités de partage et de collaboration de SageMaker Canvas avec les équipes de science des données et de ML. En tant qu’analyste métier, vous pouvez désormais sélectionner le ou les profils utilisateur SageMaker Studio avec lesquels vous souhaitez partager vos modèles de building commonplace.
Vos knowledge scientists ou praticiens ML recevront une notification similaire dans l’software dans SageMaker Studio une fois qu’un modèle aura été partagé avec eux, ainsi que toutes les notes de votre half. Outre la easy révision du modèle, les utilisateurs de SageMaker Studio peuvent désormais, si nécessaire, mettre à jour les transformations de données dans Gestionnaire de données SageMakerrecycler le modèle dans Pilote automatique SageMaker, et partagez le modèle mis à jour. Les utilisateurs de SageMaker Studio peuvent également recommander un autre modèle dans la liste des modèles de SageMaker Autopilot.
Une fois que les utilisateurs de SageMaker Studio ont partagé un modèle, vous recevez une autre notification dans SageMaker Canvas indiquant qu’un modèle mis à jour a été partagé avec vous. Cette collaboration entre les analystes commerciaux et les scientifiques des données contribuera à démocratiser le ML dans les organisations en apportant de la transparence aux décisions automatisées, en renforçant la confiance et en accélérant les déploiements de ML.
Maintenant disponible
Les capacités de collaboration améliorées et transparentes d’Amazon SageMaker Canvas, y compris la possibilité d’apporter vos modèles ML créés n’importe où, sont disponibles aujourd’hui dans tous Régions AWS où SageMaker Canvas est disponible sans modification de l’existant Tarification de SageMaker Canvas.
Commencez à collaborer et apportez votre modèle ML à Amazon SageMaker Canvas dès aujourd’hui !
— Antje
