Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Assistance générative basée sur l'IA pour résoudre les problèmes de machine learning dans Canvas à l'aide d'Amazon Q Developer
Lorsque vous utilisez Amazon SageMaker Canvas, vous pouvez discuter avec Amazon Q Developer en langage naturel pour tirer parti de l'IA générative et résoudre les problèmes. Q Developer est un assistant qui vous aide à traduire vos objectifs en tâches d'apprentissage automatique (ML) et qui décrit chaque étape du flux de travail de machine learning. Q Developer aide les utilisateurs de Canvas à réduire le temps, les efforts et l'expertise en science des données nécessaires pour tirer parti du ML et prendre des décisions basées sur les données pour leurs organisations.
Grâce à une conversation avec Q Developer, vous pouvez lancer des actions dans Canvas, telles que la préparation des données, la création d'un modèle ML, la réalisation de prédictions et le déploiement d'un modèle. Q Developer fait des suggestions pour les prochaines étapes et vous fournit le contexte au fur et à mesure que vous terminez chaque étape. Il vous informe également des résultats ; par exemple, Canvas peut transformer votre ensemble de données conformément aux meilleures pratiques, et Q Developer peut répertorier les transformations qui ont été utilisées et pourquoi.
Amazon Q Developer est disponible dans SageMaker Canvas sans frais supplémentaires pour les utilisateurs d'Amazon Q Developer Pro Tier et Free Tier. Toutefois, des frais standard s'appliquent aux ressources telles que l'instance d'espace de travail SageMaker Canvas et à toutes les ressources utilisées pour créer ou déployer des modèles. Pour plus d'informations sur les tarifs, consultez les tarifs d'Amazon SageMaker Canvas
L'utilisation d'Amazon Q vous est concédée sous licence 0 du MIT
Comment ça marche
Amazon Q Developer est un assistant génératif basé sur l'IA disponible dans SageMaker Canvas que vous pouvez interroger en langage naturel. Q Developer fait des suggestions pour chaque étape du flux de travail d'apprentissage automatique, en expliquant les concepts et en vous fournissant des options et plus de détails si nécessaire. Vous pouvez utiliser Q Developer pour obtenir de l'aide sur les cas d'utilisation de la régression, de la classification binaire et de la classification multiclasse.
Par exemple, pour prévoir le taux de désabonnement des clients, téléchargez un ensemble de données contenant des informations historiques sur le taux de désabonnement client dans Canvas via Q Developer. Q Developer suggère un type de modèle ML approprié et des étapes pour résoudre les problèmes liés aux ensembles de données, créer un modèle et faire des prédictions.
Important
Amazon Q Developer est destiné aux conversations sur les problèmes d'apprentissage automatique au sein de SageMaker Canvas. Il guide les utilisateurs à travers les actions de Canvas et répond éventuellement aux questions sur Services AWS. Q Le développeur traite les entrées du modèle uniquement en anglais. Pour plus d'informations sur la façon dont vous pouvez utiliser Q Developer, consultez les fonctionnalités d'Amazon Q Developer dans le manuel Amazon Q Developer User Guide.
Régions prises en charge
Amazon Q Developer est disponible dans SageMaker Canvas dans les versions suivantes Régions AWS :
USA Est (Virginie du Nord)
USA Est (Ohio)
USA Ouest (Oregon)
Asie-Pacifique (Mumbai)
Asie-Pacifique (Séoul)
Asie-Pacifique (Singapour)
Asie-Pacifique (Sydney)
Asie-Pacifique (Tokyo)
Europe (Francfort)
Europe (Irlande)
Europe (Paris)
Fonctionnalités d'Amazon Q Developer disponibles dans Canvas
La liste suivante résume les tâches Canvas pour lesquelles Q Developer peut fournir de l'aide :
-
Décrivez votre objectif — Q Developer peut suggérer un type de modèle ML et une approche générale pour résoudre votre problème.
-
Importer et analyser des ensembles de données : indiquez à Q Developer où est stocké votre jeu de données ou téléchargez un fichier pour l'enregistrer en tant que jeu de données Canvas. Demandez à Q Developer d'identifier tout problème dans votre ensemble de données, comme les valeurs aberrantes ou les valeurs manquantes. Q Developer fournit des statistiques récapitulatives sur votre ensemble de données et répertorie les problèmes identifiés.
Q Developer prend en charge les requêtes concernant les statistiques suivantes pour des colonnes individuelles :
Colonnes numériques —
number of valid values,feature type,mean,median,minimum,maximum,standard deviation,25th percentile,75th percentilenumber of outliersColonnes catégoriques —
number of missing valuesnumber of valid values,feature type,most frequent,most frequent category,most frequent category count,least frequent,least frequent category,least frequent category countcategories
-
Résoudre les problèmes liés aux ensembles de données : demandez à Q Developer d'utiliser les fonctionnalités de transformation de données de Canvas pour créer une version révisée de votre ensemble de données. Canvas crée un flux de données Data Wrangler et applique des transformations conformément aux meilleures pratiques de la science des données. Pour de plus amples informations, veuillez consulter Préparation des données.
Si vous souhaitez effectuer des tâches d'analyse ou de préparation de données plus avancées que celles que vous pouvez accomplir avec Q Developer, nous vous recommandons d'accéder à l'interface de flux de données Data Wrangler.
-
Entraînez un modèle — Q Developer vous indique le type de modèle ML recommandé pour votre problème et vous propose une configuration de création de modèles. Vous pouvez utiliser les paramètres par défaut suggérés pour effectuer une génération rapide, ou vous pouvez modifier la configuration et effectuer une génération standard. Lorsque vous êtes prêt, demandez à Q Developer de créer votre modèle Canvas.
Tous les types de modèles personnalisés sont pris en charge. Pour plus d'informations sur les types de modèles et les versions rapides par rapport aux versions standard, consultezComment fonctionnent les modèles personnalisés.
-
Évaluer la précision du modèle — Après avoir créé un modèle, Q Developer fournit un résumé des résultats du modèle selon différents indicateurs. Ces indicateurs vous aident à déterminer l'utilité et la précision de votre modèle. Q Le développeur peut expliquer en détail n'importe quel concept ou métrique.
Pour afficher tous les détails et les visualisations, ouvrez le modèle depuis le chat ou la page Mes modèles de Canvas. Pour de plus amples informations, veuillez consulter Évaluation de modèle.
-
Obtenez des prédictions pour les nouvelles données : vous pouvez télécharger un nouveau jeu de données et demander à Q Developer de vous aider à ouvrir la fonction de prédiction de Canvas.
Q Developer ouvre une nouvelle fenêtre dans l'application dans laquelle vous pouvez effectuer une prédiction unique ou des prédictions par lots avec un nouveau jeu de données. Pour de plus amples informations, veuillez consulter Prédictions avec des modèles personnalisés.
-
Déployer un modèle — Pour déployer votre modèle en production, demandez à Q Developer de vous aider à déployer votre modèle via Canvas. Q Developer ouvre une nouvelle fenêtre dans laquelle vous pouvez configurer votre déploiement.
Après le déploiement, consultez les détails de votre déploiement soit 1) sur la page Mes modèles de Canvas dans l'onglet Déploiement du modèle, soit 2) sur la page ML Ops dans l'onglet Déploiements. Pour de plus amples informations, veuillez consulter Déployez vos modèles sur un terminal.
Prérequis
Pour utiliser Amazon Q Developer afin de créer des modèles de machine learning dans SageMaker Canvas, remplissez les conditions préalables suivantes :
Configurer une application Canvas
Assurez-vous que vous avez configuré une application Canvas. Pour plus d'informations sur la configuration d'une application Canvas, consultezCommencer à utiliser Amazon SageMaker Canvas.
Accorder des autorisations à un développeur
Pour accéder à Q Developer tout en utilisant Canvas, vous devez associer les autorisations nécessaires au rôle AWS IAM utilisé pour votre domaine SageMaker AI ou votre profil utilisateur. Vous pouvez le faire via la console ou en joignant manuellement une politique AWS gérée.
Les autorisations associées au niveau du domaine s'appliquent à tous les profils utilisateur du domaine, sauf si des autorisations individuelles sont accordées ou révoquées au niveau du profil utilisateur.
(Facultatif) Configurez l'accès à Q Developer depuis votre VPC
Si votre VPC est configuré sans accès public à Internet, vous pouvez ajouter un point de terminaison VPC pour Q Developer. Pour de plus amples informations, veuillez consulter Configuration d'Amazon SageMaker Canvas dans un VPC sans accès à Internet.
Premiers pas
Pour utiliser Amazon Q Developer afin de créer des modèles ML dans SageMaker Canvas, procédez comme suit :
-
Ouvrez votre application SageMaker Canvas.
-
Dans le volet de navigation de gauche, sélectionnez Amazon Q.
-
Choisissez Démarrer une nouvelle conversation pour ouvrir une nouvelle discussion.
Lorsque vous démarrez une nouvelle discussion, Q Developer vous invite à indiquer votre problème ou à fournir un ensemble de données.
Après avoir importé vos données, vous pouvez demander à Q Developer de vous fournir des statistiques récapitulatives sur votre ensemble de données, ou vous pouvez poser des questions sur des colonnes spécifiques. Pour une liste des différentes statistiques prises en charge par Q Developer, consultez la section précédenteFonctionnalités d'Amazon Q Developer disponibles dans Canvas. La capture d'écran suivante montre un exemple de demande de statistiques de jeux de données et de la catégorie la plus fréquente dans une colonne de catégories de produits.
Q Developer suit tous les artefacts Canvas que vous importez ou créez au cours de la conversation, tels que les ensembles de données et les modèles transformés. Vous pouvez y accéder depuis le chat ou d'autres onglets de l'application Canvas. Par exemple, si Q Developer résout des problèmes dans votre ensemble de données, vous pouvez accéder au nouveau jeu de données transformé depuis les emplacements suivants :
-
La barre latérale des artefacts dans l'interface de chat de Q Developer
-
La page Ensembles de données de Canvas, où vous pouvez afficher à la fois vos ensembles de données originaux et transformés. L'étiquette Built by Amazon Q est ajoutée à l'ensemble de données transformé.
-
La page Data Wrangler de Canvas, où Q Developer crée un nouveau flux de données pour votre ensemble de données
La capture d'écran suivante montre le jeu de données d'origine et le jeu de données transformé dans la barre latérale d'une discussion.
Lorsque vos données sont prêtes, demandez à Q Developer de vous aider à créer un modèle Canvas. Q Le développeur peut vous demander de confirmer certains champs et de revoir la configuration de compilation. Si vous utilisez la configuration de construction par défaut, votre modèle est créé à l'aide d'une génération rapide. Si vous souhaitez personnaliser une partie de la configuration de votre build, par exemple en sélectionnant les algorithmes utilisés ou en modifiant la métrique objective, votre modèle est construit avec une version standard.
La capture d'écran suivante montre comment vous pouvez demander à Q Developer de lancer la création d'un modèle Canvas avec seulement quelques instructions. Cet exemple utilise la configuration par défaut pour démarrer une génération rapide.
Après avoir créé votre modèle, vous pouvez effectuer des actions supplémentaires en utilisant le langage naturel dans le chat ou dans le menu latéral des artefacts. Par exemple, vous pouvez consulter les détails et les métriques du modèle, faire des prédictions ou déployer le modèle. La capture d'écran suivante montre la barre latérale dans laquelle vous pouvez choisir ces options supplémentaires.
Vous pouvez également effectuer n'importe laquelle de ces actions en accédant à la page Mes modèles de Canvas et en sélectionnant votre modèle. Depuis la page de votre modèle, vous pouvez accéder aux onglets Analyser, Prédire et Déployer pour afficher les métriques et les visualisations du modèle, établir des prédictions et gérer les déploiements, respectivement.
