Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Model kustom
Di Amazon SageMaker Canvas, Anda dapat melatih model pembelajaran mesin khusus yang disesuaikan dengan data spesifik dan kasus penggunaan Anda. Dengan melatih model khusus pada data Anda, Anda dapat menangkap karakteristik dan tren yang spesifik dan paling representatif dari data Anda. Misalnya, Anda mungkin ingin membuat model peramalan deret waktu khusus yang Anda latih pada data inventaris dari gudang Anda untuk mengelola operasi logistik Anda.
Canvas mendukung pelatihan berbagai jenis model. Setelah melatih model khusus, Anda dapat mengevaluasi kinerja dan akurasi model. Setelah puas dengan model, Anda dapat membuat prediksi pada data baru, dan Anda juga memiliki opsi untuk berbagi model kustom dengan ilmuwan data untuk analisis lebih lanjut atau untuk menerapkannya ke titik akhir yang SageMaker dihosting untuk inferensi waktu nyata, semuanya dari dalam Canvas aplikasi.
Anda dapat melatih model kustom Canvas pada jenis kumpulan data berikut:
-
Tabular (termasuk numerik, kategoris, timeseries, dan data teks)
-
Citra
Tabel berikut menunjukkan jenis model kustom yang dapat Anda buat di Canvas, bersama dengan tipe data dan sumber data yang didukung.
| Jenis model | Contoh kasus penggunaan | Jenis data yang didukung | Sumber data yang didukung |
|---|---|---|---|
Prediksi numerik |
Memprediksi harga rumah berdasarkan fitur seperti luas persegi |
Numerik |
Unggahan lokal, Amazon S3, konektor SaaS |
2 kategori prediksi |
Memprediksi apakah pelanggan cenderung churn atau tidak |
Biner atau kategoris |
Unggahan lokal, Amazon S3, konektor SaaS |
3+ prediksi kategori |
Memprediksi hasil pasien setelah keluar dari rumah sakit |
Kategoris |
Unggahan lokal, Amazon S3, konektor SaaS |
Peramalan deret waktu |
Memprediksi inventaris Anda untuk kuartal berikutnya |
Timeseries |
Unggahan lokal, Amazon S3, konektor SaaS |
Prediksi gambar label tunggal |
Memprediksi jenis cacat manufaktur pada gambar |
Gambar (JPG,PNG) |
Unggahan lokal, Amazon S3 |
Prediksi teks multi-kategori |
Memprediksi kategori produk, seperti pakaian, elektronik, atau barang rumah tangga, berdasarkan deskripsi produk |
Kolom sumber: teks Kolom target: biner atau kategoris |
Unggahan lokal, Amazon S3 |
Memulai
Untuk memulai membangun dan membuat prediksi dari model kustom, lakukan hal berikut:
-
Tentukan kasus penggunaan dan jenis model yang ingin Anda bangun. Untuk informasi selengkapnya tentang jenis model kustom, lihatCara kerja model khusus. Untuk informasi selengkapnya tentang tipe data dan sumber yang didukung untuk model kustom, lihatImpor data.
-
Impor data Anda ke Canvas. Anda dapat membuat model khusus dengan kumpulan data tabel atau gambar apa pun yang memenuhi persyaratan input. Untuk informasi selengkapnya tentang persyaratan input, lihatBuat kumpulan data.
Untuk mempelajari lebih lanjut tentang kumpulan data sampel yang disediakan SageMaker dengan mana Anda dapat bereksperimen, lihat. Contoh kumpulan data di Canvas
-
Bangun model kustom Anda. Anda dapat membuat Quick build untuk mendapatkan model Anda dan mulai membuat prediksi lebih cepat, atau Anda dapat melakukan build Standar untuk akurasi yang lebih besar.
Untuk jenis model peramalan numerik, kategoris, dan deret waktu, Anda dapat membersihkan dan menyiapkan data Anda dengan fitur Data Wrangler. Di Data Wrangler, Anda dapat membuat aliran data dan menggunakan berbagai teknik persiapan data, seperti menerapkan transformasi lanjutan atau menggabungkan kumpulan data. Untuk model prediksi gambar, Anda dapat Mengedit kumpulan data gambar memperbarui label atau menambah dan menghapus gambar. Perhatikan bahwa Anda tidak dapat menggunakan fitur ini untuk model prediksi teks multi-kategori.
-
Evaluasi kinerja model Anda dan tentukan seberapa baik kinerjanya pada data dunia nyata.
-
(Opsional) Untuk jenis model tertentu, Anda dapat berkolaborasi dengan ilmuwan data di Amazon SageMaker Studio Classic yang dapat membantu meninjau dan meningkatkan model Anda.
-
Buat prediksi tunggal atau batch dengan model Anda.
catatan
Jika Anda sudah memiliki model terlatih di Amazon SageMaker Studio Classic yang ingin Anda bagikan dengan Canvas, Anda dapat membawa model Anda sendiri ke SageMaker Canvas. Tinjau BYOMprasyarat untuk menentukan apakah model Anda memenuhi syarat untuk dibagikan.
