Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

No-code apprendimento automatico con Amazon SageMaker AI Canvas

Amazon SageMaker AI Canvas ti consente di creare AI/ML modelli personalizzati senza dover scrivere una sola riga di codice. Puoi creare modelli ML per casi d'uso comuni come regressione e previsione e accedere e valutare i modelli di base (FM) di Amazon Bedrock. Puoi anche accedere a FM pubblici da Amazon SageMaker AI JumpStart per la generazione di contenuti, l'estrazione e il riepilogo del testo per supportare soluzioni di intelligenza artificiale generativa.

Come creare modelli ML senza codice con AI Canvas SageMaker

Amazon DocumentDB ora si integra con Amazon SageMaker AI Canvas per abilitare l'apprendimento automatico (ML) senza codice con i dati archiviati in Amazon DocumentDB. Ora puoi creare modelli ML per esigenze di regressione e previsione e utilizzare modelli di base per il riepilogo e la generazione di contenuti utilizzando i dati archiviati in Amazon DocumentDB senza scrivere una sola riga di codice.

SageMaker AI Canvas fornisce un'interfaccia visiva che consente ai clienti di Amazon DocumentDB di generare previsioni senza richiedere alcuna AI/ML competenza o scrivere una sola riga di codice. I clienti possono ora avviare lo spazio di lavoro SageMaker AI Canvas da Console di gestione AWS, importare e unire i dati di Amazon DocumentDB per la preparazione dei dati e la formazione dei modelli. I dati in Amazon DocumentDB possono ora essere utilizzati in SageMaker AI Canvas per creare e potenziare modelli per prevedere l'abbandono dei clienti, rilevare frodi, prevedere guasti di manutenzione, prevedere metriche aziendali e generare contenuti. I clienti possono ora pubblicare e condividere ML-driven informazioni tra i team utilizzando l'integrazione nativa di SageMaker AI Canvas con Quick. Le pipeline di inserimento dei dati in SageMaker AI Canvas vengono eseguite su istanze secondarie di Amazon DocumentDB per impostazione predefinita, assicurando che le prestazioni delle applicazioni e dei carichi di lavoro di inserimento di SageMaker AI Canvas non siano ostacolate.

I clienti di Amazon DocumentDB possono iniziare a usare SageMaker AI Canvas accedendo alla nuova pagina della console Amazon DocumentDB No-Code ML e collegandosi a spazi di lavoro AI Canvas nuovi o disponibili. SageMaker

Configurazione del dominio AI e del profilo utente SageMaker

Puoi connetterti ai cluster Amazon DocumentDB da domini SageMaker AI in esecuzione solo in modalità VPC. Avviando un dominio SageMaker AI nel tuo VPC, puoi controllare il flusso di dati dai tuoi SageMaker ambienti AI Studio e Canvas. Ciò consente di limitare l'accesso a Internet, monitorare e ispezionare il traffico utilizzando funzionalità AWS di rete e sicurezza standard e connettersi ad altre AWS risorse tramite endpoint VPC. Fai riferimento a Amazon SageMaker AI Canvas Guida introduttiva e configurazione di Amazon SageMaker AI Canvas in un VPC senza accesso a Internet, disponibile nella Amazon SageMaker AI Developer Guide, per creare il tuo dominio SageMaker AI da connettere al tuo cluster Amazon DocumentDB.

Configurazione delle autorizzazioni di accesso IAM per Amazon DocumentDB e AI Canvas SageMaker

Un utente Amazon DocumentDB AmazonDocDBConsoleFullAccess collegato al ruolo e all'identità associati può accedere a. Console di gestione AWS Aggiungi le seguenti azioni al ruolo o all'identità sopra menzionati per fornire l'accesso all'apprendimento automatico senza codice con Amazon SageMaker AI Canvas.

"sagemaker:CreatePresignedDomainUrl",
"sagemaker:DescribeDomain",
"sagemaker:ListDomains",
"sagemaker:ListUserProfiles"

Creazione di utenti e ruoli del database per SageMaker AI Canvas

Puoi limitare l'accesso alle azioni che gli utenti possono eseguire sui database utilizzando il controllo degli accessi basato sui ruoli (RBAC) in Amazon DocumentDB. RBAC funziona concedendo uno o più ruoli a un utente. Questi ruoli determinano le operazioni che un utente può eseguire sulle risorse del database.

Come utente Canvas, ti connetti a un database Amazon DocumentDB con credenziali di nome utente e password. Puoi creare un database user/role per un utente Canvas che ha accesso in lettura ai database specifici utilizzando la funzionalità RBAC di Amazon DocumentDB.

Ad esempio, utilizza l'operazione: createUser

db.createUser({
user: "canvas_user", 
pwd: "<insert-password>", 
roles: [{role: "read", db: "sample-database-1"}]
})

Questo crea un file con canvas_user autorizzazioni di lettura per il sample-database-1 database. I tuoi analisti Canvas possono utilizzare questa credenziale per accedere ai dati nel tuo cluster Amazon DocumentDB. Fai riferimento a per saperne di Accesso al database tramite Access Control Role-Based più.

Regioni disponibili

L'integrazione senza codice è disponibile nelle regioni in cui sono supportati sia Amazon DocumentDB che Amazon SageMaker AI Canvas. Le regioni includono:

Fai riferimento ad Amazon SageMaker AI Canvas nella Amazon SageMaker AI Developer Guide per le ultime disponibilità nelle regioni.