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.
Modelli personalizzati
In Amazon SageMaker Canvas, puoi addestrare modelli di machine learning personalizzati in base ai tuoi dati e casi d'uso specifici. Addestrando un modello personalizzato sui tuoi dati, potrai acquisire caratteristiche e tendenze specifiche e più rappresentative dei propri dati. Ad esempio, potresti voler creare un modello di previsione delle serie temporali personalizzato da utilizzare in base ai dati di inventario del tuo magazzino per gestire le operazioni logistiche.
Canvas supporta l'addestramento di una vasta gamma di tipi di modelli. Dopo aver addestrato un modello personalizzato, puoi valutare le prestazioni e la precisione del modello. Una volta soddisfatto di un modello, puoi fare previsioni su nuovi dati e hai anche la possibilità di condividere il modello personalizzato con i data scientist per ulteriori analisi o di distribuirlo su un endpoint SageMaker ospitato per un'inferenza in tempo reale, il tutto direttamente dall'applicazione Canvas.
È possibile addestrare un modello personalizzato Canvas sui seguenti tipi di set di dati:
-
Tabulare (inclusi dati numerici, categoriali, di serie temporali e di testo)
-
Immagine
La tabella seguente mostra i tipi di modelli personalizzati che è possibile creare in Canvas, insieme ai tipi di dati e alle fonti di dati supportati.
| Tipo di modello | Esempio di caso d'uso | Tipi di dati supportati | Origini dati supportate |
|---|---|---|---|
Previsione numerica |
Previsione dei prezzi delle case in base a caratteristiche come la metratura |
Numerico |
Caricamento locale, Amazon S3, connettori SaaS |
Previsione a 2 categorie |
Previsione dell’eventuale probabilità di abbandono di un cliente |
Binario o categorico |
Caricamento locale, Amazon S3, connettori SaaS |
Previsione di più di 3 categorie |
Previsione degli esiti dei pazienti dopo la dimissione dall'ospedale |
Categoriale |
Caricamento locale, Amazon S3, connettori SaaS |
Previsione di serie temporali |
Previsione dell'inventario per il trimestre successivo |
Serie temporali |
Caricamento locale, Amazon S3, connettori SaaS |
Previsione di immagini con etichetta singola |
Previsione dei tipi di difetti di produzione in immagini |
Immagine (,) JPG PNG |
Caricamento locale, Amazon S3 |
Previsione del testo multicategoria |
Previsione di categorie di prodotti, come abbigliamento, elettronica o articoli per la casa in base alle descrizioni dei prodotti |
Colonna sorgente: testo Colonna di destinazione: binaria o categorica |
Caricamento locale, Amazon S3 |
Nozioni di base
Per iniziare a creare e generare previsioni a partire da un modello personalizzato, effettua le seguenti operazioni:
-
Determina il caso d'uso e il tipo di modello che desideri creare. Per ulteriori informazioni sui tipi di modello personalizzato, consulta Come funzionano i modelli personalizzati. Per ulteriori informazioni sui tipi e le origini dati supportati per i modelli personalizzati, consulta Importazione dei dati.
-
Importa i tuoi dati in Canvas. È possibile creare un modello personalizzato con qualsiasi set di dati tabulare o di immagini che soddisfi i requisiti di input. Per ulteriori informazioni sui requisiti, consulta Creazione di un set di dati.
Per ulteriori informazioni sui set di dati di esempio forniti SageMaker con cui è possibile sperimentare, consulta. Set di dati di esempio in Canvas
-
Crea il tuo modello personalizzato. È possibile eseguire una Creazione rapida per ottenere il tuo modello e iniziare a fare previsioni più rapidamente, oppure è possibile creare una Creazione standard per una maggiore precisione.
Per i tipi di modelli di previsione numerici, categoriali e di serie temporali, puoi pulire e preparare i dati con la funzione Data Wrangler. In Data Wrangler, puoi creare un flusso di dati e utilizzare varie tecniche di preparazione dei dati, come l'applicazione di trasformazioni avanzate o l'unione di set di dati. Per i modelli di previsione delle immagini, è possibile Modifica di un set di dati di immagini per aggiornare le etichette o aggiungere ed eliminare immagini. Ricorda che non è possibile utilizzare queste funzionalità per modelli di previsione del testo multicategoria.
-
Valuta le prestazioni del tuo modello e determinane le prestazioni su dati reali.
-
(Facoltativo) Per determinati tipi di modello, puoi collaborare con data scientist di Amazon SageMaker Studio Classic che possono aiutarti a rivedere e migliorare il tuo modello.
-
Fai previsioni singole o in batch con il tuo modello.
Nota
Se hai già un modello addestrato in Amazon SageMaker Studio Classic che desideri condividere con Canvas, puoi portare il tuo modello SageMaker su Canvas. Verifica i BYOMprerequisiti per determinare se il tuo modello è idoneo alla condivisione.
