翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Amazon SageMaker Canvas の使用中に、自然言語で Amazon Q Developer とチャットして生成 AI を活用し、問題を解決できます。Q Developer は、目標を機械学習 (ML) タスクに変換し、ML ワークフローの各ステップを説明するのに役立つアシスタントです。Q Developer は、Canvas ユーザーが ML を活用し、組織のためにデータ駆動型の意思決定を行うために必要な時間、労力、データサイエンスの専門知識を削減するのに役立ちます。
Q Developer との会話を通じて、データの準備、ML モデルの構築、予測、モデルのデプロイなどのアクションを Canvas で開始できます。Q Developer は次のステップを提案し、各ステップを完了するときにコンテキストを提供します。また、結果も通知されます。例えば、Canvas はベストプラクティスに従ってデータセットを変換でき、Q Developer は使用された変換とその理由を一覧表示できます。
Amazon Q Developer は SageMaker Canvas で利用可能で、Amazon Q Developer Pro 階層ユーザーと無料階層ユーザーの両方に追加料金はかかりません。ただし、SageMaker Canvas ワークスペースインスタンスなどのリソースや、モデルの構築またはデプロイに使用されるリソースには、標準料金が適用されます。料金の詳細については、Amazon SageMaker料金
Amazon Q の使用は、MIT の 0 ライセンス
仕組み
Amazon Q Developer は、SageMaker Canvas で利用可能な生成 AI を活用したアシスタントで、自然言語を使用してクエリを実行できます。Q Developer は、機械学習ワークフローの各ステップについて提案を行い、概念を説明し、必要に応じてオプションと詳細を提供します。Q Developer は、回帰、二項分類、多クラス分類のユースケースに役立ちます。
たとえば、顧客離れを予測するには、Q Developer を通じて過去の顧客離れ情報のデータセットを Canvas にアップロードします。Q Developer は、データセットの問題の修正、モデルの構築、予測を行うための適切な ML モデルタイプとステップを提案します。
重要
Amazon Q Developer は、SageMaker Canvas 内の機械学習の問題に関する会話を目的としています。Canvas アクションを通じてユーザーをガイドし、オプションで に関する質問に回答します AWS のサービス。Q Developer はモデル入力を英語でのみ処理します。Q Developer の使用方法の詳細については、「Amazon Q Developer ユーザーガイド」の「Amazon Q Developer の機能」を参照してください。
サポートされるリージョン
Amazon Q Developer は、SageMaker Canvas 内で以下から利用できます AWS リージョン。
米国東部 (バージニア北部)
米国東部 (オハイオ)
米国西部 (オレゴン）
アジアパシフィック (ムンバイ)
アジアパシフィック (ソウル)
アジアパシフィック (シンガポール)
アジアパシフィック (シドニー)
アジアパシフィック (東京)
欧州 (フランクフルト)
欧州 (アイルランド)
欧州 (パリ)
Canvas で利用可能な Amazon Q Developer の機能
次のリストは、Q Developer がサポートできる Canvas タスクをまとめたものです。
-
目的を説明する – Q Developer は、問題を解決するための ML モデルタイプと一般的なアプローチを提案できます。
-
データセットのインポートと分析 – データセットの保存場所を Q Developer に伝えるか、ファイルをアップロードして Canvas データセットとして保存します。Q Developer に、外れ値や欠損値など、データセットの問題を特定するように促します。Q Developer は、データセットに関するサマリー統計を提供し、特定された問題を一覧表示します。
Q Developer は、個々の列の次の統計に関するクエリをサポートしています。
数値列 –
number of valid values、feature type、、mean、median、minimum、、maximum、standard deviation25th percentile75th percentile、、number of outliersカテゴリ列 –
number of missing values、number of valid values、、feature type、most frequent、most frequent category、、most frequent category count、least frequentleast frequent categoryleast frequent category count、、categories
-
データセットの問題を修正 – Canvas のデータ変換機能を使用してデータセットの改訂バージョンを作成するように Q Developer に指示します。Canvas は Data Wrangler データフローを作成し、データサイエンスのベストプラクティスに従って変換を適用します。詳細については、「データ準備」を参照してください。
Q Developer で達成できるよりも高度なデータ分析またはデータ準備タスクを行う場合は、Data Wrangler データフローインターフェイスにアクセスすることをお勧めします。
-
モデルをトレーニングする – Q Developer は、問題に推奨される ML モデルタイプと提案されたモデル構築設定について説明します。推奨されるデフォルト設定を使用してクイックビルドを実行したり、設定を変更して標準ビルドを実行したりできます。準備ができたら、Q Developer に Canvas モデルを構築するよう促します。
すべてのカスタムモデルタイプがサポートされています。モデルタイプとクイックビルドと標準ビルドの詳細については、「」を参照してくださいカスタムモデルの仕組み。
-
モデルの精度を評価する – モデルを構築した後、Q Developer はさまざまなメトリクスにわたるモデルスコアの概要を提供します。これらのメトリクスは、モデルの有用性と精度を判断するのに役立ちます。Q Developer は、あらゆる概念やメトリクスを詳細に説明できます。
詳細とビジュアライゼーションをすべて表示するには、チャットまたは Canvas の My Models ページからモデルを開きます。詳細については、「モデル評価」を参照してください。
-
新しいデータの予測を取得する – 新しいデータセットをアップロードし、Canvas の予測機能を開くのに役立つように Q Developer にプロンプトを表示できます。
Q Developer は、アプリケーションで新しいウィンドウを開き、1 つの予測を行うか、新しいデータセットでバッチ予測を行うことができます。詳細については、「カスタムモデルを使用した予測」を参照してください。
-
モデルのデプロイ – モデルを本番環境にデプロイするには、Canvas を通じてモデルをデプロイできるように Q Developer に依頼してください。Q Developer は、デプロイを設定できる新しいウィンドウを開きます。
デプロイ後、デプロイの詳細を、1) モデルのデプロイタブの Canvas の My Models ページで表示するか、2) デプロイタブの ML Ops ページで表示します。 詳細については、「モデルをエンドポイントにデプロイする」を参照してください。
前提条件
Amazon Q Developer を使用して SageMaker Canvas で ML モデルを構築するには、次の前提条件を満たします。
Canvas アプリケーションのセットアップ
Canvas アプリケーションが設定されていることを確認します。Canvas アプリケーションをセットアップする方法については、「」を参照してくださいAmazon SageMaker Canvas の開始方法。
Q Developer のアクセス許可を付与する
Canvas の使用中に Q Developer にアクセスするには、SageMaker AI ドメインまたはユーザープロファイルに使用される IAM ロールに必要なアクセス許可を AWS アタッチする必要があります。これを行うには、 コンソールを使用するか、 AWS 管理ポリシーを手動でアタッチします。
ドメインレベルでアタッチされたアクセス許可は、個々のアクセス許可がユーザープロファイルレベルで付与または取り消されない限り、ドメイン内のすべてのユーザープロファイルに適用されます。
SageMaker AI ドメインまたはユーザープロファイルの設定を編集することで、アクセス許可を付与できます。
SageMaker AI コンソールのドメイン設定を通じてアクセス許可を付与するには、次の手順を実行します。
-
Amazon SageMaker AI コンソールを「https://https://console.aws.amazon.com/sagemaker/
.com」で開きます。 -
左のナビゲーションペインで、[管理設定] を選択します。
-
[管理設定] で、[ドメイン] を選択します。
-
ドメインのリストで、ドメインを選択します。
-
ドメインの詳細ページで、アプリ設定タブを選択します。
-
[Canvas] セクションで、[編集] を選択します。
-
Canvas 設定の編集ページで、Amazon Q Developer セクションに移動し、次の操作を行います。
-
自然言語 ML で SageMaker Canvas で Amazon Q Developer を有効にする をオンにして、Canvas で Q Developer とチャットするアクセス許可をドメインの実行ロールに追加します。
-
（オプション) さまざまな ( AWS のサービス 例: Athena の仕組みを説明する) について Q Developer に質問する場合は、一般的な AWS 質問に対して Amazon Q Developer チャットを有効にするを有効にします。
注記
Q Developer に一般的な AWS クエリを実行する場合、リクエストは米国東部 (バージニア北部) を経由します AWS リージョン。米国東部 (バージニア北部) 経由でデータがルーティングされないようにするには、一般的な AWS 質問の切り替えのために Amazon Q Developer チャットを有効にするをオフにします。
-
（オプション) VPC から Q Developer へのアクセスを設定する
パブリックインターネットアクセスなしで設定された VPC がある場合は、Q Developer の VPC エンドポイントを追加できます。詳細については、「インターネットにアクセスせずに VPC で Amazon SageMaker Canvas を設定する」を参照してください。
入門
Amazon Q Developer を使用して SageMaker Canvas で ML モデルを構築するには、次の手順を実行します。
-
SageMaker Canvas アプリケーションを開きます。
-
左側のナビゲーションペインで、Amazon Q を選択します。
-
新しいチャットを開くには、新しい会話の開始を選択します。
新しいチャットを開始すると、Q Developer は問題を記述するか、データセットを提供するように求めます。
データをインポートしたら、Q Developer にデータセットに関するサマリー統計を提供するように依頼したり、特定の列について質問したりできます。Q Developer がサポートするさまざまな統計のリストについては、前のセクション を参照してくださいCanvas で利用可能な Amazon Q Developer の機能。次のスクリーンショットは、製品カテゴリ列でデータセット統計と最も頻度の高いカテゴリを尋ねる例を示しています。
Q Developer は、変換されたデータセットやモデルなど、会話中にインポートまたは作成した Canvas アーティファクトを追跡します。チャットやその他の Canvas アプリケーションタブからアクセスできます。たとえば、Q Developer がデータセットの問題を修正した場合、次の場所から変換された新しいデータセットにアクセスできます。
-
Q Developer チャットインターフェイスのアーティファクトサイドバー
-
Canvas のデータセットページ。元のデータセットと変換されたデータセットの両方を表示できます。変換されたデータセットには、Builded by Amazon Q ラベルが追加されています。
-
Canvas の Data Wrangler ページ。Q Developer はデータセットの新しいデータフローを作成します。
次のスクリーンショットは、チャットのサイドバーにある元のデータセットと変換されたデータセットを示しています。
データの準備ができたら、Q Developer に Canvas モデルの構築を依頼してください。Q Developer は、いくつかのフィールドを確認し、ビルド設定を確認するように求めるプロンプトが表示される場合があります。デフォルトのビルド設定を使用する場合、モデルはクイックビルドを使用して構築されます。使用するアルゴリズムの選択や目標メトリクスの変更など、ビルド設定の一部をカスタマイズする場合、モデルは標準ビルドで構築されます。
次のスクリーンショットは、いくつかのプロンプトのみで Canvas モデルビルドを開始するように Q Developer に求める方法を示しています。この例では、デフォルト設定を使用してクイックビルドを開始します。
モデルを構築したら、チャットの自然言語またはアーティファクトサイドバーメニューを使用して追加のアクションを実行できます。たとえば、モデルの詳細とメトリクスの表示、予測の作成、モデルのデプロイを行うことができます。次のスクリーンショットは、これらの追加オプションを選択できるサイドバーを示しています。
Canvas の My Models ページに移動し、モデルを選択することで、これらのアクションを実行することもできます。モデルのページから、分析、予測、デプロイの各タブに移動して、モデルのメトリクスとビジュアライゼーションの表示、予測の作成、デプロイの管理を行うことができます。
