As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Aprendizado de máquina sem código com o Amazon SageMaker AI Canvas
[O Amazon SageMaker AI Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) permite que você crie seus próprios AI/ML modelos sem precisar escrever uma única linha de código. Você pode criar modelos de ML para casos de uso comuns, como regressão e previsão, e pode acessar e avaliar modelos básicos (FMs) do Amazon Bedrock. Você também pode acessar o público FMs da Amazon SageMaker AI JumpStart para geração de conteúdo, extração de texto e resumo de texto para oferecer suporte a soluções generativas de IA.
## Como criar modelos de ML sem código com o SageMaker AI Canvas
O Amazon DocumentDB agora se integra ao Amazon SageMaker AI Canvas para permitir o aprendizado de máquina (ML) sem código com dados armazenados no Amazon DocumentDB. Agora você pode criar modelos de ML para necessidades de regressão e previsão e usar modelos de base para resumir e gerar conteúdo usando dados armazenados no Amazon DocumentDB sem escrever uma única linha de código.
SageMaker O AI Canvas fornece uma interface visual que permite aos clientes do Amazon DocumentDB gerar previsões sem precisar de nenhum AI/ML conhecimento ou escrever uma única linha de código. Agora, os clientes podem iniciar o espaço de trabalho SageMaker AI Canvas a partir do Console de gerenciamento da AWS, importar e unir dados do Amazon DocumentDB para preparação de dados e treinamento de modelos. Os dados no Amazon DocumentDB agora podem ser usados no SageMaker AI Canvas para criar e aumentar modelos para prever a rotatividade de clientes, detectar fraudes, prever falhas de manutenção, prever métricas de negócios e gerar conteúdo. Agora, os clientes podem publicar e compartilhar insights orientados por ML entre equipes usando a integração nativa do SageMaker AI Canvas com o Quick. Os pipelines de ingestão de dados no SageMaker AI Canvas são executados em instâncias secundárias do Amazon DocumentDB por padrão, garantindo que o desempenho do aplicativo SageMaker e das cargas de trabalho de ingestão do AI Canvas não sejam prejudicados.
Os clientes do Amazon DocumentDB podem começar a usar o SageMaker AI Canvas navegando até a nova página do console de ML sem código do Amazon DocumentDB e conectando-se a espaços de trabalho novos ou disponíveis do AI Canvas. SageMaker
## Configurando o domínio de SageMaker IA e o perfil de usuário
Você pode se conectar aos clusters do Amazon DocumentDB a partir de domínios de SageMaker IA que estão sendo executados no modo VPC Only. Ao lançar um domínio de SageMaker IA em sua VPC, você pode controlar o fluxo de dados de seus ambientes SageMaker AI Studio e Canvas. Isso permite restringir o acesso à Internet, monitorar e inspecionar o tráfego usando recursos padrão AWS de rede e segurança e conectar-se a outros AWS recursos por meio de VPC endpoints. Consulte o [Amazon SageMaker AI Canvas Getting Started](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-getting-started.html) and [Configure o Amazon SageMaker AI Canvas em uma VPC sem acesso à Internet](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-vpc.html), localizado no *Amazon SageMaker AI Developer Guide*, para criar seu domínio de SageMaker IA para se conectar ao seu cluster Amazon DocumentDB.
## Configurando permissões de acesso do IAM para Amazon DocumentDB SageMaker e AI Canvas
Um usuário do Amazon DocumentDB com `AmazonDocDBConsoleFullAccess` vinculado à sua função e identidade associada pode acessar o Console de gerenciamento da AWS. Adicione as seguintes ações à função ou identidade mencionada acima para fornecer acesso ao aprendizado de máquina sem código com o Amazon SageMaker AI Canvas.
```
"sagemaker:CreatePresignedDomainUrl",
"sagemaker:DescribeDomain",
"sagemaker:ListDomains",
"sagemaker:ListUserProfiles"
```
## Criação de usuários e funções de banco de dados para o SageMaker AI Canvas
É possível restringir o acesso às ações que os usuários podem executar em bancos de dados usando o controle de acesso baseado em função (RBAC) no Amazon DocumentDB. O RBAC funciona concedendo uma ou mais funções a um usuário. Estas funções determinam as operações que um usuário pode realizar nos recursos do banco de dados.
Como usuário do Canvas, você se conecta a um banco de dados do Amazon DocumentDB com credenciais de nome de usuário e senha. Você pode criar um banco de dados user/role para um usuário do Canvas que tenha acesso de leitura aos bancos de dados específicos usando a funcionalidade RBAC do Amazon DocumentDB.
Por exemplo, use a operação `createUser`:
```
db.createUser({
user: "canvas_user",
pwd: "",
roles: [{role: "read", db: "sample-database-1"}]
})
```
Isso cria um `canvas_user` que tem permissões de leitura no banco de dados `sample-database-1`. Seus analistas do Canvas podem usar essa credencial para acessar dados no cluster do Amazon DocumentDB. Consulte [Acesso ao banco de dados usando o controle de acesso com base em perfil](role_based_access_control.md) para saber mais.
## Regiões disponíveis
A integração sem código está disponível em regiões nas quais o Amazon DocumentDB e o SageMaker Amazon AI Canvas são compatíveis. As regiões incluem:
+ us-east-1 (N. Virginia)
+ us-east-2 (Ohio)
+ us-west-2 (Oregon)
+ ap-northeast-1 (Tóquio)
+ ap-northeast-2 (Seul)
+ ap-south-1 (Mumbai)
+ ap-southeast-1 (Singapura)
+ ap-southeast-2 (Sydney)
+ eu-central-1 (Frankfurt)
+ eu-west-1 (Irlanda)
Consulte o [Amazon SageMaker AI Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) no *Amazon SageMaker AI Developer Guide* para obter a disponibilidade mais recente da região.