Começando a usar o Amazon SageMaker Canvas - SageMaker IA da Amazon
Pré-requisitos para configurar o Amazon Canvas SageMaker Etapa 1: Faça login no SageMaker CanvasEtapa 2: Use o SageMaker Canvas para obter previsões

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.

Começando a usar o Amazon SageMaker Canvas

Este guia explica como começar a usar o SageMaker Canvas. Se você é administrador de TI e gostaria de obter detalhes mais detalhados, consulte como configurar Configuração e gerenciamento de permissões do Amazon SageMaker Canvas (para administradores de TI) o SageMaker Canvas para seus usuários.

Pré-requisitos para configurar o Amazon Canvas SageMaker

Para configurar um aplicativo SageMaker Canvas, integre-o usando um dos seguintes métodos de configuração:

  1. Integrado com o AWS console. Para fazer a integração por meio do AWS console, primeiro você cria um domínio Amazon SageMaker AI. SageMaker Os domínios de IA oferecem suporte a vários ambientes de aprendizado de máquina (ML), como Canvas e SageMaker Studio. Para obter mais informações sobre Domínios, consulte Visão geral do domínio Amazon SageMaker AI.

    1. (Rápido) Use a configuração rápida para Amazon SageMaker AI: Escolha essa opção se quiser configurar rapidamente um domínio. Isso concede ao usuário todas as permissões padrão do Canvas e funcionalidades básicas. Quaisquer atributos adicionais, como a consulta de documentos, podem ser ativados posteriormente por um administrador. Se quiser configurar permissões mais granulares, recomendamos que você escolha a opção Avançado.

    2. (Padrão) Use a configuração personalizada para Amazon SageMaker AI: Escolha essa opção se quiser concluir uma configuração mais avançada do seu domínio. Mantenha um controle granular sobre as permissões do usuário, como acesso a atributos de preparação de dados, funcionalidade de IA generativa e implantações de modelos.

  2. A bordo com AWS CloudFormation. AWS CloudFormationautomatiza o provisionamento de recursos e configurações para que você possa configurar o Canvas para um ou mais perfis de usuário ao mesmo tempo. Use essa opção se quiser automatizar o processo de integração em grande escala e garantir que suas aplicações sejam sempre configurados da mesma forma. O CloudFormation modelo a seguir fornece uma maneira simplificada de se integrar ao Canvas, garantindo que todos os componentes necessários sejam configurados adequadamente e permitindo que você se concentre na criação e implantação de seus modelos de aprendizado de máquina.

A seção a seguir descreve como se integrar ao Canvas usando o AWS console para criar um domínio.

Importante

Para você configurar o Amazon SageMaker Canvas, sua versão do Amazon SageMaker Studio deve ser 3.19.0 ou posterior. Para obter informações sobre a atualização do Amazon SageMaker Studio, consulteDesligue e atualize o SageMaker Studio Classic.

Integrado com o console AWS

Se você estiver fazendo a configuração rápida do domínio, siga as instruções em Use a configuração rápida para Amazon SageMaker AI, pule o restante desta seção e prossiga para Etapa 1: Faça login no SageMaker Canvas.

Se você estiver fazendo a configuração de domínio padrão, poderá especificar os atributos do Canvas aos quais gostaria de conceder acesso aos seus usuários. Use o restante desta seção ao concluir a configuração de domínio padrão para ajudá-lo a configurar as permissões específicas do Canvas.

Nas instruções de Use a configuração personalizada para Amazon SageMaker AI configuração, para a Etapa 2: Usuários e atividades de ML, você deve selecionar as permissões do Canvas que deseja conceder. Na seção de atividades de ML, você pode selecionar as seguintes políticas de permissões para conceder acesso aos atributos do Canvas: Você só pode selecionar até 8 atividades de ML no total ao configurar seu domínio. As duas primeiras permissões na lista a seguir são necessárias para usar o Canvas, enquanto as demais são para atributos adicionais.

  • Executar aplicações do Studio: Essas permissões são necessárias para iniciar a aplicação Canvas.

  • Canvas Core Access: Essas permissões concedem acesso à aplicação Canvas e às funcionalidades básicas do Canvas, como criar conjuntos de dados, usar transformações básicas de dados e construir e analisar modelos.

  • (Opcional) Preparação de dados do Canvas (desenvolvido pelo Data Wrangler): Essas permissões concedem acesso para criar fluxos de dados e usar transformações avançadas para preparar seus dados no Canvas. Essas permissões também são necessárias para criar trabalhos de processamento de dados e cronogramas de trabalhos de preparação de dados.

  • (Opcional) Canvas AI Services — Essas permissões concedem acesso aos Ready-to-use modelos, modelos básicos e recursos do Chat with Data no Canvas.

  • (Opcional) Acesso ao Kendra: Essa permissão concede acesso ao atributos de consulta de documentos, no qual você pode consultar documentos armazenados em um índice do Amazon Kendra usando modelos básicos no Canvas.

    Se você selecionar essa opção, na seção Acesso ao Canvas Kendra, insira os índices IDs do Amazon Kendra aos quais você deseja conceder acesso.

  • (Opcional) Canvas MLOps — Essa permissão concede acesso ao recurso de implantação de modelos no Canvas, onde você pode implantar modelos para uso na produção.

Na seção Etapa 3: Aplicações da configuração do domínio, escolha Configurar o Canvas e faça o seguinte:

  1. Para a configuração de armazenamento do Canvas, especifique onde você deseja que o Canvas armazene os dados da aplicação, como artefatos do modelo, conjuntos de dados e logs. SageMaker A IA cria uma Canvas/ pasta dentro desse bucket para armazenar os dados. Para obter mais informações, consulte Configurar seu armazenamento do Amazon S3. Nesta seção, faça o seguinte:

    1. Selecione Sistema gerenciado se quiser definir o local como o bucket padrão SageMaker criado pela IA que segue o padrão. s3://sagemaker-{Region}-{your-account-id}

    2. Selecione Custom S3 para especificar seu próprio bucket do Amazon S3 como local de armazenamento. Em seguida, insira o URI do Amazon S3.

    3. (Opcional) Para Chave de criptografia, especifique uma chave do KMS para criptografar artefatos do Canvas armazenados no local especificado.

  2. (Opcional) Para o Amazon Q Developer, faça o seguinte:

    1. Ative o Amazon Q Developer in SageMaker Canvas para ML em linguagem natural para dar aos usuários permissões para aproveitar a assistência generativa de IA durante o fluxo de trabalho de ML no Canvas. Essa opção só concede permissões para consultar o Amazon Q Developer para obter ajuda com tarefas predeterminadas que podem ser concluídas no aplicativo Canvas.

    2. Ative o bate-papo do Amazon Q Developer para AWS perguntas gerais para dar aos usuários permissões para fazer consultas generativas de IA relacionadas aos AWS serviços.

  3. (Opcional) Configure a seção Processamento de dados grandes se seus usuários planejam processar conjuntos de dados maiores que 5 GB no Canvas. Para obter informações mais detalhadas sobre como configurar essas opções, consulteConceda aos usuários permissões para usar grandes volumes de dados em todo o ciclo de vida do ML.

  4. (Opcional) Na seção de configuração de permissões de ML Ops, faça o seguinte:

    1. Deixe a opção Habilitar implantação direta de modelos do Canvas ativada para dar aos usuários permissões para implantar seus modelos do Canvas em um endpoint de SageMaker IA. Para obter mais informações sobre a implantação de modelos no Canvas, consulte Implantar seus modelos em um endpoint.

    2. Deixe a opção Ativar permissões de registro do registro de modelo para todos os usuários ativada para dar aos usuários permissões para registrar a versão do modelo no registro do modelo de SageMaker IA (ela está ativada por padrão). Para obter mais informações, consulte Registre uma versão do modelo no registro de modelos de SageMaker IA.

    3. Se você deixou a opção Habilitar permissões de registro de modelo para todos os usuários ativada, selecione Registrar somente no Registro de modelos ou Registrar e aprovar modelo no Registro de modelos.

  5. (Opcional) Para a seção Configuração de upload de arquivo local, ative a opção Habilitar upload de arquivo local para dar aos usuários permissões para fazer upload de arquivos para o Canvas a partir de suas máquinas locais. Ativar essa opção anexa uma política de compartilhamento de recursos de origem cruzada (CORS) ao bucket do Amazon S3 especificado na configuração de armazenamento do Canvas (e substitui qualquer política CORS existente). Para saber mais sobre as permissões de upload de arquivos locais, consulte Conceder aos seus usuários permissões para fazer upload de arquivos locais.

  6. (Opcional) Para a seção de OAuth configurações, faça o seguinte:

    1. Escolha Adicionar OAuth configuração.

    2. Em Fonte de dados, selecione sua fonte de dados.

    3. Em Configuração secreta, selecione Criar um novo segredo e insira as informações que você tem do seu provedor de identidade. Se você ainda não fez a OAuth configuração inicial com sua fonte de dados, consulteConfigure conexões com fontes de dados com OAuth.

  7. (Opcional) Para a configuração dos Ready-to-use modelos Canvas, faça o seguinte:

    1. Deixe a opção Ativar Ready-to-use modelos do Canvas ativada para dar aos usuários permissões para gerar previsões com Ready-to-use modelos no Canvas (ela está ativada por padrão). Essa opção também oferece permissões para conversar com modelos alimentados por IA generativa. Para obter mais informações, consulte Modelos básicos de IA generativa no Canvas SageMaker .

    2. Deixe a opção Habilitar consulta de documentos usando o Amazon Kendra ativada para permitir que seus usuários usem modelos de base para consultar documentos armazenados em um índice do Amazon Kendra. Em seguida, insira os índices existentes aos quais você deseja conceder acesso. Para obter mais informações, consulte Modelos básicos de IA generativa no Canvas SageMaker .

    3. Para a função Amazon Bedrock, selecione Criar e use uma nova função de execução para criar uma nova função de execução do IAM que tenha uma relação de confiança com o Amazon Bedrock. Essa função do IAM é assumida pelo Amazon Bedrock para ajustar grandes modelos de linguagem (LLMs) no Canvas. Se você já tiver uma função de execução com uma relação de confiança, selecione Usar uma função de execução existente e escolha sua função no menu suspenso. Para obter mais informações sobre como configurar manualmente as permissões para sua própria função de execução, consulteConceda aos usuários permissões para usar o Amazon Bedrock e os atributos de IA generativa no Canvas.

  8. Conclua a configuração do restante das configurações do domínio usando os Use a configuração personalizada para Amazon SageMaker AI procedimentos.

nota

Se você encontrar algum problema ao conceder permissões por meio do console, como permissões para Ready-to-use modelos, consulte o tópicoSolução de problemas com a concessão de permissões por meio do console de SageMaker IA.

Agora você deve ter um domínio de SageMaker IA configurado e todas as permissões do Canvas configuradas.

Você pode editar as permissões do Canvas para um domínio ou um usuário específico após a configuração inicial do domínio. As configurações individuais do usuário substituem as configurações do domínio. Para saber como editar suas permissões do Canvas nas configurações do domínio, consulteEditar configurações de domínio.

Dar a si mesmo permissões para usar atributos específicos no Canvas

As informações a seguir descrevem as permissões que você pode conceder a um usuário do Canvas permitir o uso de vários atributos e funcionalidades dentro do Canvas: Algumas dessas permissões podem ser concedidas durante a configuração do domínio, mas algumas exigem permissões ou configurações adicionais. Consulte as informações de permissões específicas para cada atributo que você quiser habilitar:

  • Upload de arquivo local. As permissões para upload de arquivos locais são ativadas por padrão nas permissões básicas do Canvas ao configurar seu Domínio. Se você não conseguir carregar arquivos locais da sua máquina para o SageMaker Canvas, você pode anexar uma política de CORS ao bucket do Amazon S3 que você especificou na configuração de armazenamento do Canvas. Se você permitiu que a SageMaker IA usasse o bucket padrão, o bucket seguiria o padrão s3://sagemaker-{Region}-{your-account-id} de nomenclatura. Para obter mais informações, consulte Conceder permissões aos usuários para fazer upload de arquivos locais.

  • Modelos personalizados de predição de imagem e texto. As permissões para criar modelos personalizados de predição de imagem e texto são ativadas por padrão nas permissões básicas do Canvas ao configurar seu Domínio. No entanto, se você tiver uma configuração personalizada do IAM e não quiser anexar a AmazonSageMakerCanvasFullAccesspolítica à função de execução do IAM do seu usuário, deverá conceder explicitamente ao usuário as permissões necessárias. Para obter mais informações, consulte Conceder aos seus usuários permissões para criar modelos personalizados de predição de imagens e textos.

  • Ready-to-use modelos e modelos de fundação. Talvez você queira usar os Ready-to-use modelos do Canvas para fazer previsões para seus dados. Com as permissões dos Ready-to-use modelos, você também pode conversar com modelos generativos alimentados por IA. As permissões são ativadas por padrão ao configurar seu Domínio, ou você pode editar as permissões de um Domínio que você já criou. A opção de permissões Ready-to-use dos modelos Canvas adiciona a política de AmazonSageMakerCanvasAIServicesacesso à sua função de execução. Para obter mais informações, consulte a Conceitos básicos seção da documentação dos Ready-to-use modelos.

    Para obter mais informações sobre como começar a usar modelos básicos de IA generativa, consulteModelos básicos de IA generativa no Canvas SageMaker .

  • Ajuste os modelos de base. Se quiser ajustar os modelos básicos no Canvas, você pode adicionar as permissões ao configurar seu domínio ou editar as permissões do domínio ou perfil do usuário após criar seu domínio. Você deve adicionar a política de AmazonSageMakerCanvasAIServicesacesso à função do AWS IAM que você escolheu ao configurar o perfil do usuário e também deve adicionar uma relação de confiança com o Amazon Bedrock à função. Para obter instruções sobre como conceder essas permissões ao perfil do IAM, consulte Conceda aos usuários permissões para usar o Amazon Bedrock e os atributos de IA generativa no Canvas.

  • Envie previsões em lote para a Amazon QuickSight. Talvez você queira enviar previsões em lote, ou conjuntos de dados de previsões que você gera a partir de um modelo personalizado, para a Amazon QuickSight para análise. Em QuickSight, você pode criar e publicar painéis preditivos com seus resultados de previsão. Para obter instruções sobre como adicionar essas permissões à função do IAM do seu usuário do Canvas, consulte Conceder permissões aos usuários para enviar previsões para a Amazon QuickSight.

  • Implante modelos do Canvas em um endpoint de SageMaker IA. SageMaker O AI Hosting oferece endpoints que você pode usar para implantar seu modelo para uso na produção. Você pode implantar modelos integrados no Canvas em um endpoint de SageMaker IA e, em seguida, fazer previsões programaticamente em um ambiente de produção. Para obter mais informações, consulte Implantar seus modelos em um endpoint.

  • Registre as versões do modelo no registro de modelos. Talvez você queira registrar versões do seu modelo no registro de modelos de SageMaker IA, que é um repositório para rastrear o status das versões atualizadas do seu modelo. Um cientista de dados ou uma MLOps equipe que trabalha no Registro de SageMaker Modelos pode visualizar as versões do seu modelo que você criou e aprová-las ou rejeitá-las. Em seguida, eles podem implantar sua versão do modelo na produção ou iniciar um fluxo de trabalho automatizado. As permissões de registro de modelos são ativadas por padrão para seu Domínio. Você pode gerenciar permissões no nível do perfil do usuário e conceder ou remover permissões para usuários específicos. Para obter mais informações, consulte Registre uma versão do modelo no registro de modelos de SageMaker IA.

  • Importe dados do Amazon Redshift. Se quiser importar dados do Amazon Redshift, você deve dar a si mesmo permissões adicionais. Você deve adicionar a política AmazonRedshiftFullAccess gerenciada à função AWS do IAM escolhida ao configurar o perfil do usuário. Para obter instruções sobre como adicionar a política ao perfil, consulte Conceder permissões aos usuários para importar dados do Amazon Redshift.

nota

As permissões necessárias para importar por meio de outras fontes de dados, como Amazon Athena e plataformas SaaS, estão incluídas nas políticas e. AmazonSageMakerFullAccessAmazonSageMakerCanvasFullAccess Se você seguiu as instruções de configuração padrão, essas políticas já devem estar anexadas ao seu perfil de execução. Para obter mais informações sobre essas fontes de dados e suas permissões, consulte Conectar-se à fonte de dados.

Etapa 1: Faça login no SageMaker Canvas

Quando a configuração inicial estiver concluída, você poderá acessar o SageMaker Canvas com qualquer um dos seguintes métodos, dependendo do seu caso de uso:

  • No console do SageMaker AI, escolha o Canvas no painel de navegação esquerdo. Em seguida, na página Canvas, selecione seu usuário no menu suspenso e inicie a aplicação Canvas.

  • Abra o SageMaker Studio e, na interface do Studio, acesse a página Canvas e inicie o aplicativo Canvas.

  • Use os métodos de SSO baseados em SAML 2.0 da sua organização, como o Okta ou o IAM Identity Center.

Quando você entra no SageMaker Canvas pela primeira vez, a SageMaker IA cria o aplicativo e um espaço de SageMaker IA para você. Os dados da aplicação Canvas são armazenados no espaço. Para saber mais sobre espaços, consulte Colaboração com espaços compartilhados. O espaço consiste nas aplicações do seu perfil de usuário e em um diretório compartilhado para todos os dados das suas aplicações. Se você não quiser usar o espaço padrão criado pela SageMaker IA e preferir criar seu próprio espaço para armazenar dados do aplicativo, consulte a páginaArmazene dados do aplicativo SageMaker Canvas em seu próprio espaço de SageMaker IA.

Etapa 2: Use o SageMaker Canvas para obter previsões

Após fazer login no Canvas, você pode começar a criar modelos e gerar predições para seus dados.

Você pode usar Ready-to-use modelos do Canvas para fazer previsões sem criar um modelo ou criar um modelo personalizado para seu problema comercial específico. Analise as informações a seguir para decidir se Ready-to-use os modelos ou modelos personalizados são os melhores para seu caso de uso.

  • Ready-to-use modelos. Com Ready-to-use modelos, você pode usar modelos pré-criados para extrair insights de seus dados. Os Ready-to-use modelos abrangem uma variedade de casos de uso, como detecção de linguagem e análise de documentos. Para começar a fazer previsões com Ready-to-use modelos, consulteReady-to-use modelos.

  • Modelos personalizados. Com modelos personalizados, você pode criar uma variedade de tipos de modelos personalizados para fazer predições para seus dados. Use modelos personalizados se quiser criar um modelo treinado com base nos dados específicos da sua empresa e se quiser usar recursos como avaliar o desempenho do seu modelo. Para começar a criar um modelo personalizado, consulte Modelos personalizados.