本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用 Amazon SageMaker AI Canvas 進行無程式碼機器學習
<a name="no-code-machine-learning"></a>

[Amazon SageMaker AI Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) 可讓您建置自己的 AI/ML 模型，而無需撰寫單行程式碼。您可以針對迴歸和預測等常見使用案例建置 ML 模型，並可從 Amazon Bedrock 存取和評估基礎模型 (FMs)。您也可以從 Amazon SageMaker AI JumpStart 存取公有 FMs，以進行內容產生、文字擷取和文字摘要，以支援生成式 AI 解決方案。

## 如何使用 SageMaker AI Canvas 建置無程式碼 ML 模型
<a name="w2aac21b9b5"></a>

Amazon DocumentDB 現在與 Amazon SageMaker AI Canvas 整合，以使用存放在 Amazon DocumentDB 中的資料啟用無程式碼機器學習 (ML)。您現在可以為迴歸和預測需求建置 ML 模型，並使用基礎模型進行內容摘要，並使用存放在 Amazon DocumentDB 中的資料產生，而無需撰寫單行程式碼。

SageMaker AI Canvas 提供視覺化界面，可讓 Amazon DocumentDB 客戶產生預測，而不需要任何 AI/ML 專業知識或撰寫單行程式碼。客戶現在可以從 啟動 SageMaker AI Canvas 工作區 AWS 管理主控台，匯入和聯結 Amazon DocumentDB 資料以進行資料準備和模型訓練。Amazon DocumentDB 中的資料現在可用於 SageMaker AI Canvas，以建置和增強模型來預測客戶流失、偵測詐騙、預測維護失敗、預測業務指標和產生內容。客戶現在可以使用 SageMaker AI Canvas 與 Quick 的原生整合，在團隊之間發佈和分享 ML 驅動的洞見。SageMaker AI Canvas 中的資料擷取管道預設會在 Amazon DocumentDB 次要執行個體上執行，以確保應用程式和 SageMaker AI Canvas 擷取工作負載的效能不會受到阻礙。

Amazon DocumentDB 客戶可以導覽至新的 SageMakerAmazon DocumentDB 無代碼 ML 主控台頁面，並連線至新的或可用的 SageMaker AI Canvas 工作區，以開始使用 SageMaker AI Canvas。

## 設定 SageMaker AI 網域和使用者設定檔
<a name="sagemaker-domain"></a>

您可以從以僅限 VPC 模式執行的 SageMaker AI 網域連線至 Amazon DocumentDB 叢集。透過在 VPC 中啟動 SageMaker AI 網域，您可以控制來自 SageMaker AI Studio 和 Canvas 環境的資料流程。這可讓您限制網際網路存取、使用標準 AWS 聯網和安全功能監控和檢查流量，並透過 VPC 端點連接到其他 AWS 資源。請參閱《[Amazon SageMaker AI 開發人員指南》中的 Amazon SageMaker AI Canvas 入門](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-getting-started.html)*Amazon SageMaker*[和在沒有網際網路存取的情況下在 VPC 中設定 Amazon SageMaker AI Canvas Amazon SageMaker](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-vpc.html)，以建立 SageMaker AI 網域以連線至 Amazon DocumentDB 叢集。

## 設定 Amazon DocumentDB 和 SageMaker AI Canvas 的 IAM 存取許可
<a name="iam-access-canvas"></a>

已`AmazonDocDBConsoleFullAccess`連接至其相關聯角色和身分的 Amazon DocumentDB 使用者可以存取 AWS 管理主控台。將下列動作新增至上述角色或身分，以提供使用 Amazon SageMaker AI Canvas 進行無程式碼機器學習的存取權。

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

## 為 SageMaker AI Canvas 建立資料庫使用者和角色
<a name="w2aac21b9c11"></a>

您可以限制使用者在 Amazon DocumentDB 中使用角色型存取控制 (RBAC) 在資料庫上執行的動作的存取。RBAC 的運作方式是將一或多個角色授予使用者。這些角色決定使用者可以對資料庫資源執行的操作。

身為 Canvas 使用者，您可以使用使用者名稱和密碼登入資料連線到 Amazon DocumentDB 資料庫。您可以使用 Amazon DocumentDB RBAC 功能，為具有特定資料庫讀取存取權的 Canvas 使用者建立資料庫使用者/角色。

例如，使用 `createUser`操作：

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

這會建立`canvas_user`具有`sample-database-1`資料庫讀取許可的 。Canvas 分析師可以使用此登入資料來存取 Amazon DocumentDB 叢集中的資料。如需進一步了解[使用角色型存取控制進行資料庫存取](role_based_access_control.md)，請參閱 。

## 可用區域
<a name="available-regions"></a>

無程式碼整合適用於同時支援 Amazon DocumentDB 和 Amazon SageMaker AI Canvas 的區域。這些區域包括：
+ us-east-1(維吉尼亞北部)
+ us-east-2(俄亥俄)
+ us-west-2(奧勒岡)
+ ap-northeast-1(東京)
+ ap-northeast-2(首爾)
+ ap-south-1(孟買)
+ ap-southeast-1(新加坡)
+ ap-southeast-2(雪梨)
+ eu-central-1(法蘭克福)
+ eu-west-1(愛爾蘭)

如需最新的區域可用性，請參閱《[Amazon SageMaker AI 開發人員指南》中的 Amazon SageMaker AI Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html)。 *Amazon SageMaker *