AWS rilascia uno strumento di machine learning senza codice
AWS annuncia un servizio per le aziende per la distribuzione e la scalabilità di reti 5G private
Amazon ha recentemente annunciato la disponibilità generale di Amazon SageMaker Canvas , una nuova funzionalità visiva senza codice che consente agli analisti aziendali di creare modelli ML e generare previsioni accurate senza scrivere codice o richiedere competenze di ML. La sua interfaccia utente intuitiva consente agli utenti di navigare e accedere a fonti di dati disparate nel cloud o in locale, combinare set di dati con il clic di un pulsante, addestrare modelli accurati e quindi generare nuove previsioni una volta disponibili nuovi dati.
SageMaker Canvas sfrutta la stessa tecnologia del precedente Amazon SageMaker per pulire e combinare automaticamente i dati, creare centinaia di modelli nascosti , selezionare quello con le prestazioni migliori e generare nuove previsioni individuali o in batch.
Supporta più tipi di problemi come la classificazione binaria, la classificazione multiclasse, la regressione numerica e la previsione di serie temporali. Questi tipi di problemi consentono di affrontare casi d’uso business-critical, come il rilevamento di frodi , la riduzione del tasso di abbandono e l’ottimizzazione dell’inventario, senza scrivere una singola riga di codice, una funzionalità che non era disponibile in precedenza.
Gli utenti possono utilizzare qualsiasi set di dati, dalla complessità elevata fino a un file CSV di base, quindi decidere quale delle colonne in questo set di dati Canvas dovrebbe prevedere. I dati possono essere importati o recuperati da Amazon Simple Storage Service (Amazon S3) o connessi ad altre origini dati cloud o locali, come Amazon Redshift o Snowflake.
L’addestramento del modello creato non deve essere preoccupato, poiché SageMaker Canvas mostra la distribuzione del valore e consiglia già il tipo di modello più appropriato . Prima di procedere con l’addestramento del modello, SageMaker Canvas offre anche la possibilità di generare un rapporto di analisi. Il modello, una volta pronto, consente di analizzare la sua accuratezza e l’impatto visivo della colonna attraverso la console. L’integrazione di Amazon SageMaker Studio consente di condividere facilmente il modello con altri data scientist in un team. Ciò rende l’esperienza utente molto più semplice rispetto all’utilizzo dei tradizionali strumenti di machine learning .
SageMaker Canvas è ora generalmente disponibile negli Stati Uniti orientali (Ohio), negli Stati Uniti orientali (Virginia settentrionale), negli Stati Uniti occidentali (Oregon), in Europa (Francoforte) ed Europa (Irlanda). Gli utenti possono iniziare a utilizzarlo con set di dati locali, nonché dati già archiviati su Amazon S3, Amazon Redshift o Snowflake . Con pochi clic, gli utenti possono preparare e unire set di dati, analizzare l’accuratezza stimata, verificare quali colonne hanno un impatto, addestrare il modello più performante e generare nuove previsioni individuali o batch.
