Amazon SageMaker Canvas
Amazon SageMaker Canvas le permite utilizar el machine learning para generar predicciones sin necesidad de escribir código. Estos son algunos casos de uso en los que puede utilizar SageMaker Canvas:
-
Predicción del abandono de clientes
-
Planificar el inventario de manera eficiente
-
Optimizar los precios y los ingresos
-
Mejorar las entregas puntuales
-
Clasificar el texto o las imágenes en función de categorías personalizadas
-
Identificar los objetos y el texto de las imágenes
-
Extraer información de los documentos
Con Canvas, puede chatear con los modelos de lenguaje grandes (LLM) más populares, acceder a modelos listos para usar o crear un modelo personalizado basado en sus datos.
El chat de Canvas es una funcionalidad que aprovecha el código abierto y los LLM de Amazon para ayudarle a aumentar su productividad. Puede solicitar a los modelos que obtengan ayuda con tareas como generar contenido, resumir o categorizar documentos y responder preguntas. Para obtener más información, consulte Modelos fundacionales de IA generativa en SageMaker Canvas.
Los modelos listos para usar de Canvas pueden extraer información de sus datos para una variedad de casos de uso. No tendrá que crear un modelo para usar modelos listos para usar, ya que funcionan con los servicios de inteligencia artificial de Amazon, incluidos Amazon Rekognition, Amazon Textract y Amazon Comprehend. Solo tiene que importar sus datos y empezar a utilizar una solución para generar predicciones.
Si desea un modelo que esté personalizado para su caso de uso y entrenado con sus datos, puede crear un modelo. Puede obtener predicciones personalizadas para sus datos por medio de uno de los siguientes procedimientos:
-
Importación de los datos de una o más fuentes de datos.
-
Creación de un modelo predictivo.
-
Evaluación del desempeño del modelo.
-
Generación de predicciones con el modelo.
Canvas admite los siguientes tipos de modelos personalizados:
-
Predicción numérica (también conocida como regresión)
-
Predicción categórica para 2, 3 o más categorías (también conocida como clasificación binaria y multiclase)
-
Previsión de serie temporal
-
Predicción de imágenes de etiqueta única (también conocida como clasificación de imágenes)
-
Predicción de texto multicategoría (también conocida como clasificación de texto multiclase)
También puede llevar sus propios modelos a Canvas desde Amazon SageMaker Studio Classic.
Para obtener más información acerca de los precios, consulte la página de precios de SageMaker Canvas
SageMaker Canvas está disponible actualmente en las siguientes regiones:
-
US East (Ohio)
-
Este de EE. UU. (Norte de Virginia)
-
Oeste de EE. UU. (Norte de California)
-
Oeste de EE. UU. (Oregón)
-
Asia-Pacífico (Bombay)
-
Asia-Pacífico (Seúl)
-
Asia-Pacífico (Singapur)
-
Asia-Pacífico (Sídney)
-
Asia-Pacífico (Tokio)
-
Canadá (centro)
-
Europa (Fráncfort)
-
Europa (Irlanda)
-
Europa (Londres)
-
Europa (París)
-
Europa (Estocolmo)
-
América del Sur (São Paulo)
Temas
- ¿Es la primera vez que usa SageMaker Canvas?
- Introducción al uso de Amazon SageMaker Canvas
- Tutorial: Creación de un flujo de trabajo integral de machine learning en SageMaker Canvas
- Administración de configuración y permisos de Amazon SageMaker Canvas (para administradores de TI)
- Importación de datos
- Preparación de datos
- Modelos fundacionales de IA generativa en SageMaker Canvas
- Modelos listos para usar
- Modelos personalizados
- Cierre de sesión en Amazon SageMaker Canvas
- Limitaciones y solución de problemas
- Facturación y costos en SageMaker Canvas
¿Es la primera vez que usa SageMaker Canvas?
Si es la primera vez que usa SageMaker Canvas, le recomendamos que empiece leyendo las siguientes secciones:
-
Para administradores de TI - Administración de configuración y permisos de Amazon SageMaker Canvas (para administradores de TI)
-
Para analistas y usuarios individuales - Introducción al uso de Amazon SageMaker Canvas
-
Para ver un ejemplo de flujo de trabajo de principio a fin: Tutorial: Creación de un flujo de trabajo integral de machine learning en SageMaker Canvas