HAQM Q Developer aide à combler le fossé entre les défis métier et les modèles de machine learning. Il traduit de manière experte les problèmes métier en flux de travail ML étape par étape et explique les termes du ML en utilisant un langage non technique.
HAQM Q Developer guide les utilisateurs de manière experte à chaque étape du développement de modèle, de la préparation des données à la création, à la formation et au déploiement de modèles de machine learning. À l’aide d’une interface de discussion, HAQM Q Developer fournit une assistance contextuelle et aide les utilisateurs à naviguer dans le flux de travail ML de bout en bout afin de créer des modèles de ML prêts pour la production.
Le générateur de pipeline déterministe d’HAQM Q Developer et les techniques d’AutoML avancées favorisent la reproductibilité et la précision au niveau de la création de modèles. En dotant les utilisateurs de fonctionnalités avancées de science des données, Q Developer permet une expérimentation rapide tout en préservant la confiance dans l’utilité des modèles.
HAQM Q Developer gère des artefacts tels que des jeux de données originaux et transformés, ainsi que les pipelines de préparation des données créés à l’aide du langage naturel. En outre, les modèles créés à l’aide de Q Developer peuvent être enregistrés dans SageMaker Model Registry, tandis que les modèles de blocs-notes peuvent être exportés pour une personnalisation et une intégration plus poussées.
SageMaker Canvas donne accès à des modèles tabulaires, NLP et CV prêts à l'emploi pour des cas d'utilisation tels que l'analyse des sentiments, la détection d'objets dans les images, la détection de texte dans les images et l'extraction d'entités. Les modèles prêts à l'emploi ne nécessitent pas la création d'un modèle et sont alimentés par les services d'IA AWS, notamment HAQM Rekognition, HAQM Textract et HAQM Comprehend.
Après avoir créé votre modèle, vous pouvez évaluer ses performances avant de le déployer en production à l'aide des données de l'entreprise. Vous pouvez facilement comparer les réponses des modèles et sélectionner la réponse la mieux adaptée à vos besoins.
SageMaker Canvas donne accès à un modèle de fondation (FM) prêt à l'emploi pour la génération de contenu, l'extraction de texte et la synthèse de texte. Vous pouvez accéder à des modèles de fondation (FM) prêts à l’emploi tels que Claude 2, Llama-2, HAQM Titan, Jurassic-2 et Command (à technologie HAQM Bedrock) ainsi qu’à des FM accessibles au public tels que Falcon, Flan-T5, Mistral, Dolly et MPT (à technologie SageMaker JumpStart) et les régler à l’aide de vos propres données.
SageMaker Canvas propose une analyse visuelle des scénarios qui vous permet de modifier les entrées du modèle, puis de comprendre l'impact de ces modifications sur les prédictions individuelles. Vous pouvez créer des prédictions par lots automatisées pour un jeu de données complet. Ensuite, lorsque le jeu de données est mis à jour, votre modèle ML est automatiquement mis à jour. Une fois le modèle ML mis à jour, vous pouvez consulter les prévisions mises à jour à partir de l'interface sans code de SageMaker Canvas.
Partagez les prévisions des modèles avec HAQM QuickSight pour créer des tableaux de bord combinant l'informatique décisionnelle traditionnelle et les données prédictives dans un même visuel interactif. En outre, les modèles SageMaker Canvas peuvent être partagés et intégrés directement dans QuickSight, ce qui permet aux analystes de générer des prévisions très précises pour les nouvelles données dans un tableau de bord QuickSight.
Vous pouvez enregistrer les modèles ML créés dans SageMaker Canvas dans le registre des modèles SageMaker en un seul clic afin d'intégrer le modèle dans les processus CI/CD de déploiement de modèles existants.
Vous pouvez partager vos modèles SageMaker Canvas avec les scientifiques des données qui utilisent SageMaker Studio. Les scientifiques des données peuvent ensuite examiner, mettre à jour et partager les modèles mis à jour avec vous ou déployer votre modèle à des fins d'inférence.