HAQM Q Developer ช่วยแก้ไขช่องว่างระหว่างความท้าทายทางธุรกิจกับโมเดล ML แปลปัญหาทางธุรกิจให้เป็นเวิร์กโฟลว์ ML ทีละขั้นตอนอย่างเชี่ยวชาญ และอธิบายคำศัพท์ ML โดยใช้ภาษาที่ไม่ใช่ภาษาเชิงเทคนิค
HAQM Q Developer ให้คำแนะนำผู้ใช้อย่างเชี่ยวชาญทุกขั้นตอนของการพัฒนาโมเดล ตั้งแต่การเตรียมข้อมูลไปจนถึงการสร้าง การฝึก และการปรับใช้โมเดล ML HAQM Q Developer ใช้อินเทอร์เฟซการแชทเพื่อให้ความช่วยเหลือตามบริบท และช่วยให้ผู้ใช้สามารถนำทางเวิร์กโฟลว์ ML แบบครบวงจรเพื่อสร้างโมเดล ML ที่พร้อมใช้งานจริง
เครื่องมือสร้างไปป์ไลน์แบบกำหนดได้และเทคนิค AutoML ขั้นสูงของ HAQM Q Developer รองรับการสร้างซ้ำและความแม่นยำในการสร้างโมเดล ด้วยการเสริมศักยภาพให้ผู้ใช้ด้วยความสามารถทางวิทยาศาสตร์ข้อมูลขั้นสูง Q Developer ช่วยให้สามารถทดลองได้อย่างรวดเร็วในขณะที่ยังคงรักษาความไว้วางใจในยูทิลิตี้ของโมเดล
HAQM Q Developer รักษาอาร์ทิแฟกต์ต่าง ๆ เช่น ชุดข้อมูลต้นฉบับและที่ได้รับการแปลง รวมถึงไปป์ไลน์การเตรียมข้อมูลที่สร้างขึ้นโดยใช้ภาษาธรรมชาติ นอกจากนี้ โมเดลที่สร้างโดยใช้ Q Developer สามารถลงทะเบียนใน SageMaker Model Registry ได้ และสามารถส่งออกโน้ตบุ๊คโมเดลเพื่อปรับแต่งและรวมเพิ่มเติมได้
SageMaker Canvas ให้การเข้าถึงโมเดลแบบตาราง NLP และ CV พร้อมใช้งานสำหรับกรณีการใช้งานรวมถึงการวิเคราะห์ความรู้สึก การตรวจจับวัตถุในรูปภาพ การตรวจจับข้อความในรูปภาพและการแยกเอนติตี้ โมเดลที่พร้อมใช้งานไม่จำเป็นต้องสร้างโมเดล และได้รับการขับเคลื่อนโดยบริการ AWS AI รวมถึง HAQM Rekognition, HAQM Textract และ HAQM Comprehend
หลังจากที่คุณสร้างโมเดลแล้ว คุณสามารถประเมินว่าโมเดลของคุณทำงานได้ดีเพียงใดก่อนที่จะนำไปใช้ในการผลิตโดยใช้ข้อมูลของบริษัท คุณสามารถเปรียบเทียบการตอบสนองโมเดลได้อย่างง่ายดายและเลือกการตอบสนองที่ดีที่สุดสำหรับความต้องการของคุณ
SageMaker Canvas ให้การเข้าถึงโมเดลพื้นฐาน (FM) ที่พร้อมใช้งานสำหรับการสร้างเนื้อหา การแยกข้อความ และการสรุปข้อความ คุณสามารถเข้าถึง FM อย่างเช่น Claude 2, Llama-2, HAQM Titan, Jurassic-2 และ Command (ขับเคลื่อนโดย HAQM Bedrock) รวมถึง FM ที่เผยแพร่ต่อสาธารณะ เช่น Falcon, Flan-T5, Mistral, Dolly และ MPT (ขับเคลื่อนโดย SageMaker JumpStart) และปรับจูนโดยใช้ข้อมูลของตนเองได้
SageMaker Canvas นำเสนอการวิเคราะห์แบบ what-if แบบภาพ เพื่อให้คุณสามารถเปลี่ยนอินพุตโมเดลและทำความเข้าใจว่าการเปลี่ยนแปลงส่งผลต่อการคาดการณ์ของแต่ละบุคคลอย่างไร คุณสามารถสร้างการคาดการณ์แบบแบทช์อัตโนมัติสำหรับชุดข้อมูลทั้งหมด และเมื่อมีการอัปเดตชุดข้อมูล โมเดล ML ของคุณจะได้รับการอัปเดตโดยอัตโนมัติ หลังจากอัปเดตโมเดล ML แล้ว คุณสามารถตรวจสอบการคาดการณ์ที่ได้รับการอัปเดตได้จากอินเทอร์เฟซแบบไม่ต้องเขียนโค้ดของ SageMaker Canvas
แชร์โมเดลการคาดการณ์กับ HAQM QuickSight เพื่อสร้างแดชบอร์ดที่รวมข้อมูลธุรกิจแบบดั้งเดิมและข้อมูลเชิงคาดการณ์ไว้ในภาพเชิงโต้ตอบเดียวกัน นอกจากนี้ สามารถแชร์โมเดล SageMaker Canvas และผสานรวมเข้าด้วยกันโดยตรงใน QuickSight ทำให้นักวิเคราะห์สามารถสร้างการคาดการณ์ที่แม่นยำสูงสำหรับข้อมูลใหม่ภายในแดชบอร์ด QuickSight
คุณสามารถลงทะเบียนโมเดล ML ที่สร้างใน SageMaker Canvas ไปยังSageMaker Model Registry ได้ด้วยการคลิกเพียงครั้งเดียวเพื่อผสานรวมโมเดลเข้ากับกระบวนการการนำไปใช้จริงโมเดล CI/CD ที่มีอยู่
คุณสามารถแชร์โมเดล SageMaker Canvas ของคุณกับนักวิทยาศาสตร์ข้อมูลที่ใช้ SageMaker Studio ได้ จากนั้นนักวิทยาศาสตร์ข้อมูลจะสามารถตรวจสอบ อัปเดต และแบ่งปันโมเดลที่อัปเดตกับคุณหรือปรับใช้โมเดลของคุณเพื่ออนุมานได้