2 か月間、1 か月あたり 160 時間無料

Amazon SageMaker Canvas

機械学習による正確な予測をコード不要で生成
SageMaker Canvas の開始方法
無料デモを試す

SageMaker Canvas とは何ですか?

Amazon SageMaker Canvas はコーディング不要のビジュアルインターフェイスであり、データの準備、高精度の ML モデルの構築とデプロイを可能にし、統一された環境でエンドツーエンドの ML ライフサイクルを合理化します。SageMaker Data Wrangler が提供するポイントアンドクリック操作と自然言語を使用して、ペタバイト規模でデータを準備および変換できます。AutoML の機能を活用して、SageMaker Autopilot がサポートする回帰、分類、時系列予測、自然言語処理、コンピュータービジョン用のカスタム ML モデルを自動的に構築できます。また、数回クリックするだけで、Amazon Bedrock と SageMaker JumpStart から基盤モデルにアクセスし、評価し、ファインチューニングし、デプロイすることができます。Canvas はチーム間のコラボレーションを促進し、生成されたコードの透明性を高め、モデルのバージョニングとアクセス制御を通じてガバナンスを保証します。Canvas を使用すると、コーディングの専門知識に関係なく、ビジネスニーズに合わせてカスタム ML モデルをすばやく構築したり、基盤モデルをファインチューニングしたりすることで、イノベーションを加速し、生産性を高めることができます。

SageMaker Canvas のメリット

データ準備から推論まで、ML ライフサイクル全体にわたって、ペタバイト規模でエンドツーエンドの機械学習機能にアクセスします。
コーディング不要のエクスペリエンスにより、高精度のカスタム機械学習モデルと基盤モデルを構築して活用します。
Amazon Bedrock や SageMaker JumpStart の幅広い基盤モデルを閲覧、評価、ファインチューニングできます。
モデルの共有と、SageMaker モデルレジストリや Amazon DataZone などの他の AWS サービスとの統合が可能になり、それによってガバナンスや ML Ops が可能になります。
コードレベルの透明性により、専門家とのコラボレーションを促進します。

ML ライフサイクル全体にわたって構築します

Data Wrangler によるデータ準備や Autopilot による AutoML モデルトレーニングなど、エンドツーエンドの機械学習機能をすべて、視覚的なノーコードインターフェイスから活用します。
1
Sagemaker-steps

自然言語とポイントアンドクリックによってペタバイトスケールでデータを準備

  • Amazon S3、Athena、Redshift、Snowflake、Databricks など、50 以上のソースからのデータにアクセスし、インポートします
  • 300 種類以上の事前構築済みの分析と変換により、データ品質とモデルパフォーマンスを改善します
  • 自然言語を利用してデータを分析し、変換します
  • 直感的なローコード / ノーコードインターフェースで、データパイプラインを視覚的に構築および調整できます
  • 数回のクリックでペタバイトサイズのデータにスケーリングします
2
Sagemaker-steps

複数の問題タイプにわたってモデルをトレーニングおよび評価

  • AutoML の機能を活用して、特定のユースケースに合わせてモデルを自動的に探索して最適化します
  • 数回クリックするだけで、リグレッション、分類、時系列予測、自然言語処理、コンピュータービジョン用のモデルをトレーニングし、基盤モデルをファインチューニングできます
  • 客観的メトリクス、データ分割、アルゴリズム選択やハイパーパラメーターなどのモデル制御の柔軟なオプションでモデルトレーニングをカスタマイズします
  • インタラクティブな可視化とモデルの説明により、モデルのパフォーマンスに関する洞察を得ます
  • モデルリーダーボードから最もパフォーマンスの高いモデルを選択し、生成されたコードをエクスポートしてさらにカスタマイズします
3
Sagemaker-steps

大規模に正確な予測を生成 - バッチまたはリアルタイム

  • インタラクティブな予測と what-if 分析をアプリケーション内で直接実行します
  • ワンクリックで SageMaker エンドポイントにモデルをデプロイしてリアルタイムで推論するか、バッチ予測をアドホックまたは自動スケジュールで実行します
  • SageMaker モデルレジストリにモデルを登録することで、ガバナンスとバージョン管理を確保します
  • Amazon SageMaker Studio とモデルをシームレスに共有して、高度なカスタマイズとコラボレーションを実現します
  • Amazon QuickSight を使用して予測を可視化し、利害関係者と共有して意思決定を強化します

基盤モデルを使用して構築

  • タスクに最適な基盤モデルを簡単に比較して選択できます
  • 数回クリックするだけで、ビジネスユースケース向けにラベル付けされたトレーニングデータセットを使用して基盤モデルをファインチューニングします
Sagemaker 画像

生成 AI を活用します

  • Amazon Kendra に保存されている独自のドキュメントやナレッジベースにクエリを実行して、カスタマイズされた出力を生成できます
  • インタラクティブな可視化、モデルの説明、およびリーダーボードにより、モデルのパフォーマンスに関する洞察を得ます
  • 最適な基盤モデルを製品化し、リアルタイムの SageMaker エンドポイントにデプロイします
Sagemaker 画像

コラボレーションし、ガバナンスを確保します

チーム間のコラボレーションを促進しながら ML を民主化します。ガバナンスや MLOps のためのモデル共有や他の AWS サービスとの統合を可能にします。
1
Sagemaker-steps

チーム間のコラボレーションと知識共有を促進

  • SageMaker Studio による簡単なモデル共有により、データサイエンティストおよび専門家と共同作業できます
  • Canvas ワークスペース内でデータサイエンティストが作成したモデルを使用して予測を生成します
  • 自動生成されたノートブックを使用してコードの透明性によって信頼性を改善します
  • Amazon QuickSight ダッシュボードを使用してモデル、予測、および洞察を利害関係者と共有します
  • バージョン管理とモデルリネージ追跡を維持し、チーム間の再現性とトレーサビリティを確保します
2
Sagemaker-steps

ガバナンスと MLOps のベストプラクティスを確保

  • きめ細かなユーザーレベルの権限とアクセス制御を実装して、セキュアなモデル管理を実現します
  • シングルサインオン (SSO) 機能によってシームレスな認証を実現します
  • SageMaker モデルレジストリにモデルを登録することで、ガバナンスとバージョニングを確実にモデル化します
  • モデルノートブックをエクスポートしてさらなるカスタマイズと統合を行うことで、MLOps パイプラインを合理化します
  • 自動シャットダウン機能でコストとリソース使用率を最適化します

ユースケース

製品の使用と購入に関する履歴データを使用し、販売傾向を理解し、顧客離れパターンを把握します。

売上と需要の履歴データを、関連するウェブトラフィック、料金、製品カテゴリ、休日の情報と組み合わせることで、在庫レベルを予測します。

センサーデータとメンテナンスログを分析して製造装置の故障を予測し、ダウンタイムを回避します。

ソーシャルメディアの投稿、製品の説明、E メールキャンペーンなど、パーソナライズされた魅力的で質の高い販売およびマーケティングコンテンツを作成します。

保険金の請求、請求書、経費報告書、身分証明書など、さまざまなドキュメントから情報を分析および抽出します。