 |
Hoje estamos anunciando uma maneira mais rápida de começar a usar seus conjuntos de dados existentes da AWS em Estúdio unificado Amazon SageMaker. Agora você pode começar a trabalhar com todos os dados aos quais tem acesso em um novo pocket book sem servidor com um agente de IA integrado, usando seu AWS Identification and Entry Administration (IAM) funções e permissões.
Novas atualizações incluem:
- Integração com um clique – O Amazon SageMaker agora pode criar automaticamente um projeto no Unified Studio com todas as permissões de dados existentes do Catálogo de dados do AWS Glue, Formação do Lago AWSe Serviços de armazenamento simples da Amazon (Amazon S3).
- Integração direta – Você pode iniciar o SageMaker Unified Studio diretamente do Amazon Sage Maker, Amazon Atenas, Redshift da Amazone Tabelas Amazon S3 páginas do console, proporcionando um caminho rápido para análises e cargas de trabalho de IA.
- Notebooks com um agente de IA integrado – Você pode usar um novo pocket book sem servidor com um agente de IA integrado, que oferece suporte a SQL, Python, Spark ou linguagem pure e oferece aos engenheiros de dados, analistas e cientistas de dados um native para desenvolver e executar consultas e códigos SQL.
Você também tem acesso a outras ferramentas, como um Editor de consultas para análise SQL, Laboratório Jupyter ambiente de desenvolvedor integrado (IDE), ETL visible e fluxos de trabalhoe recursos de aprendizado de máquina (ML).
Experimente a integração com um clique e conecte-se ao Amazon SageMaker Unified Studio
Para começar, vá para o Console do SageMaker e escolha o Comece botão.
Você será solicitado a selecionar um existente AWS Identification and Entry Administration (AWS IAM) função que tem acesso aos seus dados e computação ou para criar uma nova função.
Escolher Configurar. Demora alguns minutos para concluir seu ambiente. Depois que essa função receber acesso, você será direcionado para a página inicial do SageMaker Unified Studio, onde verá os conjuntos de dados aos quais tem acesso no AWS Glue Information Catalog, bem como uma variedade de ferramentas de análise e IA para trabalhar.
Esse ambiente cria automaticamente a seguinte computação sem servidor: Amazon Athena Spark, Amazon Athena SQL, AWS Glue Spark e Fluxos de trabalho gerenciados pela Amazon para Apache Airflow (MWAA) sem servidor. Isso significa que você ignora completamente o provisionamento e pode começar a trabalhar imediatamente com recursos de computação just-in-time, e ele reduz automaticamente quando você termina, ajudando a economizar custos.
Você também pode começar a trabalhar em tabelas específicas no Amazon Athena, Amazon Redshift e Amazon S3 Tables. Por exemplo, você pode selecionar Consulte seus dados no Amazon SageMaker Unified Studio e então escolha Comece no console do Amazon Athena.
Se você começar a partir desses consoles, você se conectará diretamente ao Editor de Consultas com os dados que estava visualizando já acessíveis e seu contexto de consulta anterior preservado. Ao usar esse roteamento baseado no contexto, você pode executar consultas imediatamente, uma vez dentro do SageMaker Unified Studio, sem navegação desnecessária.
Introdução aos notebooks com um agente de IA integrado
O Amazon SageMaker está apresentando uma nova experiência de pocket book que fornece às equipes de dados e IA um ambiente de programação sem servidor e de alto desempenho para análises e trabalhos de ML. A nova experiência de pocket book inclui o Amazon SageMaker Information Agent, um agente de IA integrado que acelera o desenvolvimento gerando código e instruções SQL a partir de prompts em linguagem pure, enquanto orienta os usuários em suas tarefas.
Para iniciar um novo pocket book, escolha o Cadernos no painel de navegação esquerdo para executar consultas SQL, código Python e linguagem pure e para descobrir, transformar, analisar, visualizar e compartilhar insights sobre dados. Você pode começar com dados de amostra, como análises de clientes e previsões de vendas no varejo.
Ao escolher um projeto de exemplo para análise de uso do cliente, você pode abrir o bloco de notas de exemplo para explorar padrões e comportamentos de uso do cliente em um conjunto de dados de telecomunicações.
Como observei, o pocket book inclui um agente de IA integrado que ajuda você a interagir com seus dados por meio de prompts em linguagem pure. Por exemplo, você pode começar com a descoberta de dados usando prompts como:
Present me some insights and visualizations on the shopper churn dataset.
Depois de identificar tabelas relevantes, você pode solicitar análises específicas para gerar Spark SQL. O agente de IA cria planos passo a passo com código inicial para transformações de dados e código Python para visualizações. Se você vir uma mensagem de erro ao executar o código gerado, escolha Corrigir com IA para obter ajuda para resolvê-lo. Aqui está um exemplo de resultado:
Para fluxos de trabalho de ML, use prompts específicos como:
Construct an XGBoost classification mannequin for churn prediction utilizing the churn desk, with buy frequency, common transaction worth, and days since final buy as options.
Este immediate recebe respostas estruturadas, incluindo um plano passo a passo, carregamento de dados, engenharia de recursos e código de treinamento de modelo usando os recursos de IA do SageMaker e métricas de avaliação. O SageMaker Information Agent funciona melhor com prompts específicos e é otimizado para serviços de processamento de dados da AWS, incluindo Athena para Apache Spark e SageMaker AI.
Para saber mais sobre a nova experiência do pocket book, visite o Guia do usuário do Amazon SageMaker Unified Studio.
Agora disponível
A integração com um clique e a nova experiência de pocket book no Amazon SageMaker Unified Studio agora estão disponíveis nas regiões Leste dos EUA (Ohio), Leste dos EUA (Norte da Virgínia), Oeste dos EUA (Oregon), Ásia-Pacífico (Mumbai), Ásia-Pacífico (Singapura) e Ásia-Pacífico (Sydney), Ásia-Pacífico (Tóquio), Europa (Frankfurt) e Europa (Irlanda). Para saber mais, visite o Página do produto SageMaker Unified Studio.
Experimente no Console do SageMaker e envie comentários para AWS re:Submit para SageMaker Unified Studio ou por meio de seus contatos habituais do AWS Assist.
– Channy