Amazon SageMaker Canvas 初探

这或许是国内朋友测试国际物品的障碍。亚马逊·塞格-马克·坎瓦斯直接使用共享卡也很好,我和共同信用卡连在一起。当然,我们通过国内公共云层来支付也比较容易。

网站的互动布局基本上与全国公众的布局相同,它遵循该课程,不需要太多的专业知识。 使用“ 新式模型”的这部分完全可以管理。 顶部是整个平台的最顶端菜单 。

二,签字并启动产品。

控制台对于云层平台来说是一个更典型的概念。 一方面,所有购买的资源都受到监控,另一方面,提供各种次产品。

亚马逊云技术控制台是正式的切入点。访问亚马逊- 塞格- 马克, 一次选择服务 。 * 亚马逊- 塞格- 马克 学习 * 马奇纳 学习 。这是给那些确切知道自己想使用什么机器学习产品的朋友的路径。还是比较好找的。

这里有一个小插曲。我首先用这个关键字 搜索亚马逊的Sage-Maker产品。未发现弹孔选项 。只是在后来才了解到可能存在某种道德问题。

在审查组织者提交的材料后,才发现是选错了区。可能还有其他像我这样的年轻人在初次登记时,该津贴自动分配给该国的香港特别行政区。之后我们转移到了美国东部一号地区 之后又转移到了美国东部一号地区然后,你可能会学到更多亚马逊Sagemaker Canvas。另外有一个小问题，当您移居到东亚时,可能会经历定期的互联网断电。多刷新几次就行了。

在切换区之后, 语言可能会更改为“ 英语( US) ” 。 要保留中文, 请到顶端菜单的右上角选择“ 设置 ” 。

切换区域时, 您太懒, 无法输入菜单, 无法直接通过控制台顶部的搜索框输入 SageMaker 关键字。 这也是控制台提供的一个特性 。

顺便说一句,如果你像我一样喜欢“中国人”的话,Sage-Maker Canvas的中文名称是“Sage-Maker 画布”。这个名字完美地抓住了“没有编码”的概念。

三. 建立亚马逊Sage-Maker田地。

接下来，对非技术用户来说,另一个挑战性挑战是用户更难使用。这是关于启动各种SageMaker产品组装。它基本上是这个产品的一个位置和一个子账户的编号。它用于分配数据阅读和写作许可等权利。并设置相关的计算机,存储,网络等等。国家公共云层平台将发挥类似功能。只是经验更宝贵提供了预设启动设置 。

简而言之,创建SageMaker域名与为您的SageMaker分配“微型计算机”相同,用于随后所有模型设计和培训课程。

亚马逊云层技术的设计包含一个白人用户的门槛。 当然,点击“上传”对白人也没有多大问题。

但是,如果您是具有技术经验的专业用户,而且对配置有明确要求,那么“标准配置”模式可能更适合您。这是因为您可以调整您想要的配置,并从授权到网络存储管理基本设置。

当然,如果你像我一样着迷, 如果你决定一个更有意义的名字,那你就会做第一件事。

这是故事的结论吗?

注意页面顶端的蓝色横幅吗? 根据现在的设置, 亚马逊云层技术正在构建一个用户, 一个角色, 权利和资源的分配。 平行域的状态列也显示为 " 待定 " 。 在此过程中我们无能为力; 只需等待 。

在目前阶段,看到绿条已经检查过,下面的空间状况已经改为准备状态,是非常有帮助的。

简而言之,这是完整登记过程的流程图:

对于白人用户来说,启动程序可能有点模糊。但是无可厚非，其他公有云层解决方案也是如此。幸好这些设置只使用过一次如果没有收到更改设置的请求,那样它就再也不会经历这样的事情了不过，如果你能通过沙箱或演示环境这是白人用户第一次访问它。可能就更好了。

二. 以塞格-马克·坎瓦斯开始

SageMaker支持左菜单中的若干开发工具环境:

• 第二,我不确定你在说什么。"研究"与 Jupyter Notebook(第1版)有关, 它为算法伙伴所识别。这很容易审查,因为它不是本次审查的主题。下午7时10分,下午7时10分,下午1时,下午1时,下午1时,下午1时,下午1时,下午1时,下午1时,下午3时,下午7时10分Anaconda 4. 6.4 是环境。
• “ 研究” 应该指 R 语言环境, 数据分析员的熟人可能更熟悉这个环境。 然而我对问题不感兴趣, 我甚至没有打开它 。
• 这是这次我们将要分析的坎瓦斯。

顺便说一句,下面的“图像”一词用英文拼写为“图像”。 把它翻译成镜子可能比较容易接受,就像家用语言一样。

一. 从Canvas开始

Canvas 的条目在用户列表中的动作栏中, 所以您可以从下拉框中选择它。 如果您需要我创建另一个用户, 请选择您需要的用户 。

然后有一个动画。我等待的时间太长了,就像几分钟。 这个部分应该包括应用开发和激活的样本, 以及网络稳定性造成的任何延误。 如果您不能, 请等待或刷新 。

访问下面的这个页面以开始使用坎瓦斯。有趣的是,视觉设计风格与亚马逊云层技术有很大不同,似乎更加平坦。

这里我们再次使用“ Newman mode ”, 它完全依赖于页面提示。 在页面的主要区域, 点击“ + New model ” 开始制作我们的第一个模型 。

不过看看左面菜单，它服务于两个主要目的。模型就是一个例子。例如数据集(数据集)。实际上,算法学生有很多数据处理工作要完成。因此,开发一种新的模式是可行的,这种模式被隐藏起来,因为存在数据问题。此外,对于来自非心理背景的儿童,与数据互动也可能更加困难。

然后我们观察Canvas如何处理这个问题。

新建模型后，Canvas在正常运行中制作了一本新的手动指南(Intro)。看了下，但它只是一个静态的截图。但是,已经解释了使用Canvas的整个建模过程。最初的阶段之一是提出先前的问题。这就是解决数据问题的方法。

如果您想要在程序完成后再次看到它, 请从左菜单中选择“ 帮助”, 它将会出现 。

但是,我们说的是,这个截图中的符号被打破了。

2. 开始建立模型

教学完成后, 开始建模。 页面上可查看一个有四块的模型 :

1 选择代表培训数据输入和管理。

2 构建是指主要用于制定算法模型预测目标的建模过程。

3 分析是模型分析和评估,包括正确性和贡献等。

部署预测代表模型后对现实世界数据集的预测

1）准备数据集

com/com/com/competitions/beke-share-dimes。

选择训练集。 Csv 和测试集。 Csv 。正在使用 Amazon S3 上传数据文件到巴克特( 此步骤已被跳过 ) 。要返回“选择”页面,请点击此处。选择“ 输入数据到 Canvas ” 。您可以在此找到数据导入规则 。以下是直线的亚马逊S3方法选择。选择您想要上传的数据文件 。

这一步怎么评价呢？这是一个简单的过程 利用云载货物。然而,许多白白用户有可能再次受到挑战。如果在Canvas内部可以与S3数据同步,可能体验会更好。虽然Canvas在这里提供上传技术,但无法避免。但是,您必须首先使用其它存储介质配置连接参数 。实话实说，这是怀特尼的"硬核心"时刻

(2) 施工阶段

输入并选择构建阶段的数据集。示范数据集包括以下领域:

在模型类型( 模式类型) 中选择数值投影( 暂时不要使用小三角形提醒 ) 。

Canvas 允许您在创建模型效果之前先检查模型效果。 点击“ 预览模型” 查看平均根误( RMSE) 和特性贡献( Column impact) 。

在那之后,我们将通过选择快速构建来正式构建模型。我们将不得不等待。

3）模型分析

模型完成后, 我们可以在分析菜单中检查模型的所有部分。 关键组成部分是总体情景( 概览) 和分数( 分数 ) 。 说实话, 我对这个功能不太胜任, 所以我不会读它 。

最后但并非最不重要的一点是, Scoring 页面下面还有另一个高级度量条目。 如果您找不到想要的东西, 您可以返回这里 。

4）模型预测

假设模型的培训结果令人满意,然后用来作出预测。

转到“预测”页面,单击“选择数据集”,选择 test.csv 文件。

发生了第二次事件:测试.csv缺少两个田地,即临时田地和注册田地,使这一数据集毫无用处。

我不得不用我自己的电脑,csv处理, 在那里,"假"包含两行 和重新广告本身 以便使用它。

在一般职务安排之后,模型越来越具有预测性。预测程序很迅速。但是到这里，互动逻辑与前几个阶段略有不同。我预期完整的预测结果会在页面下方显示。最后,发出了一份通知。宣布预期调查结果已全部完成。幸好这个通知不会自动关闭否则,许多白人可能困在这里。

当然,我从预测事件本身的角度来理解设计。 毕竟,也许有必要用一个模型来预测众多的数据集。 以列表的形式组织所有预测的移动和结果确实更容易。

我们会在点击留言后查看预报结果

当然,比较正式的方法是从页面下方的列表中选择 View 。

事实上,在页面的顶端,在模型名称的右侧,还提供诸如维持和分享模型版本等功能。 可以持续获得新数据,以培训模型,并通过一个版本保留培训前模式。

1. 隔离墙到达前的简要说明。

总的来说,这不难使用,Canvas做了“没有编码 ” “所有的数据、培训和预测都可以通过互动界面完成。” 当然,这个想法是,你必须理解机器学习模型的基本阶段和后果。

不过，早先的评价也强调了这一点:作为公开交易的SaaS产品,在公共云层中,还依赖相关子系统和副产品,如储存、计算、许可管理和其他相关子系统。这意味着，在必要的时候，必须理解和使用其他次子系统和副产品。完成用户进程我们在考试开始时区分了“新星模型”和“上帝模型”。我会给你一份评估结论的摘要(a) 其中每一要点要点是什么:

相应地,也支持关于总体使用并非非常困难的结论,希望亚马逊云技术将进一步减少与S3等系统结合使用这一技术的困难,使非技术背景商品和商业熟人使用更加简单。

2. 功能建议

作为一个精通“无代码”模型模型的machone学习平台,Canvas确实覆盖了从数据到机器学习模式实施的全面的中继程序。但也不可否认，Canvas的每个连接都可以修改为“宽度”大于其他连接。默认情况下,在完全没有经验的用户与具有某种“探索精神”的初级用户之间达成妥协。

就比如，上传到S3的数据文档在外地存在一些差异。需要进行修改。但我无法找到一个能立即在网上处理数据的地方。它与更新数据集文件无关。您如何定义模型培训中的数据集字段?这些功能尚未被发现。如果它不捐款,Canvas应该考虑落实这一特点。

这是真实的,因为它没有像Jupyter Notebook的平台那么深和强大, 但你可以看到这两个系统 针对不同的受众。

我认为,罐头正试图使底层层免受“非农业”用户的复杂影响,只暴露真正需要人类决定的东西。

当然,在有技能的使用者看来, 这种努力可能是“不完美的”。甚至连"不合格"都叫"不合格"正如我的个人专业经验所证明的那样,当我们试图将几行代码转换为互动功能, 供不理解代码的人使用时,这可能会让事情变得简单一些。然而,这是事态的不完善状况。这为我们提供了继续调查问题根源和了解客户指控的额外动力。

作者：李阳

这篇文章由@Kyoto-san发表, 每个人都是产品经理,

该头衔来自Unsprash,根据CC0标准获得执照。