Modelli personalizzati
In Amazon SageMaker Canvas, puoi addestrare modelli di machine learning progettati su misura per dati e casi d’uso specifici. Addestrando un modello personalizzato sui tuoi dati, potrai acquisire caratteristiche e tendenze specifiche e più rappresentative dei propri dati. Ad esempio, potresti voler creare un modello di previsione delle serie temporali personalizzato da addestrare sui dati dell’inventario del tuo warehouse per gestire le operazioni logistiche.
Canvas supporta l’addestramento di una vasta gamma di tipi di modelli. Dopo aver addestrato un modello personalizzato, puoi valutare le prestazioni e l’accuratezza del modello. Una volta che il modello soddisfa le tue aspettative, puoi generare previsioni su nuovi dati e puoi anche condividere il modello personalizzato con i Data Scientist per ulteriori analisi o distribuirlo su un endpoint ospitato da SageMaker AI per l’inferenza in tempo reale, il tutto dall’interno dell’applicazione Canvas.
È possibile addestrare un modello personalizzato Canvas sui seguenti tipi di set di dati:
-
Tabulare (inclusi dati numerici, categorici, di serie temporali e di testo)
-
Immagine
La tabella seguente mostra i tipi di modelli personalizzati che puoi creare in Canvas, insieme ai tipi di dati e alle origini dati supportati.
| Tipo di modello | Esempio di caso d'uso | Tipi di dati supportati | Origini dati supportate |
|---|---|---|---|
Previsione numerica |
Previsione dei prezzi delle case in base a caratteristiche come la metratura |
Numerico |
Caricamento locale, Amazon S3, connettori SaaS |
Previsione a 2 categorie |
Previsione dell’eventuale probabilità di abbandono di un cliente |
Binario o categorico |
Caricamento locale, Amazon S3, connettori SaaS |
Previsione con tre o più categorie |
Previsione degli esiti dei pazienti dopo la dimissione dall'ospedale |
Categoriale |
Caricamento locale, Amazon S3, connettori SaaS |
Previsione di serie temporali |
Previsione dell'inventario per il trimestre successivo |
Serie temporali |
Caricamento locale, Amazon S3, connettori SaaS |
Previsione di immagini con etichetta singola |
Previsione dei tipi di difetti di produzione in immagini |
Immagine (JPG, PNG) |
Caricamento locale, Amazon S3 |
Previsione del testo multicategoria |
Previsione di categorie di prodotti, come abbigliamento, elettronica o articoli per la casa in base alle descrizioni dei prodotti |
Colonna di origine: testo Colonna di destinazione: binaria o categorica |
Caricamento locale, Amazon S3 |
Nozioni di base
Per iniziare a creare e generare previsioni a partire da un modello personalizzato, effettua le seguenti operazioni:
-
Determina il caso d'uso e il tipo di modello che desideri creare. Per ulteriori informazioni sui tipi di modello personalizzato, consulta Funzionamento dei modelli personalizzati. Per ulteriori informazioni sui tipi e le origini dati supportati per i modelli personalizzati, consulta Importazione dei dati.
-
Importa i tuoi dati in Canvas. È possibile creare un modello personalizzato con qualsiasi set di dati tabulare o di immagini che soddisfi i requisiti di input. Per ulteriori informazioni sui requisiti, consulta Creazione di un set di dati.
Per ulteriori informazioni sui set di dati di esempio forniti da SageMaker AI sui quali condurre esperimenti, consulta Set di dati di esempio in Canvas.
-
Crea il tuo modello personalizzato. È possibile eseguire una Creazione rapida per ottenere il tuo modello e iniziare a fare previsioni più rapidamente, oppure è possibile creare una Creazione standard per una maggiore precisione.
Per i tipi di modelli di previsione numerici, categorici e delle serie temporali, puoi pulire e preparare i dati con la funzionalità Data Wrangler. In Data Wrangler, puoi creare un flusso di dati e utilizzare varie tecniche di preparazione dei dati, come l’applicazione di trasformazioni avanzate o il join di set di dati. Per i modelli di previsione delle immagini, è possibile Modifica di un set di dati di immagini per aggiornare le etichette o aggiungere ed eliminare immagini. Ricorda che non è possibile utilizzare queste funzionalità per modelli di previsione del testo multicategoria.
-
Valuta le prestazioni del tuo modello e determinane le prestazioni su dati reali.
-
Fai previsioni singole o in batch con il tuo modello.
