ML-Modelle einfach per Drag-and-Drop mit Amazon SageMaker Canvas

Amazon erweitert mit dem neuen No-Code, Drag-and-Drop-Dienst SageMaker Canvas sein Machine-Learning-Angebot für Geschäftsanwender. Im Rahmen der re:Invent feierte AWS außerdem den Erfolg von SageMaker: Zehntausende Kunden würden bereits die Machine-Learning-Werkbank nutzen, die sich vornehmlich an Datenwissenschaftler und ML-Entwickler richtet.

Canvas soll das Erstellen von ML-Vorhersagen ohne weitere Codierung über ein Drag-and-Drop-Interface ermöglichen. Auf die Anwendung kann über die SageMaker-Studio-Konsole zugegriffen und in wenigen Minuten der Ersteinrichtung die Benutzeroberfläche aufgebaut werden. Der Nutzer kann vorgefertigte CSV-Datensätze von lokalen Datenträgern oder Amazon S3, bei Bedarf auch über Amazon Redshift oder Snowflake, integrieren.

Schnell oder genau?

Beim Erstellen eines Modelltyps unterstützt die Anwendung lineare Regression für Prognosen, binäre und mehrklassige logistische Regression für die Klassifizierung sowie Zeitreihenprognosen. Nach der Implementierung eines Datensatzes lassen sich grundlegende Statistiken und Visualisierungen abrufen. Das Erstellen eines Modells im Quick-Build-Modus liefert innerhalb weniger Minuten schnelle, aber weniger genaue Ergebnisse. Alternativ kann der Nutzer das Regular-Build-Verfahren heranziehen: Dabei arbeitet die Software genauer, gibt aber erst nach zwei bis vier Stunden Ergebnisse aus.

Da das Modelltraining von Canvas auf den gleichen Grundlagen wie SageMaker AutoPilot und Amazon Forecast basiert, kann die No-Code-Alternative ähnlich genaue Ergebnisse liefern wie die Code-basierten Varianten. Neben SageMaker Canvas hatte AWS auf der re:Invent ebenfalls den Secrets Detector für seinen CodeGuru vorgestellt, mit dem Entwickler im Quellcode und in Konfigurationsdateien etwa Passwörter, API-Schlüssel, SSH-Keys sowie Zugangs-Token finden sollen.

(fo)