models
Создание безкодового рабочего процесса машинного обучения с Snowflake, Amazon SageMaker Canvas и Amazon QuickSight: Часть 2
Вторая часть серии о безкодовом машинном обучении демонстрирует, как связать Amazon SageMaker Canvas с Snowflake, подготовить и объединить данные транзакций, а также обучить модель обнаружения мошенничества с использованием алгоритма XGBoost, без написания кода.
AS1 NewsИсточник: aws.amazon.com
AMZN
SNOWВ этой статье рассматривается процесс подготовки данных и построения модели машинного обучения с помощью Amazon SageMaker Canvas, интегрированного с хранилищем данных Snowflake. Пользователи могут подключаться к Snowflake, трансформировать данные через Data Wrangler, объединять источники и обучать модели, такие как XGBoost, для задач обнаружения мошенничества. Процесс включает подключение к базе данных Snowflake, выполнение SQL-запросов для формирования набора данных, визуальную трансформацию и объединение данных, а также создание и обучение модели без необходимости программирования. После обучения модель позволяет делать прогнозы и визуализировать результаты в Amazon QuickSight, что способствует более быстрому и безопасному принятию решений. Эта интеграция упрощает работу аналитиков и специалистов по данным, ускоряя цикл аналитики и повышая качество бизнес-решений.
Обеспечивает автоматизацию и упрощение процесса подготовки данных и построения моделей машинного обучения, повышая доступность и эффективность аналитических решений в облаке.