Amazon SageMaker Canvas ha dado un paso significativo para las empresas al habilitar el soporte de conjuntos de datos a escala de petabytes. A partir de hoy, las organizaciones pueden preparar grandes volúmenes de datos, crear flujos de datos de extremo a extremo y realizar experimentos de machine learning automáticos (AutoML) en petabytes de datos, superando así el límite anterior de 5 GB. Con más de 50 conectores, una intuitiva interfaz de Chat para la preparación de datos y el soporte de petabytes, SageMaker Canvas ofrece una solución escalable de machine learning de baja o nula codificación (LCNC) para manejar casos de uso empresariales reales.
Las organizaciones suelen enfrentar dificultades para extraer información valiosa de sus volúmenes crecientes de datos. Se requiere experiencia en ingeniería de datos y tiempo para desenvolver los scripts y pipelines necesarios para gestionar, limpiar y transformar los datos. Posteriormente, es esencial experimentar con diversos modelos e hiperparámetros, lo cual demanda conocimientos especializados. Además, es imprescindible gestionar clústeres complejos para procesar y entrenar los modelos de machine learning sobre estos grandes conjuntos de datos. A partir de hoy, se puede preparar datos a escala de petabytes y explorar muchos modelos de ML con AutoML mediante chat y unos pocos clics. En esta ocasión, mostramos cómo se pueden completar todos estos pasos con la nueva integración en SageMaker Canvas con Amazon E...