เกิดอะไรขึ้น
บทความตอนที่สองในซีรีส์ machine learning แบบไม่ต้องเขียนโค้ดนี้ เชื่อมต่อ Amazon SageMaker Canvas เข้ากับ Snowflake เพื่อใช้เป็นฐานข้อมูล
ข้อมูลธุรกรรมถูกเตรียมและรวมเข้าด้วยกันโดยใช้การแปลงข้อมูลแบบภาพของ Data Wrangler โดยไม่ต้องเขียนโค้ดเลย
โมเดลตรวจจับการฉ้อโกงแบบ XGBoost ถูกฝึกผ่านเวิร์กโฟลว์แบบภาพเดียวกันนี้ เพื่อปูทางไปสู่ขั้นตอนการสร้างแดชบอร์ดในตอนต่อไป
ทำไมเรื่องนี้ถึงสำคัญ
เวิร์กโฟลว์นี้แสดงให้เห็นว่างาน machine learning ที่มีความหมาย เช่น การตรวจจับการฉ้อโกง สามารถทำได้ทั้งหมดผ่านอินเทอร์เฟซแบบภาพ
ด้วยการตัดความจำเป็นในการเขียนโค้ดออกไป แนวทางนี้ทำให้การสร้างโมเดลเข้าถึงได้ง่ายขึ้นสำหรับผู้ปฏิบัติงานในวงกว้างมากขึ้น
ข้อเท็จจริงสำคัญ
Amazon SageMaker Canvas ถูกเชื่อมต่อเข้ากับ Snowflake
การแปลงข้อมูลแบบภาพของ Data Wrangler ใช้เตรียมและรวมข้อมูลธุรกรรม
โมเดลตรวจจับการฉ้อโกงแบบ XGBoost ถูกฝึกขึ้นโดยไม่ต้องเขียนโค้ด machine learning เลย
สิ่งที่ต้องติดตามต่อไป
ตอนที่ 3 ของซีรีส์นี้มีแนวโน้มจะเป็นการสร้างแดชบอร์ดเชิงโต้ตอบบนฐานของข้อมูลและโมเดลที่เตรียมไว้
ซีรีส์นี้ชี้ให้เห็นว่า pipeline ML แบบไม่ต้องเขียนโค้ดทั้งหมดสามารถประกอบขึ้นได้จากบริการต่าง ๆ ของ AWS ที่นำมาใช้ร่วมกัน