发生了什么
本系列第2部分展示了如何将 Amazon SageMaker Canvas 连接到 Snowflake，以便在无代码环境中直接访问交易数据。
数据准备环节使用 Data Wrangler 的可视化转换功能，完成数据清洗和连接操作，无需编写任何机器学习代码。
在模型构建阶段，作者训练了一个 XGBoost 欺诈检测模型，为后续步骤奠定基础。
为什么重要
该工作流让没有编程背景的分析师也能自行完成从数据接入到模型训练的端到端流程，降低了机器学习的门槛。
通过可视化工具进行数据准备，企业可以更快地迭代数据处理逻辑，并将精力集中在业务问题上，而非代码实现。
关键事实
本文章是“无代码 ML 工作流”系列的第二部分。
操作步骤包括连接 SageMaker Canvas 到 Snowflake、使用 Data Wrangler 进行可视化数据准备与连接。
最终训练了一个 XGBoost 欺诈检测模型，全程无需编写代码。
接下来看什么
本部分为第3部分做好了准备，下一部分预计将创建交互式仪表板来展示模型结果。