【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】

今天了解到一款AWS的产品,无门槛、无代码编写、全程图形化交互,提供数据集就能通过

Amazon SageMaker Canvas 通过为业务分析师提供可视化的点击式界面来扩展对机器学习 (ML) 的访问,使他们能够自行生成准确的 ML 预测,而无需任何机器学习经验或编写任何代码。
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第1张图片

并且这部分的动手实验都包含在了免费套餐里
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第2张图片

一、创建Amazon SageMaker Canvas环境

1.1、进入SageMaker控制台,设置 SageMaker 域
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第3张图片

1.2、在执行角色下选择 Create a new role(创建新角色)。
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第4张图片

1.3、选择“Any S3 bucket”, 然后点击Create Role (创建角色)。
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第5张图片
选择任意S3桶,然后选择创建

创建完成后,在控制面板就能看到创建好的资源了
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第6张图片
1.4、几分钟后,SageMaker Studio 域将完成配置。点击屏幕右侧 Launch app(启动app)下的 画布。
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第7张图片

之后应该会等几分钟加载配置,然后就进入了 Amazon SageMaker Canvas页面

这里是加载页面
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第8张图片
加载完成后的页面应该是这样的

【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第9张图片
由于Amazon SageMaker Canvas会从S3中远程读取文件,所以我们需要设置用户的IAM 角色权限以及S3桶的跨域资源访问。

二、添加IAM信任策略

【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第10张图片
2.1、复制这里执行角色的ARN
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第11张图片
2.2、搜索 IAM,进入IAM角色管理控制台
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第12张图片
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第13张图片

2.3、接下来 添加权限 > 点击附加策略

【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第14张图片

2.4、搜索并选择 AmazonForecastFullAccessAmazonRedshiftFullAccess,然后点击附加策略。操作完成后,您的权限政策应如下所示

【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第15张图片
2.5、点击角色,然后选择 信任关系选项;在该选项中,点击 编辑信任策略 按钮。
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第16张图片
将以下json覆盖原有内容

{

  "Version": "2012-10-17",

  "Statement": [

    {

      "Effect": "Allow",

      "Principal": {

        "Service": [

            "sagemaker.amazonaws.com",

            "forecast.amazonaws.com"

        ]

       },

        "Action": "sts:AssumeRole"

      }

    ]

}

选择 更新策略,这样IAM信任策略就设置完成了。

三、设置S3存储桶CORS跨域策略

3.1、搜索S3,点击进入S3存储桶控制面板

【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第17张图片
3.2、我们选择sagemaker-studio-xxxxxxxx这个桶(这个桶在我们创建Amazon SageMaker Canvas User时会自动创建)
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第18张图片
3.3、点击该桶名,选择权限
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第19张图片
3.4、往下拉到 跨源资源共享(CORS) 选择编辑
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第20张图片
3.5、将以下json粘贴到CORS策略里去

[
    {
        "AllowedHeaders": [
            "*"
        ],
        "AllowedMethods": [
            "POST"
        ],
        "AllowedOrigins": [
             "*"
         ],
         "ExposeHeaders": []
     }
 ]

选择 保存更改,这样我们的配置就结束了,接下来我们可以根据不同场景的数据集进行机器学习的数据分析了,关注博主,后续更新
【供应链准时交付(运输和物流)】场景的动手实验。
【无门槛】机器学习——Amazon SageMaker Canvas 【实验配置篇】_第21张图片

你可能感兴趣的:(aws,机器学习,python)