Artykuł pokazuje, jak zespoły z healthcare, retail i life sciences mogą zamieniać dane przechowywane w Snowflake'u w predykcje bez pisania kodu. W pierwszej części serii nauczysz się konfigurować AWS i Snowflake'a do no-code ML workflow'u z Amazon SageMaker Canvas, budując solidne fundamenty do tworzenia modelu detekcji oszustw.
źródło: [aws/machine-learning-blog]
Drugi odcinek serii pokazuje, jak przygotować dane do uczenia maszynowego bez pisania kodu – łączysz Amazon SageMaker Canvas ze Snowflake, transformujesz dane transakcyjne w Data Wrangler i trenujesz model XGBoost do wykrywania oszustw. To solidna baza do stworzenia interaktywnych dashboardów w kolejnej części.
źródło: [aws/machine-learning-blog]
Trzecia część serii o no-code ML pokazuje, jak wziąć predykcje z Amazon SageMaker Canvas i zrobić z nich coś naprawdę użytecznego - interaktywne dashboardy w Amazon QuickSight. Bonus: generatywna BI odpowiada na pytania w naturalnym języku i automatycznie tworzy executive summaries dla stakeholderów.
źródło: [aws/machine-learning-blog]