本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# No-code 使用亚马逊 A SageMaker I Canvas 进行机器学习
<a name="no-code-machine-learning"></a>

[ SageMaker Amazon AI Canvas ](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) 使您无需编写任何代码即可构建自己的 AI/ML 模型。您可以为回归和预测等常见用例构建 ML 模型，并且可以从 Amazon Bedrock 访问并评估基础模型 (FM)。您还可以从 SageMaker Amazon AI 访问公共 FM JumpStart 以生成内容、提取文本和进行文本摘要，以支持生成式 AI 解决方案。

## 如何使用 SageMaker AI Canvas 构建无代码 ML 模型
<a name="w2aac23c23b9b5"></a>

Amazon DocumentDB 现在与亚马逊 SageMaker AI Canvas 集成，使用存储在亚马逊 DocumentDB 中的数据实现无代码机器学习 (ML)。现在，您无需编写任何一行代码，就可以使用 Amazon DocumentDB 中存储的数据，为回归和预测需求构建 ML 模型，并使用基础模型进行内容摘要和生成。

SageMaker AI Canvas 提供了一个可视化界面，允许亚马逊 DocumentDB 客户无需任何 AI/ML 专业知识或编写一行代码即可生成预测。客户现在可以从启动 SageMaker AI Canvas 工作空间 AWS 管理控制台，导入和加入 Amazon DocumentDB 数据，以进行数据准备和模型训练。Amazon DocumentDB 中的数据现在可用于 SageMaker AI Canvas 来构建和增强模型，以预测客户流失、检测欺诈、预测维护失败、预测业务指标和生成内容。客户现在可以使用 SageMaker AI Canvas 与 Quick 的原生集成在团队之间发布和共享 ML-driven 见解。默认情况下， SageMaker AI Canvas 中的数据摄取管道在 Amazon DocumentDB 辅助实例上运行，从而确保应用程序和 SageMaker AI Canvas 摄取工作负载的性能不受阻碍。

亚马逊 DocumentDB 客户可以通过导航到新的亚马逊 DocumentDB No-Code 机器学习控制台页面并连接到新的或可用的 A SageMaker I Canvas 工作区来开始使用 SageMaker AI Canvas。

## 配置 A SageMaker I 域和用户个人资料
<a name="sagemaker-domain"></a>

您可以从在 VPC 仅限模式下运行的 SageMaker AI 域连接到 Amazon DocumentDB 集群。通过在 VPC 中启动 A SageMaker I 域，您可以控制来自 SageMaker AI Studio 和 Canvas 环境的数据流。这允许您限制互联网访问，使用标准 AWS 网络和安全功能监控和检查流量，并通过 VPC 终端节点连接到其他 AWS 资源。请参阅《[亚马逊 SageMaker AI 开发者指南》[中的 Amazon SageMaker AI Canvas 入门](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-vpc.html)和在没有互联网访问权限的 VPC 中](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-getting-started.html)配置 SageMaker A * mazon AI Canvas，*以创建您的 SageMaker AI 域来连接您的亚马逊 DocumentDB 集群。

## 为亚马逊 DocumentDB 和 AI Canvas 配置 SageMaker IAM 访问权限
<a name="iam-access-canvas"></a>

已将 `AmazonDocDBConsoleFullAccess` 附加到其关联角色和身份的 Amazon DocumentDB 用户可以访问 AWS 管理控制台。将以下操作添加到上述角色或身份中，以通过 SageMaker Amazon AI Canvas 提供对无代码机器学习的访问权限。

```
"sagemaker:CreatePresignedDomainUrl",
"sagemaker:DescribeDomain",
"sagemaker:ListDomains",
"sagemaker:ListUserProfiles"
```

## 为 SageMaker AI Canvas 创建数据库用户和角色
<a name="w2aac23c23b9c11"></a>

您可以使用 Amazon DocumentDB 中的基于角色的访问控制 (RBAC)，限制用户可以对数据库执行的操作的访问权限。RBAC 的原理是向用户授予一个或多个角色。这些角色决定了用户可以对数据库资源执行的操作。

作为 Canvas 用户，请使用用户名和密码凭证连接到 Amazon DocumentDB 数据库。您可以使用 Amazon DocumentDB RBAC 功能 user/role 为拥有特定数据库读取权限的 Canvas 用户创建数据库。

例如，使用 `createUser` 操作：

```
db.createUser({
user: "canvas_user", 
pwd: "<insert-password>", 
roles: [{role: "read", db: "sample-database-1"}]
})
```

这将创建一个拥有 `sample-database-1` 数据库读取权限的 `canvas_user`。Canvas 分析师可以使用此凭证访问 Amazon DocumentDB 集群中的数据。请参阅 [使用访问控制 Role-Based 访问数据库](role_based_access_control.md) 了解更多信息。

## 可用区
<a name="available-regions"></a>

无代码集成适用于同时支持亚马逊 DocumentDB 和亚马逊 SageMaker AI Canvas 的区域。这些地区包括：
+ us-east-1（弗吉尼亚州北部）
+ us-east-2（俄亥俄州）
+ us-west-2 (俄勒冈)
+ ap-northeast-1 (东京)
+ ap-northeast-2 (首尔)
+ ap-south-1（孟买）
+ ap-southeast-1 (新加坡)
+ ap-southeast-2 (悉尼)
+ eu-central-1 (法兰克福)
+ eu-west-1 (爱尔兰)

有关最新的区域可用性，[请参阅*亚马逊 SageMaker AI 开发者指南*](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html)中的亚马逊 AI Canvas。 SageMaker