Use Amazon SageMaker Canvas to make your first ML Model (Indonesian)

Gambaran umum lab

Lab ini mendemonstrasikan cara menggunakan Amazon SageMaker Canvas untuk membuat model machine learning (ML) untuk menentukan apakah pelanggan dipertahankan berdasarkan kampanye email untuk produk dan layanan baru.

Anda adalah analis bisnis di tim marketing untuk rantai toko ritel. Tim memiliki banyak data tentang apakah pelanggan dipertahankan setelah pembelian awal berdasarkan berbagai kampanye marketing email untuk penawaran produk dan layanan baru dan yang sudah ada. Tim mencoba memprediksi apakah kampanye marketing ini akan mempertahankan minat pelanggan terhadap produk dan layanan yang ditawarkan perusahaan.

Kepala marketing Anda ingin Anda menggunakan data tersebut untuk melakukan proof of concept untuk membuat prediksi tentang keefektifan kampanye ini. Anda telah menghubungi tim IT perusahaan dan mereka merekomendasikan Anda menggunakan SageMaker Canvas untuk menjelajahi data dan membuat prediksi, karena tidak memerlukan keahlian ML yang mendalam melalui data scientist untuk membuat prediksi.

Topik yang dibahas

Di akhir lab ini, Anda akan mampu:

• Mengimpor data dari Amazon Simple Storage Service (Amazon S3) ke SageMaker Canvas.
• Menggunakan SageMaker Canvas untuk mengelola data, menyelesaikan tugas rekayasa fitur, dan memilih fitur untuk diprediksi.
• Menggunakan SageMaker Canvas untuk membuat dan melatih model guna memprediksi apakah pelanggan dipertahankan.
• Meninjau arsitektur lab dan implementasi keamanan.
• Menggunakan SageMaker Canvas untuk mengevaluasi modelnya.
• Membuat prediksi menggunakan data sampel.

Diagram ini menunjukkan pencapaian yang akan Anda capai dalam demonstrasi ini. Tabel setelah diagram memberikan penjelasan mendetail tentang arsitektur dan kaitannya dengan tugas yang akan Anda selesaikan di lab ini.

Tugas Bernomor Detail 1 Masuk ke konsol SageMaker sebagai pengguna yang tidak memiliki role administrator. Perhatikan bahwa kami telah menggunakan pengguna administrator untuk membuat Domain SageMaker dan memberikan izin AWS Identity and Access Management (IAM) yang Anda perlukan untuk menggunakan SageMaker Canvas. 2 Akses AWS Cloud9 dan gunakan Python untuk mengubah file set data storedata_total.csv. 3 Impor set data ke Canvas dari Amazon S3. Kemudian, pratinjau data di Canvas. 4 Pilih kolom target dalam set data untuk prediksi. Kemudian, SageMaker Canvas akan merekomendasikan tipe model yang dapat Anda gunakan berdasarkan set data. 5 Mempersiapkan dan menganalisis data. Langkah-langkah selama fase ini termasuk meninjau resep model dan rekayasa fitur tempat Anda membuat perubahan pada kumpulan data yang menentukan cara model dilatih. 6 Lakukan pembuatan model dengan cepat. Pembuatan cepat lebih pendek dari pembuatan standar, tetapi mungkin tidak seakurat pembuatan standar. 7 Evaluasi model menggunakan tab Analisis di Canvas. Gunakan opsi prediksi batch untuk menguji kemampuan model dalam membuat prediksi pada data baru dan meninjau hasilnya. 8 Ambil artifact model dan hapus sumber daya SageMaker Canvas. 9 Menghapus sumber daya AWS yang terkait dengan data dan model.

Prasyarat

Lab ini memerlukan hal-hal berikut:

• Akses ke komputer dengan Microsoft Windows, macOS, atau Linux (Ubuntu, SuSE, atau Red Hat)
• Browser internet modern seperti Chrome atau Firefox

Kunci ikon

Berbagai ikon digunakan di seluruh lab ini untuk menarik perhatian terhadap aspek-aspek tertentu dari panduan ini. Daftar berikut menjelaskan kegunaan dari tiap ikon:

• Ikon keyboard menetapkan bahwa Anda harus menjalankan perintah.
• Ikon clipboard menunjukkan bahwa Anda dapat memverifikasi output dari perintah atau file yang diedit dengan membandingkannya dengan contoh yang disediakan.
• Ikon cacatan menentukan petunjuk, tips, panduan, atau saran penting.
• Ikon lingkaran “i” menentukan tempat untuk menemukan informasi selengkapnya.
• Orang dengan ikon tanda centang menunjukkan kesempatan untuk memeriksa pengetahuan Anda dan menguji apa saja yang telah Anda pelajari.