Utilisez Amazon SageMaker Canvas pour la création de votre premier modèle ML (Français) | Use Amazon SageMaker Canvas to make your first ML Model (French)

Présentation de l’atelier

Cet atelier montre comment utiliser Amazon SageMaker Canvas pour créer un modèle de machine learning (ML) afin de déterminer si un client est fidélisé suite à une campagne d’emailing pour de nouveaux produits et services.

Vous êtes analyste commercial au sein de l’équipe marketing d’une chaîne de magasins de détail. L’équipe dispose de nombreuses données sur la fidélisation des clients après un premier achat, sur la base de diverses campagnes de marketing par courrier électronique pour des offres de produits et de services nouveaux et existants. L’équipe tente de prédire si ces campagnes de marketing maintiendront l’intérêt des clients pour les produits et services offerts par l’entreprise.

Votre directeur marketing souhaite que vous utilisiez les données pour réaliser une preuve de concept afin de faire des prévisions sur l’efficacité de ces campagnes. Vous avez contacté l’équipe informatique de l’entreprise qui vous a recommandé d’utiliser SageMaker Canvas pour explorer les données et faire des prédictions, car il n’est pas nécessaire d’avoir une expertise approfondie en ML par le biais d’un data scientist pour faire des prédictions.

Rubriques abordées

À la fin de cet atelier, vous saurez :

• importer des données depuis Amazon Simple Storage Service (Amazon S3) dans SageMaker Canvas ;
• utiliser SageMaker Canvas pour gérer les données, effectuer les tâches d’ingénierie des fonctionnalités et sélectionner une fonction à prédire ;
• utiliser SageMaker Canvas pour construire et entraîner un modèle permettant de prédire si un client est fidélisé ;
• examiner l’architecture de l’atelier et l’implémentation de la sécurité ;
• utiliser SageMaker Canvas pour évaluer le modèle ;
• faire des prédictions à partir d’échantillons de données.

Ce diagramme montre ce que vous allez accomplir dans cette démonstration. Le tableau qui suit le diagramme fournit une explication détaillée de l’architecture et de son lien avec les tâches que vous allez accomplir dans cet atelier.

Tâches numérotées Détails 1 Connectez-vous à la console SageMaker en tant qu’utilisateur n’ayant pas le rôle d’administrateur. Notez que nous avons déjà utilisé un utilisateur administrateur pour créer un domaine SageMaker et accorder les autorisations AWS Identity and Access Management (IAM) dont vous avez besoin pour utiliser SageMaker Canvas. 2 Accédez à AWS Cloud9 et utilisez Python pour transformer le fichier de données storedata_total.csv. 3 Importez le jeu de données dans Canvas depuis Amazon S3. Prévisualisez ensuite les données dans Canvas. 4 Sélectionnez une colonne cible dans le jeu de données pour la prédiction. SageMaker Canvas vous recommandera alors les types de modèles que vous pouvez utiliser en fonction du jeu de données. 5 Préparez et analysez les données. Les étapes de cette phase comprennent l’examen de la formule du modèle et l’ingénierie des fonctionnalités, où vous apportez des modifications au jeu de données qui déterminent la façon dont le modèle est formé. 6 Réalisez une génération rapide du modèle. Une génération rapide est plus courte qu’une construction classique, mais peut ne pas être aussi précise. 7 Évaluez le modèle à l’aide de l’onglet Analyser dans Canvas. Utilisez l’option de prédiction par lots pour tester la capacité du modèle à faire des prédictions sur de nouvelles données et examinez les résultats. 8 Récupérez les artefacts du modèle et supprimez les ressources SageMaker Canvas. 9 Nettoyez les ressources AWS associées aux données et au modèle.

Prérequis

Pour cet atelier, il vous faut :

• Avoir accès à un ordinateur exécutant Microsoft Windows, Mac OS ou Linux (Ubuntu, SuSE ou Red Hat).
• Avoir un navigateur Internet moderne, tel que Chrome ou Firefox.

Signification des icônes

Différentes icônes sont utilisées tout au long de cet atelier pour attirer l’attention sur certains aspects du guide. La liste suivante explique l’objectif de chaque icône :

• L’icône du clavier indique que vous devez exécuter une commande.
• L’icône du presse-papier indique que vous pouvez vérifier la sortie d’une commande ou d’un fichier modifié en la comparant à l’exemple fourni.
• L’icône des notes offre des conseils, des astuces et des directives importantes.
• L’icône « i » entourée d’un cercle indique où trouver plus d’informations.
• La personne avec une icône de coche indique l’occasion de vérifier vos connaissances et de tester ce que vous avez appris.