AWS Machine Learning Blog descreveu a segunda parte do cenário de aprendizado de máquina sem código com Snowflake e Amazon SageMaker Canvas. Nele, os dados de transações são conectados ao Canvas, preparados e combinados por meio de transformações visuais do Data Wrangler, e em seguida é treinado um modelo XGBoost para detecção de fraude.
O material é dedicado especificamente às etapas de preparação de dados e construção do modelo. Segundo o AWS Machine Learning Blog, todo o processo é realizado sem escrever código de aprendizado de máquina e cria a base para painéis interativos na terceira parte da série.
A relevância prática da abordagem está na integração de várias etapas de trabalho com dados em um processo visual. No entanto, a fonte apresentada contém apenas um synopsis editorial: não há indicadores de qualidade do modelo, descrição de conjunto de dados, condições de teste ou confirmação independente dos resultados.
comentário editorial
Por que importa
Probável consequência — disseminação adicional de fluxos de trabalho visuais para tarefas de detecção de fraude entre equipes sem habilidades profundas de programação. O próximo sinal observado será a terceira parte da série com painéis interativos. Uma incerteza significativa permanece em relação à qualidade do modelo, à composição dos dados e à sua adequação para operações reais.