Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Integración de los modelos de Amazon SageMaker AI con Amazon QuickSight

Puede aumentar los datos de la edición Amazon QuickSight Enterprise con los modelos de aprendizaje automático de Amazon SageMaker AI. Puede realizar inferencias a partir de los datos almacenados en SPICE importado desde cualquier fuente de datos compatible con Amazon QuickSight. Para obtener una lista completa de los orígenes de datos compatibles, consulte Orígenes de datos admitidos.

El uso de Amazon QuickSight con modelos de SageMaker IA puede ahorrarle tiempo que, de otro modo, podría dedicar a gestionar el movimiento de datos y a escribir código. Los resultados son útiles tanto para evaluar el modelo cuando está satisfecho con los resultados como para compartirlos con los responsables de la toma de decisiones. Puede comenzar inmediatamente después de que se haya creado el modelo. Al hacerlo, afloran los modelos prediseñados de sus científicos de datos y le permite aplicar la ciencia de datos a sus conjuntos de datos. A continuación, puede compartir estas ideas en sus paneles de predicciones. Con el enfoque QuickSight sin servidor de Amazon, el proceso se escala sin problemas, por lo que no tiene que preocuparse por la capacidad de inferencia o consulta.

Amazon QuickSight admite modelos de SageMaker IA que utilizan algoritmos de regresión y clasificación. Puede aplicar esta característica para obtener predicciones para casi cualquier caso de uso empresarial. Algunos ejemplos incluyen la predicción de la probabilidad de rotación de clientes, el desgaste de los empleados, la puntuación de clientes potenciales y la evaluación de riesgos crediticios. Para usar Amazon QuickSight para proporcionar predicciones, los datos del modelo de SageMaker IA tanto para la entrada como para la salida deben estar en formato tabular. En casos de uso de clasificación multiclase o multietiqueta, cada columna de salida debe contener un solo valor. Amazon QuickSight no admite varios valores dentro de una sola columna.

Cómo funciona la integración de la SageMaker IA

En general, el proceso funciona del siguiente modo:

Costos generados (sin costos adicionales con la propia integración)

El uso de esta característica no requiere una tarifa adicional en sí mismo. Sus costos incluyen lo siguiente:

Directrices de uso

En Amazon QuickSight, se aplican las siguientes pautas de uso a esta función de la edición Enterprise:

En SageMaker IA, las siguientes pautas de uso se aplican a un modelo previamente entrenado que utilices con Amazon QuickSight:

Definición del archivo de esquema

Antes de utilizar un modelo de SageMaker IA con QuickSight datos de Amazon, cree el archivo de esquema JSON que contenga los metadatos que Amazon QuickSight necesita para procesar el modelo. El QuickSight autor o administrador de Amazon carga el archivo de esquema al configurar el conjunto de datos.

Los campos de esquema se definen de la siguiente manera. Todos los campos son obligatorios a menos que se especifiquen en la siguiente descripción. Los atributos distinguen entre mayúsculas y minúsculas.

En el ejemplo siguiente se muestra la estructura del código JSON en el archivo de esquema.

{
        "inputContentType": "CSV",
        "outputContentType": "CSV",
        "input": [
            {
                "name": "buying",
                "type": "STRING"
            },
            {
                "name": "maint",
                "type": "STRING"
            },
            {
                "name": "doors",
                "type": "INTEGER"
            },
            {
                "name": "persons",
                "type": "INTEGER"
            },
            {
                "name": "lug_boot",
                "type": "STRING"
            },
            {
                "name": "safety",
                "type": "STRING"
            }
        ],
        "output": [
            {
                "name": "Acceptability",
                "type": "STRING"
            }
        ],
        "description": "Use ml.m4.xlarge instance for small datasets, and ml.m4.4xlarge for datasets over 10 GB",
        "version": "1.0",
        "instanceCount": 1,
        "instanceTypes": [
            "ml.m4.xlarge",
            "ml.m4.4xlarge"
        ],
        "defaultInstanceType": "ml.m4.xlarge"
    }

La estructura del archivo de esquema está relacionada con el tipo de modelo que se utiliza en los ejemplos proporcionados por la SageMaker IA.

Añadir un modelo de SageMaker IA a su QuickSight conjunto de datos

Mediante el siguiente procedimiento, puede añadir un modelo de SageMaker IA previamente entrenado a su conjunto de datos, de modo que pueda utilizar los datos predictivos en los análisis y los cuadros de mando.

Antes de comenzar, tenga a mano los siguientes elementos: