Tutoriales de Amazon Redshift ML
Puede utilizar Amazon Redshift ML para entrenar modelos de machine learning mediante instrucciones SQL y, a continuación, invocar los modelos en consultas SQL para realizar predicciones. El machine learning en Amazon Redshift forma un modelo con un comando SQL. Amazon Redshift lanza automáticamente un trabajo de formación en Amazon SageMaker y genera un modelo. Una vez creado el modelo, puede realizar predicciones en Amazon Redshift mediante la función de predicción del modelo.
Siga los pasos de estos tutoriales para obtener más información acerca de las características de Amazon Redshift ML:
-
Tutorial: Creación de modelos de deserción de clientes: en este tutorial, utilizará Amazon Redshift ML para crear un modelo de deserción de clientes con el comando CREATE MODEL y ejecutará consultas de predicción para situaciones de usuario. A continuación, implementará consultas mediante la función SQL que genera el comando CREATE MODEL.
-
Tutorial: Creación de modelos de inferencia remota: el siguiente tutorial trata los pasos para crear un modelo de bosque de corte aleatorio que se ha entrenado e implementado previamente en Amazon SageMaker, fuera de Amazon Redshift.
-
Tutorial: Creación de modelos de agrupación en clústeres k-means: en este tutorial, utilizará Amazon Redshift ML para crear, entrenar e implementar un modelo de machine learning basado en el algoritmo k-means.
-
Tutorial: Creación de modelos de clasificación multiclase: en este tutorial, utilizará Amazon Redshift ML para crear un modelo de machine learning que resuelva los problemas de clasificación multiclase. El algoritmo de clasificación multiclase clasifica los puntos de datos en una de tres o más clases. A continuación, implementará consultas mediante la función SQL que genera el comando CREATE MODEL.
-
Tutorial: Creación de modelos XGBoost: en este tutorial, creará un modelo con datos de Amazon S3 y ejecutará consultas de predicción con el modelo mediante Amazon Redshift ML. El algoritmo XGBoost es una implementación optimizada del algoritmo de árboles aumentados.
-
Tutorial: Creación de modelos de regresión: en este tutorial, utilizará Amazon Redshift ML para crear un modelo de regresión de machine learning y ejecutar consultas de predicción en el modelo. Los modelos de regresión le permiten predecir resultados numéricos, como el precio de una casa o cuántas personas utilizarán el servicio de alquiler de bicicletas de una ciudad.
-
Tutorial: Creación de modelos de regresión con aprendizaje lineal: en este tutorial, creará un modelo de aprendizaje lineal con datos de Amazon S3 y ejecutará consultas de predicción con el modelo mediante Amazon Redshift ML. El algoritmo de aprendizaje lineal de SageMaker resuelve problemas de regresión o clasificación multiclase.
-
Tutorial: Creación de modelos de clasificación multiclase con aprendizaje lineal: en este tutorial, creará un modelo de aprendizaje lineal con datos de Amazon S3 y, a continuación, ejecutará consultas de predicción con el modelo mediante Amazon Redshift ML. El algoritmo de aprendizaje lineal de SageMaker resuelve problemas de regresión o clasificación.
