Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Esegui analisi avanzate con Amazon Redshift ML
*Po Hong e Chyanna Antonio, Amazon Web Services*
## Riepilogo
Sul cloud Amazon Web Services (AWS), puoi utilizzare l'apprendimento automatico di Amazon Redshift (Amazon Redshift ML) per eseguire analisi ML sui dati archiviati in un cluster Amazon Redshift o su Amazon Simple Storage Service (Amazon S3). Amazon Redshift ML supporta l'apprendimento supervisionato, che viene in genere utilizzato per analisi avanzate. I casi d'uso di Amazon Redshift ML includono la previsione dei ricavi, il rilevamento delle frodi con carte di credito e il Customer Lifetime Value (CLV) o le previsioni del tasso di abbandono dei clienti.
Amazon Redshift ML semplifica per gli utenti del database la creazione, il training e la distribuzione di modelli ML utilizzando comandi SQL standard. Amazon Redshift ML utilizza Amazon SageMaker Autopilot per addestrare e ottimizzare automaticamente i migliori modelli ML per la classificazione o la regressione in base ai dati, mantenendo il controllo e la visibilità.
Tutte le interazioni tra Amazon Redshift, Amazon S3 e SageMaker Amazon sono astratte e automatizzate. Una volta addestrato e distribuito, il modello ML diventa disponibile come [funzione definita dall'utente](https://docs.aws.amazon.com/redshift/latest/dg/user-defined-functions.html) (UDF) in Amazon Redshift e può essere utilizzato nelle query SQL.
Questo modello integra i modelli di [creazione, addestramento e distribuzione di modelli ML in Amazon Redshift utilizzando SQL con Amazon Redshift](https://aws.amazon.com/blogs/big-data/create-train-and-deploy-machine-learning-models-in-amazon-redshift-using-sql-with-amazon-redshift-ml/) ML dal blog AWS e il [tutorial](https://aws.amazon.com/getting-started/) [Build, train and deploy a ML SageMaker with Amazon dal Getting Started](https://aws.amazon.com/getting-started/hands-on/build-train-deploy-machine-learning-model-sagemaker/) Resource Center.
## Prerequisiti e limitazioni
**Prerequisiti**
+ Un account AWS attivo
+ Dati esistenti in una tabella Amazon Redshift
**Competenze**
+ *Familiarità con i termini e i concetti utilizzati da Amazon Redshift ML, *tra cui apprendimento automatico**,* formazione e previsioni.* Per ulteriori informazioni su questo argomento, consulta [i modelli di Training ML](https://docs.aws.amazon.com/machine-learning/latest/dg/training-ml-models.html) nella documentazione di Amazon Machine Learning (Amazon ML).
+ Esperienza con la configurazione degli utenti, la gestione degli accessi e la sintassi SQL standard di Amazon Redshift. Per ulteriori informazioni su questo argomento, consulta la sezione [Guida introduttiva ad Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/gsg/getting-started.html) nella documentazione di Amazon Redshift.
+ Conoscenza ed esperienza con Amazon S3 e AWS Identity and Access Management (IAM).
+ Anche l'esperienza nell'esecuzione di comandi in AWS Command Line Interface (AWS CLI) è utile ma non obbligatoria.
**Limitazioni**
+ Il cluster Amazon Redshift e il bucket S3 devono trovarsi nella stessa regione AWS.
+ L'approccio di questo modello supporta solo modelli di apprendimento supervisionato come regressione, classificazione binaria e classificazione multiclasse.
## Architecture
![\[Workflow mostra come funziona Amazon Redshift ML SageMaker per creare, addestrare e distribuire un modello di machine learning.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/patterns/images/pattern-img/3b6a5f49-c647-45f4-940e-b623f989326a/images/36cc39fe-c1f3-4d68-b89e-e636156001a6.png)
I passaggi seguenti spiegano come funziona Amazon Redshift ML SageMaker per creare, addestrare e distribuire un modello di machine learning:
1. Amazon Redshift esporta i dati di formazione in un bucket S3.
1. SageMaker Autopilot preelabora automaticamente i dati di allenamento.
1. Dopo aver richiamato l'`CREATE MODEL`istruzione, Amazon Redshift ML la SageMaker utilizza per la formazione.
1. SageMaker Autopilot cerca e consiglia l'algoritmo ML e gli iperparametri ottimali che ottimizzano le metriche di valutazione.
1. Amazon Redshift ML registra il modello ML di output come funzione SQL nel cluster Amazon Redshift.
1. La funzione del modello ML può essere utilizzata in un'istruzione SQL.
**Stack tecnologico**
+ Amazon Redshift
+ SageMaker
+ Simple Storage Service (Amazon S3)
## Tools (Strumenti)
+ [Amazon Redshift — Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/dg/welcome.html) è un servizio di data warehousing di livello aziendale, su scala petabyte, completamente gestito.
+ [Amazon Redshift ML](https://docs.aws.amazon.com/redshift/latest/dg/machine_learning.html) — Amazon Redshift Machine Learning (Amazon Redshift ML) è un robusto servizio basato sul cloud che semplifica l'utilizzo della tecnologia ML da parte di analisti e data scientist di tutti i livelli.
+ [Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) — Amazon Simple Storage Service (Amazon S3) è uno storage per Internet.
+ [Amazon SageMaker](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html): SageMaker è un servizio di machine learning completamente gestito.
+ [Amazon SageMaker Autopilot — SageMaker Autopilot](https://docs.aws.amazon.com/sagemaker/latest/dg/autopilot-automate-model-development.html) è un set di funzionalità che automatizza le attività chiave di un processo di apprendimento automatico (AutoML).
**Codice**
Puoi creare un modello di machine learning supervisionato in Amazon Redshift utilizzando il seguente codice:
```
"CREATE MODEL customer_churn_auto_model
FROM (SELECT state,
account_length,
area_code,
total_charge/account_length AS average_daily_spend,
cust_serv_calls/account_length AS average_daily_cases,
churn
FROM customer_activity
WHERE record_date < '2020-01-01'
)
TARGET churn
FUNCTION ml_fn_customer_churn_auto
IAM_ROLE 'arn:aws:iam::XXXXXXXXXXXX:role/Redshift-ML'
SETTINGS (
S3_BUCKET 'your-bucket'
);")
```
**Nota**
Lo `SELECT` stato può fare riferimento alle tabelle normali di Amazon Redshift, alle tabelle esterne di Amazon Redshift Spectrum o a entrambe.
## Epiche
### Prepara un set di dati di addestramento e test
| Operazione | Description | Competenze richieste |
| --- | --- | --- |
| Preparare un set di dati di addestramento e test. | Accedi alla Console di gestione AWS e apri la SageMaker console Amazon. Segui le istruzioni del tutorial [Build, train and deploy a machine learning model per creare un](https://aws.amazon.com/getting-started/hands-on/build-train-deploy-machine-learning-model-sagemaker/) file.csv o Apache Parquet con una colonna di etichette (*formazione supervisionata*) e senza intestazione. Ti consigliamo di mescolare e suddividere il set di dati grezzi in un set di addestramento per l'addestramento del modello (70 percento) e un set di test per la valutazione delle prestazioni del modello (30 percento). | Data Scientist |
### Prepara e configura lo stack tecnologico
| Operazione | Description | Competenze richieste |
| --- | --- | --- |
| Crea e configura un cluster Amazon Redshift. | Sulla console Amazon Redshift, crea un cluster in base alle tue esigenze. Per ulteriori informazioni su questo argomento, consulta [Creare un cluster](https://docs.aws.amazon.com/redshift/latest/dg/tutorial-loading-data-launch-cluster.html) nella documentazione di Amazon Redshift. I cluster Amazon Redshift devono essere creati con il `SQL_PREVIEW` percorso di manutenzione. Per ulteriori informazioni sulle tracce di anteprima, consulta [Scelta delle tracce di manutenzione del cluster](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-clusters.html#rs-mgmt-maintenance-tracks) nella documentazione di Amazon Redshift. | DBA, architetto del cloud |
| Crea un bucket S3 per archiviare i dati di allenamento e gli artefatti del modello. | Sulla console Amazon S3, crea un bucket S3 per i dati di addestramento e test. Per ulteriori informazioni sulla creazione di un bucket S3, consulta [Creare un bucket S3 da AWS Quick](https://docs.aws.amazon.com/quickstarts/latest/s3backup/step-1-create-bucket.html) Starts. Assicurati che il cluster Amazon Redshift e il bucket S3 si trovino nella stessa regione. | DBA, architetto cloud |
| Crea e collega una policy IAM al cluster Amazon Redshift. | Crea una policy IAM per consentire al cluster Amazon Redshift di accedere SageMaker ad Amazon S3. Per istruzioni e passaggi, consulta [Configurazione del cluster per l'utilizzo di Amazon Redshift ML nella documentazione](https://docs.aws.amazon.com/redshift/latest/dg/cluster-setup.html) di Amazon Redshift. | DBA, architetto cloud |
| Consenti a utenti e gruppi di Amazon Redshift di accedere a schemi e tabelle. | Concedi le autorizzazioni per consentire a utenti e gruppi in Amazon Redshift di accedere a schemi e tabelle interni ed esterni. Per passaggi e istruzioni, consulta [Gestione delle autorizzazioni e della proprietà](https://docs.aws.amazon.com/redshift/latest/dg/permissions-ownership.html) nella documentazione di Amazon Redshift. | DBA |
### Crea e addestra il modello ML in Amazon Redshift
| Operazione | Description | Competenze richieste |
| --- | --- | --- |
| Crea e addestra il modello ML in Amazon Redshift. | Crea e addestra il tuo modello di machine learning in Amazon Redshift ML. Per ulteriori informazioni, consulta la `CREATE MODEL` dichiarazione nella documentazione di Amazon Redshift. | Sviluppatore, Data scientist |
### Esegui inferenze e previsioni in batch in Amazon Redshift
| Operazione | Description | Competenze richieste |
| --- | --- | --- |
| Esegui l'inferenza utilizzando la funzione del modello ML generata. | Per ulteriori informazioni sull'esecuzione dell'inferenza utilizzando la funzione del modello ML generata, consulta [Prediction nella documentazione](https://docs.aws.amazon.com/redshift/latest/dg/prediction.html) di Amazon Redshift. | Data scientist, utente di business intelligence |
## Risorse correlate
**Preparare un set di dati di formazione e test**
+ [Creazione, formazione e implementazione di un modello di machine learning con Amazon SageMaker](https://aws.amazon.com/getting-started/hands-on/build-train-deploy-machine-learning-model-sagemaker/)
**Prepara e configura lo stack tecnologico**
+ [Creazione di un cluster Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/dg/tutorial-loading-data-launch-cluster.html)
+ [Scelta dei percorsi di manutenzione dei cluster Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/mgmt/working-with-clusters.html#rs-mgmt-maintenance-tracks)
+ [Creazione di un bucket S3](https://docs.aws.amazon.com/quickstarts/latest/s3backup/step-1-create-bucket.html)
+ [Configurazione di un cluster Amazon Redshift per l'utilizzo di Amazon Redshift ML](https://docs.aws.amazon.com/redshift/latest/dg/cluster-setup.html)
+ [Gestione delle autorizzazioni e della proprietà in Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/dg/permissions-ownership.html)
**Crea e addestra il modello ML in Amazon Redshift**
+ [Istruzione CREATE MODEL in Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/dg/r_CREATE_MODEL.html#r_simple_create_model)
**Esegui inferenze e previsioni in batch in Amazon Redshift**
+ [Previsione in Amazon Redshift](https://docs.aws.amazon.com/redshift/latest/dg/prediction.html)
**Altre risorse**
+ [Guida introduttiva ad Amazon Redshift ML](https://docs.aws.amazon.com/redshift/latest/dg/geting-started-machine-learning.html)
+ [Creazione, addestramento e distribuzione di modelli ML in Amazon Redshift utilizzando SQL con Amazon Redshift ML](https://aws.amazon.com/blogs/big-data/create-train-and-deploy-machine-learning-models-in-amazon-redshift-using-sql-with-amazon-redshift-ml/)
+ [Partner Amazon Redshift](https://aws.amazon.com/redshift/partners/?partner-solutions-cards.sort-by=item.additionalFields.partnerNameLower&partner-solutions-cards.sort-order=aschttps://aws.amazon.com/redshift/partners/?partner-solutions-cards.sort-by=item.additionalFields.partnerNameLower&partner-solutions-cards.sort-order=asc)
+ [Partner per le competenze di apprendimento automatico di AWS](https://aws.amazon.com/machine-learning/partner-solutions/?partner-solutions-cards.sort-by=item.additionalFields.partnerNameLower&partner-solutions-cards.sort-order=asc)