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.

Integrazione dei SageMaker modelli Amazon con Amazon QuickSight

Puoi aumentare i dati della tua edizione Amazon QuickSight Enterprise con i modelli di apprendimento SageMaker automatico di Amazon. Puoi eseguire inferenze sui dati SPICE archiviati importati da qualsiasi fonte di dati supportata da Amazon QuickSight. Per un elenco completo delle origini dati supportate, consulta Origini dati supportate.

L'uso di Amazon QuickSight con SageMaker i modelli può far risparmiare tempo che altrimenti potresti dedicare alla gestione dello spostamento dei dati e alla scrittura del codice. I risultati sono utili sia per valutare il modello sia, quando sei soddisfatto dei risultati, per condividerli con i responsabili delle decisioni. Puoi iniziare subito dopo la creazione del modello. In questo modo emergono i modelli precompilati dei data scientist e puoi applicare la data science ai set di dati. Puoi quindi condividere queste informazioni nei pannelli di controllo predittivi. Con l'approccio QuickSight serverless di Amazon, il processo si adatta perfettamente, quindi non devi preoccuparti dell'inferenza o della capacità di interrogazione.

Amazon QuickSight supporta SageMaker modelli che utilizzano algoritmi di regressione e classificazione. È possibile applicare questa caratteristica per ottenere previsioni per quasi qualsiasi caso d'uso aziendale. Alcuni esempi includono la previsione della probabilità di abbandono dei clienti, il logoramento dei dipendenti, il punteggio dei lead di vendita e la valutazione dei rischi di credito. Per utilizzare Amazon QuickSight per fornire previsioni, i dati del SageMaker modello per l'input e l'output devono essere in formato tabulare. Nei casi d'uso di classificazione multiclass o multilabel, ogni colonna di output deve contenere un singolo valore. Amazon QuickSight non supporta più valori all'interno di una singola colonna.

Come funziona SageMaker l'integrazione

In generale, il processo avviene in questo modo:

Costi addebitati (l'integrazione di per sé non prevede costi aggiuntivi)

L'utilizzo di questa funzione non prevede una tariffa aggiuntiva. I costi comprendono quanto segue:

Linee guida per l'utilizzo

In Amazon QuickSight, le seguenti linee guida di utilizzo si applicano a questa funzionalità dell'edizione Enterprise:

Nel SageMaker, le seguenti linee guida per l'utilizzo si applicano a un modello preaddestrato che utilizzi con Amazon QuickSight:

Definizione del file di schema

Prima di utilizzare un SageMaker modello con QuickSight dati Amazon, crea il file di schema JSON che contiene i metadati QuickSight necessari ad Amazon per elaborare il modello. L' QuickSight autore o l'amministratore di Amazon carica il file di schema durante la configurazione del set di dati.

I campi dello schema sono definiti nel seguente modo. Tutti i campi sono obbligatori, a meno che non sia specificato nella seguente descrizione. Gli attributi rispettano la distinzione tra maiuscole e minuscole.

L'esempio seguente mostra la struttura del file JSON nel file dello schema.

{
        "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 struttura del file di schema è correlata al tipo di modello utilizzato negli esempi forniti da SageMaker.

Aggiungere un SageMaker modello al QuickSight set di dati

Utilizzando la procedura seguente, puoi aggiungere un SageMaker modello preaddestrato al tuo set di dati, in modo da poter utilizzare i dati predittivi nelle analisi e nei dashboard.

Prima di iniziare, devi disporre delle seguenti voci: