Machine learning - Amazon Redshift

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.

Machine learning

Amazon Redshift Machine Learning (Amazon Redshift ML) è un efficace servizio basato su cloud che consente ad analisti e data scientist di qualunque livello di utilizzare la tecnologia di machine learning in tutta semplicità. Amazon Redshift ML utilizza un modello per generare risultati. Puoi utilizzare i modelli nei seguenti modi:

  • Puoi fornire i dati che desideri per addestrare un modello e i metadati associati agli input di dati ad Amazon Redshift. Quindi Amazon Redshift ML crea modelli in Amazon SageMaker che acquisiscono modelli nei dati di input. Utilizzando i tuoi dati per il modello, puoi utilizzare Amazon Redshift ML per identificare le tendenze nei dati, come la previsione del tasso di abbandono, il valore del ciclo di vita del cliente o la previsione dei ricavi. Puoi utilizzare questi modelli per generare previsioni per nuovi dati di input senza incorrere in costi aggiuntivi.

  • Puoi utilizzare uno dei Foundation Models (FM) forniti da Amazon Bedrock, come Claude o Amazon Titan. Con Amazon Bedrock, puoi combinare la potenza di modelli linguistici di grandi dimensioni (LLMs) con i dati di analisi in Amazon Redshift in pochi passaggi. Utilizzando un Large Language Model esterno (LLM), puoi utilizzare Amazon Redshift per eseguire Natural Language Processing (NLP) sui tuoi dati. Puoi utilizzarlo NLP per applicazioni come la generazione di testo, l'analisi dei sentimenti o la traduzione. Per informazioni sull'uso di Amazon Bedrock con Amazon Integrazione di Amazon Redshift ML con Amazon Bedrock Redshift, consulta.

Nota

Disattivazione dell'utilizzo dei dati per il miglioramento del servizio

Se utilizzi modelli Amazon Bedrock e non desideri AWS elaborare i tuoi dati per migliorare il servizio, devi abilitare la politica di opt-out per Amazon Bedrock.

Nota

LLMspuò generare informazioni imprecise o incomplete. Si consiglia di verificare le informazioni LLMs prodotte per garantire che siano accurate e complete.

Come funziona Amazon Redshift ML con Amazon SageMaker

Amazon Redshift collabora con Amazon SageMaker Autopilot per ottenere automaticamente il modello migliore e rendere disponibile la funzione di previsione in Amazon Redshift.

Il seguente diagramma illustra come funziona Amazon Redshift ML.

Flusso di lavoro per Amazon Redshift ML che si integra con Amazon Autopilot. SageMaker

Di seguito è riportato il flusso di lavoro generale:

  1. Amazon Redshift esporta i dati di addestramento in Amazon S3.

  2. Amazon SageMaker Autopilot preelabora i dati di addestramento. La pre-elaborazione esegue funzioni importanti, ad esempio l'imputazione di valori mancanti. Riconosce che alcune colonne sono di categoria (come il codice postale), le formatta correttamente per l'addestramento e svolge numerose altre attività. La scelta dei migliori preprocessori da applicare al set di dati di addestramento è di per sé un problema e Amazon SageMaker Autopilot automatizza la sua soluzione.

  3. Amazon SageMaker Autopilot trova l'algoritmo e gli iperparametri dell'algoritmo che forniscono al modello le previsioni più accurate.

  4. Amazon Redshift registra la funzione di previsione come funzione nel cluster Amazon Redshift. SQL

  5. Quando esegui i CREATE MODEL rendiconti, Amazon Redshift utilizza Amazon SageMaker per la formazione. Pertanto, vi è un costo associato per l'addestramento del modello. Si tratta di una voce distinta per Amazon SageMaker nella AWS fattura. Si paga anche lo spazio di archiviazione utilizzato in Amazon S3 per archiviare i dati di addestramento. L'inferenza CREATE MODEL che utilizza modelli creati con cui puoi compilare ed eseguire sul tuo cluster Redshift non viene addebitata alcuna spesa. Non ci sono costi aggiuntivi di Amazon Redshift per l'utilizzo di Amazon Redshift ML.

Argomenti