Amazon SageMaker AI モデルと Amazon QuickSight の統合

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon QuickSight Enterprise Edition のデータは、Amazon SageMaker AI 機械学習モデルで拡張できます。Amazon QuickSight でサポートされている任意のデータソースからインポートされ、SPICE に保存されているデータに対して推論を実行できます。サポートされているデータソースの詳細な一覧については、サポートされているデータソースを参照してください。

SageMaker AI モデルで Amazon QuickSight を使用すると、データ移動の管理やコードの記述に費やす時間を節約できます。この結果は、モデルの評価や、(結果に満足している場合は) 意思決定者との共有に有用です。モデルが作成された直後に開始できます。これにより、データサイエンティストが事前に構築したモデルが表れ、データサイエンスをデータセットに適用できるようになります。その後、予測ダッシュボードでこれらのインサイトを共有できます。Amazon QuickSight のサーバーレスアプローチでは、プロセスがシームレスに拡張されるため、推論やクエリの容量について心配する必要はありません。

Amazon QuickSight は、回帰アルゴリズムと分類アルゴリズムを使用する SageMaker AI モデルをサポートしています。この機能を適用すると、ほぼすべてのビジネスユースケースに関する予測を立てることができます。例えば、顧客の解約、従業員の離職、セールスリードの採点、信用リスクの評価などに予測を利用できます。Amazon QuickSight を使用して予測を提供するには、入力と出力の両方の SageMaker AI モデルデータが表形式である必要があります。マルチクラス分類またはマルチラベル分類のユースケースでは、各出力列に単一の値を含める必要があります。Amazon QuickSight では、単一の列内に複数の値を含めることをサポートしていません。

SageMaker AI 統合の仕組み

一般に、プロセスは次のように動作します。

発生したコスト（統合自体による追加コストはありません）

この機能を使用すること自体に追加料金はかかりません。費用には以下が含まれます。

使用上のガイドライン

Amazon QuickSight では、この Enterprise Edition 機能には次の使用上のガイドラインが適用されます。

SageMaker AI では、Amazon QuickSight で使用する事前トレーニング済みモデルに次の使用ガイドラインが適用されます。

スキーマファイルの定義

Amazon QuickSight データで SageMaker AI モデルを使用する前に、Amazon QuickSight がモデルを処理するために必要なメタデータを含む JSON スキーマファイルを作成します。Amazon QuickSight の作成者または管理者は、データセットの設定時にスキーマファイルをアップロードします。

スキーマフィールドは次のように定義されます。次の説明で指定されていない限り、すべてのフィールドは必須です。属性では、大文字と小文字が区別されます。

次の例は、スキーマファイル内の JSON の構造を示しています。

{
        "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"
    }

スキーマファイルの構造は、SageMaker AI が提供する例で使用されるモデルの種類に関連しています。

QuickSight データセットへの SageMaker AI モデルの追加

次の手順を使用して、事前トレーニング済みの SageMaker AI モデルをデータセットに追加し、分析とダッシュボードで予測データを使用できるようにします。

開始する前に、次の項目を使用可能にしておきます。