기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

아마존 SageMaker 모델과 아마존 통합 QuickSight

Amazon SageMaker 기계 학습 모델을 사용하여 Amazon QuickSight 엔터프라이즈 에디션 데이터를 보강할 수 있습니다. QuickSightAmazon에서 지원하는 모든 데이터 소스에서 SPICE 가져온 데이터에 대해 추론을 실행할 수 있습니다. 지원되는 데이터 소스의 전체 목록은 지원되는 데이터 소스 단원을 참조하세요.

Amazon을 SageMaker 모델과 QuickSight 함께 사용하면 데이터 이동 관리 및 코드 작성에 소요되는 시간을 절약할 수 있습니다. 결과는 모델을 평가하는 데 유용하며, 결과에 만족하는 경우 의사 결정자와 공유하는 데도 유용합니다. 모델이 구축된 후에 바로 시작할 수 있습니다. 이렇게 하면 데이터 과학자가 사전에 구축한 모델을 구현하여 데이터 세트에 데이터 과학을 적용할 수 있습니다. 그런 다음 이러한 분석 정보를 예측 대시보드에서 공유할 수 있습니다. Amazon QuickSight 서버리스 접근 방식을 사용하면 프로세스가 원활하게 확장되므로 추론 또는 쿼리 용량에 대해 걱정할 필요가 없습니다.

QuickSight Amazon은 회귀 및 분류 알고리즘을 사용하는 SageMaker 모델을 지원합니다. 이 기능을 적용하여 거의 모든 비즈니스 사용 사례에 대한 예측을 얻을 수 있습니다. 몇 가지 예로는 고객 이탈 및 직원 퇴직 가능성 예측, 잠재 고객 점수 산정, 신용 위험 평가 등이 있습니다. QuickSight Amazon을 사용하여 예측을 제공하려면 입력과 출력 모두에 대한 SageMaker 모델 데이터가 표 형식이어야 합니다. 다중 클래스 또는 다중 레이블 분류 사용 사례에서 각 출력 열에는 단일 값이 포함되어야 합니다. QuickSight Amazon은 단일 열 내의 여러 값을 지원하지 않습니다.

SageMaker 통합 작동 방식

일반적으로 이 프로세스는 다음과 같이 작동합니다.

발생 비용(통합 자체에 대한 추가 비용 없음)

통합 기능을 사용하는 것 자체로는 추가 요금이 발생하지 않습니다. 비용에는 다음이 포함됩니다.

사용 지침

QuickSightAmazon에서는 이 엔터프라이즈 에디션 기능에 다음과 같은 사용 지침이 적용됩니다.

SageMaker에서는 QuickSight Amazon에서 사용하는 사전 학습된 모델에 다음 사용 지침이 적용됩니다.

스키마 파일 정의

Amazon QuickSight 데이터가 포함된 SageMaker 모델을 사용하기 전에 Amazon에서 모델을 처리하는 데 QuickSight 필요한 메타데이터가 포함된 JSON 스키마 파일을 생성하십시오. Amazon QuickSight 작성자 또는 관리자는 데이터세트를 구성할 때 스키마 파일을 업로드합니다.

스키마 필드는 다음과 같이 정의됩니다. 다음 설명에 달리 명시되지 않은 한 모든 필드가 필요합니다. 속성은 대소문자를 구분합니다.

다음 예에서는 스키마 파일의 JSON 구조를 보여줍니다.

{
        "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"
    }

스키마 파일의 구조는 에서 제공한 SageMaker 예제에 사용된 모델의 종류와 관련이 있습니다.

QuickSight 데이터세트에 SageMaker 모델 추가

다음 절차에 따라 사전 훈련된 SageMaker 모델을 데이터세트에 추가하여 분석 및 대시보드에서 예측 데이터를 사용할 수 있습니다.

시작하기 전에 다음 항목을 준비합니다.