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

Amazon SageMaker AI 모델과 Amazon 통합 QuickSight

Amazon SageMaker AI 기계 학습 모델을 사용하여 Amazon QuickSight Enterprise 에디션 데이터를 보강할 수 있습니다. 에 저장된 데이터에 대해 추론을 실행할 수 있습니다.SPICE Amazon에서 지원하는 모든 데이터 소스에서 가져온 것입니다 QuickSight. 지원되는 데이터 소스의 전체 목록은 지원되는 데이터 소스 단원을 참조하세요.

Amazon을 SageMaker AI 모델 QuickSight 과 함께 사용하면 데이터 이동을 관리하고 코드를 작성하는 데 드는 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.

Amazon은 회귀 및 분류 알고리즘을 사용하는 SageMaker AI 모델을 QuickSight 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. Amazon QuickSight 을 사용하여 예측을 제공하려면 입력 및 출력 모두에 대한 SageMaker AI 모델 데이터가 테이블 형식이어야 합니다. 다중 클래스 또는 다중 레이블 분류 사용 사례에서 각 출력 열에는 단일 값이 포함되어야 합니다. Amazon QuickSight 은 단일 열 내에서 여러 값을 지원하지 않습니다.

SageMaker AI 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

Amazon에서는 QuickSight다음 사용 지침이이 Enterprise Edition 기능에 적용됩니다.

SageMaker AI에서는 Amazon에서 사용하는 사전 훈련된 모델에 다음 사용 지침이 적용됩니다. QuickSight

스키마 파일 정의

Amazon QuickSight 데이터와 함께 SageMaker AI 모델을 사용하기 전에 Amazon이 모델을 처리하는 데 QuickSight 필요한 메타데이터가 포함된 JSON 스키마 파일을 생성합니다. Amazon QuickSight 작성자 또는 관리자는 데이터 세트를 구성할 때 스키마 파일을 업로드합니다.

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

다음 예제는 스키마 파일JSON에서의 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 SageMaker AI에서 제공하는 예제에서 사용되는 모델 유형과 관련이 있습니다.

QuickSight 데이터 세트에 SageMaker AI 모델 추가

다음 절차를 사용하여 데이터 세트에 사전 훈련된 SageMaker AI 모델을 추가하여 분석 및 대시보드에서 예측 데이터를 사용할 수 있습니다.

시작하기 전에 다음 항목을 준비합니다.