초보자 및 전문가를 위한 기계 학습

Amazon Redshift를 사용하면 기계 학습(ML) 기능을 활용하여 ML 초보자든 전문가든 관계없이 데이터에서 인사이트를 얻을 수 있습니다. 기계 학습은 광범위한 ML 전문 지식이나 복잡한 데이터 엔지니어링 없이 SQL 명령을 사용하여 ML 모델을 생성, 훈련 및 배포할 수 있는 Amazon Redshift 기능입니다.

다음 섹션을 통해 기계 학습을 활용하는 프로세스를 설명하여 Amazon Redshift를 사용하여 데이터의 잠재력을 최대한 활용할 수 있도록 지원합니다.

Amazon Redshift ML을 사용하면 단일 SQL CREATE MODEL 명령으로 모델을 훈련할 수 있습니다. CREATE MODEL 명령은 Amazon Redshift에서 익숙한 SQL 구문으로 모델 기반 예측을 생성하는 데 사용하는 모델을 생성합니다.

Amazon Redshift 기계 학습은 기계 학습, 도구, 언어, 알고리즘 및 API에 대한 전문 지식이 없는 경우 특히 유용합니다. Amazon Redshift 기계 학습을 사용하면 외부 기계 학습 서비스와 통합하는 데 필요한 획일적이고 과중한 업무를 수행할 필요가 없습니다. Amazon Redshift를 사용하면 데이터 형식 지정 및 이동, 권한 제어 관리, 사용자 정의 통합, 워크플로 및 스크립트 구축에 소요되는 시간을 절약할 수 있습니다. 인기 있는 기계 학습 알고리즘을 쉽게 사용하고 훈련에서 예측까지 자주 반복해야 하는 훈련 요구 사항을 단순화할 수 있습니다. Amazon Redshift는 자동으로 최상의 알고리즘을 검색하고 문제에 가장 적합한 모델을 조정합니다. Amazon Redshift 외부로 데이터를 이동하거나 다른 서비스와 인터페이스하고 비용을 지불할 필요 없이 Amazon Redshift 클러스터 내에서 예측할 수 있습니다.

Amazon Redshift 기계 학습은 기계 학습을 사용하는 데이터 분석가와 데이터 사이언티스트를 지원합니다. 또한 이를 통해 기계 학습 전문가는 지식을 사용하여 CREATE MODEL 문이 지정한 측면만 사용하도록 안내할 수 있습니다. 이렇게 하면 CREATE MODEL이 최상의 후보를 찾는 데 필요한 시간을 단축하거나 모델의 정확도를 높이거나 둘 다 가능합니다.

CREATE MODEL 문은 훈련 작업에 파라미터를 지정하는 방법에 유연성을 제공합니다. 이러한 유연성을 통해 기계 학습 초보자 또는 전문가 모두 선호하는 프로프로세서, 알고리즘, 문제 유형 및 하이퍼파라미터를 선택할 수 있습니다. 예를 들어 고객 이탈에 관심이 있는 사용자는 CREATE MODEL 문에서 문제 유형이 고객 이탈에 잘 작동하는 이진 분류라고 지정할 수 있습니다. 그런 다음 CREATE MODEL 문은 최상의 모델 검색을 이진 분류 모델로 좁힙니다. 사용자가 문제 유형을 선택하더라도 CREATE MODEL 문이 사용할 수 있는 옵션은 여전히 많습니다. 예를 들어 CREATE MODEL은 최상의 사전 처리 변환을 검색 및 적용하고 최상의 하이퍼파라미터 설정을 검색합니다.

Amazon Redshift 기계 학습이 Amazon SageMaker Autopilot을 사용하여 최적의 모델을 자동으로 찾아 훈련을 더 쉽게 만듭니다. 백그라운드에서 Amazon SageMaker Autopilot은 제공된 데이터를 기반으로 최고의 기계 학습 모델을 자동으로 훈련하고 조정합니다. 그런 다음 Amazon SageMaker Neo가 훈련 모델을 컴파일하고 Redshift 클러스터에서 예측에 사용할 수 있도록 합니다. 훈련된 모델을 사용하여 기계 학습 추론 쿼리를 실행할 때 쿼리는 Amazon Redshift의 대규모 병렬 처리 기능을 사용할 수 있습니다. 동시에 쿼리는 기계 학습 기반 예측을 사용할 수 있습니다.

Amazon Redshift 기계 학습 사용자는 다음 옵션을 선택하여 모델을 훈련하고 배포할 수 있습니다.