Amazon Redshift ML 튜토리얼 - Amazon Redshift

Amazon Redshift ML 튜토리얼

Amazon Redshift ML을 사용하면 SQL 스테이트먼트로 기계 학습 모델을 훈련하고 예측을 위해 SQL 쿼리에서 해당 기계 학습 모델을 호출할 수 있습니다. Amazon Redshift의 기계 학습은 하나의 SQL 명령으로 모델을 훈련합니다. Amazon Redshift는 자동으로 Amazon SageMaker에서 훈련 작업을 시작하고 모델을 생성합니다. 모델이 생성되면 모델의 예측 함수를 사용하여 Amazon Redshift에서 예측을 수행할 수 있습니다.

이러한 튜토리얼의 단계에 따라 Amazon Redshift ML의 기능을 알아보세요.

  • 튜토리얼: 고객 이탈 모델 구축 – 이 튜토리얼에서는 Amazon Redshift ML을 사용하여 CREATE MODEL 명령으로 고객 이탈 모델을 생성하고 사용자 시나리오에 대한 예측 쿼리를 실행합니다. 그런 다음 CREATE MODEL 명령이 생성하는 SQL 함수를 사용하여 쿼리를 구현합니다.

  • 튜토리얼: 원격 추론 모델 구축 – 이 튜토리얼에서는 이전에 Amazon Redshift가 아닌 Amazon SageMaker에서 훈련 및 배포한 Random Cut Forest 모델을 생성하는 방법을 단계별로 살펴봅니다.

  • 튜토리얼: K-평균 클러스터링 모델 구축 – 이 튜토리얼에서는 Amazon Redshift ML을 사용하여 K-평균 알고리즘을 바탕으로 기계 학습 모델을 생성, 훈련 및 배포합니다.

  • 튜토리얼: 다중 클래스 분류 모델 구축 – 이 튜토리얼에서는 Amazon Redshift ML을 사용하여 다중 클래스 분류 문제를 해결하는 기계 학습 모델을 생성합니다. 다중 클래스 분류 알고리즘은 데이터 포인트를 세 개 이상의 클래스 중 하나로 분류합니다. 그런 다음 CREATE MODEL 명령이 생성하는 SQL 함수를 사용하여 쿼리를 구현합니다.

  • 튜토리얼: XGBoost 모델 구축 – 이 튜토리얼에서는 Amazon S3의 데이터로 모델을 생성하고 Amazon Redshift ML을 사용하여 이 모델로 예측 쿼리를 실행합니다. XGBoost 알고리즘은 그래디언트 부스트 트리 알고리즘을 최적화한 것입니다.

  • 튜토리얼: 회귀 모델 구축 – 이 튜토리얼에서는 Amazon Redshift ML을 사용하여 기계 학습 회귀 모델을 생성하고 모델에서 예측 쿼리를 실행합니다. 회귀 모델을 사용하면 주택 가격이나 도시의 자전거 대여 서비스를 이용할 사람 수와 같은 수치 결과를 예측할 수 있습니다.

  • 튜토리얼: 선형 학습기를 사용하여 회귀 모델 구축 – 이 튜토리얼에서는 Amazon S3의 데이터로 선형 학습기 모델을 생성하고 Amazon Redshift ML을 사용하여 이 모델로 예측 쿼리를 실행합니다. SageMaker 선형 학습기 알고리즘은 회귀 또는 다중 클래스 분류 문제를 해결합니다.

  • 튜토리얼: 선형 학습기를 사용하여 다중 클래스 분류 모델 구축 – 이 튜토리얼에서는 Amazon S3의 데이터로 선형 학습기 모델을 생성하고 Amazon Redshift ML을 사용하여 이 모델로 예측 쿼리를 실행합니다. SageMaker 선형 학습기 알고리즘은 회귀 또는 분류 문제를 해결합니다.