Amazon Redshift ML

Amazon Redshift ML consente agli analisti di dati e agli sviluppatori di database di creare, addestrare e applicare modelli di machine learning utilizzando i comuni comandi SQL nei data warehouse di Amazon Redshift. Con Redshift ML, puoi sfruttare Amazon SageMaker, un servizio di machine learning completamente gestito, senza dover apprendere l’uso di nuovi strumenti o linguaggi. Basta usare le istruzioni SQL per creare e addestrare modelli di machine learning di Amazon SageMaker, utilizzando i dati Redshift, e quindi utilizzare questi modelli per fare previsioni. Ad esempio, puoi utilizzare i dati sulla fidelizzazione dei clienti in Redshift per addestrare un modello di rilevamento del tasso di abbandono e quindi applicarlo ai pannelli di controllo affinché il tuo team di marketing offra incentivi ai clienti a rischio di abbandono. Redshift ML rende il modello disponibile come funzione SQL all'interno del data warehouse Redshift in modo da poterlo applicare facilmente direttamente nelle query e nei report.

Non è richiesta alcuna esperienza pregressa di ML
Poiché Redshift ML consente di utilizzare SQL standard, è facile essere produttivi con nuovi casi d'uso per i dati di analisi. Redshift ML fornisce un'integrazione semplice, ottimizzata e sicura tra Redshift e Amazon SageMaker e consente l'inferenza all'interno del cluster Redshift, semplificando l'uso delle previsioni generate da modelli basati su ML nelle query e nelle applicazioni. Non è necessario gestire un endpoint separato del modello di inferenza e i dati di addestramento sono protetti end-to-end con la crittografia.

Usa il ML sui tuoi dati Redshift usando SQL standard
Per iniziare, utilizza il comando SQL CREATE MODEL in Redshift e specifica i dati di addestramento come tabella o istruzione SELECT. Redshift ML quindi compila e importa il modello addestrato all'interno del data warehouse Redshift e prepara una funzione di inferenza SQL che può essere immediatamente utilizzata nelle query SQL. Redshift ML gestisce automaticamente tutti i passaggi necessari per addestrare e implementare un modello.

Analisi predittiva con Amazon Redshift
Con Redshift ML, puoi incorporare previsioni come il rilevamento delle frodi, la valutazione del rischio e la previsione del tasso di abbandono direttamente nelle query e nei report. Utilizza la funzione SQL per applicare il modello ML ai tuoi dati in query, report e pannelli di controllo. Ad esempio, puoi eseguire regolarmente la funzione SQL di "customer churn" (abbandono dei clienti) sui nuovi dati dei clienti nel tuo data warehouse per prevedere quali saranno i clienti a rischio di abbandono e fornire queste informazioni ai tuoi team di vendita e marketing in modo che possano intraprendere azioni preventive, ad esempio inviare a tali clienti un'offerta progettata per fidelizzarli.

Bring your own model (BYOM)
Redshift ML supporta l'utilizzo del BYOM per l'inferenza locale o remota. Puoi utilizzare un modello addestrato all'esterno di Redshift con Amazon SageMaker per l'inferenza nel database locale in Amazon Redshift. È possibile importare SageMaker Autopilot e indirizzare i modelli addestrati da Amazon SageMaker per l'inferenza locale. In alternativa, è possibile richiamare modelli di ML personalizzati remoti implementati in endpoint SageMaker remoti. Puoi utilizzare qualsiasi modello di ML SageMaker che accetti e restituisca testo o CSV per l'inferenza remota.