Amazon Redshift ML

Amazon Redshift ML은 데이터 분석가와 데이터베이스 개발자가 Amazon Redshift 데이터 웨어하우스에서 익숙한 SQL 명령을 사용하여 기계 학습 모델을 쉽게 생성, 훈련 및 적용할 수 있게 해줍니다. Redshift ML을 사용하면 새로운 도구나 언어를 배우지 않고도 완전 관리형 기계 학습 서비스인 Amazon SageMaker를 활용할 수 있습니다. 간단히 SQL 문을 사용하여 Redshift 데이터를 통해 Amazon SageMaker 기계 학습 모델을 생성하고 훈련시킨 다음 이러한 모델을 사용하여 예측을 수행하면 됩니다. 예를 들어 Redshift의 고객 유지 데이터를 사용하여 이탈 감지 모델을 훈련시킨 다음 마케팅 팀이 해당 모델을 대시보드에 적용하여 이탈의 위험이 있는 고객에게 인센티브를 제공할 수 있습니다. Redshift ML을 사용하면 모델을 Redshift 데이터 웨어하우스 내에서 SQL 함수로 사용할 수 있으므로 쿼리와 보고서에 직접 모델을 쉽게 적용할 수 있습니다.

관련 기계 학습 경험이 필요 없습니다.
Redshift ML을 사용하면 표준 SQL을 사용할 수 있으므로 분석 데이터의 새로운 사용 사례를 통해 쉽게 생산성을 높일 수 있습니다. Redshift ML은 Redshift와 Amazon SageMaker 간의 단순하고 최적화되고 안전한 통합 기능을 제공하며 Redshift 클러스터 내에서 추론을 지원하므로 ML 기반 모델에서 생성된 예측을 쿼리와 애플리케이션에서 쉽게 사용할 수 있습니다. 별도의 추론 모델 엔드포인트를 관리할 필요가 없으며, 훈련 데이터는 암호화를 통해 포괄적으로 보호됩니다.

표준 SQL을 통해 Redshift 데이터에서 ML 사용
시작하려면 Redshift에서 CREATE MODEL SQL 명령을 사용하고 훈련 데이터를 테이블 또는 SELECT 문으로 지정합니다. 그런 다음 Redshift ML은 Redshift 데이터 웨어하우스 내에서 훈련된 모델을 컴파일하고 가져와서 SQL 쿼리에서 즉시 사용할 수 있는 SQL 추론 함수를 준비합니다. Redshift ML은 모델을 훈련하고 배포하는 데 필요한 모든 단계를 자동으로 처리합니다.

Amazon Redshift로 예측 분석
Redshift ML을 사용하면 사기 탐지, 위험 점수 산정, 이탈 예측과 같은 예측을 쿼리와 보고서에 직접 포함할 수 있습니다. SQL 함수를 사용하여 쿼리, 보고서 및 대시보드의 데이터에 ML 모델을 적용할 수 있습니다. 예를 들어 데이터 웨어하우스의 새 고객 데이터에 대해 정기적으로 ‘고객 이탈’ SQL 함수를 실행하여 이탈 위험이 있는 고객을 예측하고 이 정보를 영업 및 마케팅 팀에 제공하여 해당 고객에게 고객 유지를 위한 제안을 보내는 등 선제적 조치를 취할 수 있습니다.

BYOM(기존 보유 모델 사용)
Redshift ML은 로컬 또는 원격 추론을 위한 BYOM 사용을 지원합니다. Amazon SageMaker와 함께 Redshift 외부에서 훈련된 모델을 사용하여 Amazon Redshift의 로컬 데이터베이스 내 추론을 수행할 수 있습니다. SageMaker Autopilot을 가져와서 로컬 추론을 위해 Amazon SageMaker를 훈련된 모델을 연결합니다. 또는 원격 SageMaker 엔드포인트에 배포된 원격 사용자 지정 ML 모델을 호출할 수 있습니다. 원격 추론을 위해 텍스트 또는 CSV를 허용하고 반환하는 모든 SageMaker ML 모델을 사용할 수 있습니다.