Amazon Redshift ML

Com o Amazon Redshift ML, analistas de dados e desenvolvedores de banco de dados podem criar, treinar e aplicar modelos de machine learning com mais facilidade, usando comandos SQL conhecidos em data warehouses do Amazon Redshift. Com o Redshift ML, você pode aproveitar o Amazon SageMaker, um serviço de machine learning totalmente gerenciado, sem precisar aprender novas ferramentas ou linguagens. Basta usar instruções SQL para criar e treinar modelos de machine learning do Amazon SageMaker usando seus dados do Redshift e, em seguida, usar esses modelos para fazer previsões. Por exemplo, você pode usar dados sobre retenção de clientes no Redshift para treinar um modelo de detecção de desistência e, em seguida, aplicar esse modelo aos seus painéis para que sua equipe de marketing ofereça incentivos aos clientes em risco de desistência. O Redshift ML disponibiliza o modelo como uma função SQL em seu data warehouse do Redshift, para que você possa aplicá-lo de maneira fácil e direta em suas consultas e relatórios.

Não é necessário ter experiência prévia com ML
Como o Redshift ML permite o uso do SQL padrão, é fácil manter a produtividade com novos casos de uso para seus dados de análises. O Redshift ML fornece integração simples, otimizada e segura entre o Redshift e o Amazon SageMaker e permite inferência dentro do cluster do Redshift, facilitando o uso de previsões geradas por modelos baseados em ML em consultas e aplicações. Não há necessidade de gerenciar um endpoint de modelo de inferência separado, e os dados de treinamento são protegidos com criptografia de ponta a ponta.

Use ML nos seus dados do Redshift com SQL padrão
Para começar, use o comando CREATE MODEL SQL no Redshift e especifique os dados de treinamento como uma tabela ou instrução SELECT. Em seguida, o Redshift ML compila e importa o modelo treinado dentro do data warehouse do Redshift e prepara uma função de inferência SQL que pode ser usada imediatamente em consultas SQL. O Redshift ML executa automaticamente todas as etapas necessárias para treinar e implantar um modelo.

Análise preditiva com o Amazon Redshift
Com o Redshift ML, você pode incorporar previsões, como detecção de fraudes, pontuação de risco e previsão de desistência, diretamente em consultas e relatórios. Use a função SQL para aplicar o modelo de ML aos seus dados em consultas, relatórios e painéis. Por exemplo, você pode executar a função SQL “customer churn” em dados de novos clientes no seu data warehouse regularmente para prever o risco de desistência de clientes e fornecer essas informações às suas equipes de vendas e marketing, para que elas possam tomar medidas preventivas, como enviar uma oferta especial para manter esses clientes.

Traga seu próprio modelo (BYOM)
O Redshift ML oferece suporte ao uso da política BYOM para inferência local ou remota. Você pode usar um modelo treinado fora do Redshift com o Amazon SageMaker para inferência local no banco de dados do Amazon Redshift. Também pode importar o SageMaker Autopilot e direcionar modelos treinados do Amazon SageMaker para inferência local. Como alternativa, você pode invocar modelos de ML personalizados remotos implantados em endpoints remotos do SageMaker. É possível usar qualquer modelo de ML do SageMaker que aceite e retorne texto ou CSV para inferência remota.