Amazon Redshift ML

Crea, addestra e implementa modelli di machine learning (ML) usando comandi SQL comuni

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.

Amazon Redshift ML: demo di un modello di creazione semplice (4:56)

Analisi predittiva in Amazon Redshift con Amazon SageMaker

Come funziona

Come funziona - Redshift ML (anteprima)

Storie di successo dei clienti

Logo del cliente Magellan Rx Management
"Con Amazon Redshift, abbiamo ridotto i nostri costi operativi del 20%. Questa è una vittoria significativa rispetto al nostro stack precedente".

Vinesh Kolpe, vicepresidente IT - Magellan Rx Management

Logo del cliente Jobcase
"Jobcase ha diversi modelli in produzione che utilizzano Amazon Redshift ML. Ogni modello esegue miliardi di previsioni in pochi minuti direttamente sul nostro data warehouse Redshift, senza bisogno di pipeline di dati. Con Redshift ML, ci siamo evoluti verso architetture di modelli che generano un miglioramento del 5-10% dei tassi di coinvolgimento dei membri attraverso diversi tipi di modelli di email, senza costi di inferenza".

Mike Griffin, ottimizzazione e analisi EVP - Jobcase

Rackspace_Technology_Logo_RGB_RED
"In Rackspace Technology aiutiamo le aziende a migliorare le loro operazioni di IA/ML. Siamo entusiasti della nuova funzionalità Amazon Redshift ML perché renderà più facile per i nostri comuni clienti Redshift utilizzare il machine learning sul proprio Redshift con un'interfaccia SQL familiare. La perfetta integrazione con Amazon SageMaker consentirà agli analisti di dati di utilizzare i dati in modi nuovi e fornirà ancora più informazioni all'intera organizzazione".

Nihar Gupta, direttore generale per le soluzioni dati - Rackspace Technology