게시된 날짜: May 27, 2021
이제 Redshift ML이 정식 출시되었습니다. Amazon Redshift ML을 사용하면 익숙한 SQL 명령을 사용하여 기계 학습(ML) 모델을 생성, 훈련 및 배포할 수 있습니다. Amazon Redshift ML을 통해 이제 데이터를 이전하거나 새로운 기술을 학습하지 않고도 완전관리형 기계 학습 서비스인 Amazon SageMaker를 활용할 수 있습니다.
Amazon SageMaker를 기반으로 한 Amazon Redshift ML을 통해 SQL 문을 사용하여 Amazon Redshift의 데이터에서 기계 학습 모델을 생성 및 훈련한 후, 이러한 모델을 쿼리 및 보고서에서 직접 이탈 예측 및 사기 위험 점수 등의 사용 사례에 사용할 수 있습니다. Amazon Redshift ML은 Amazon SageMaker Autopilot을 사용하여 훈련 데이터를 기반으로 최상의 모델을 자동으로 검색하고 조정합니다. SageMaker Autopilot은 회귀, 이진 또는 다중 클래스 분류 모델 중에서 선택합니다. 또는 Xtreme Gradient Boosted 트리(XGBoost) 또는 다층 퍼셉트론(MLP)과 같은 특정 모델 유형, 회귀 또는 분류 같은 문제 유형, 전처리기 또는 하이퍼파라미터를 선택할 수 있습니다. Amazon Redshift ML은 파라미터를 사용하여 Amazon Redshift 데이터 웨어하우스에서 모델을 구축, 훈련 및 배포합니다. 사용자 정의 함수(UDF)를 호출하는 것처럼 SQL 쿼리를 사용하여 이러한 훈련된 모델에서 예측을 얻고 대규모 병렬 처리 기능 등 Amazon Redshift의 모든 이점을 활용할 수 있습니다. 미리 훈련된 SageMaker Autopilot, XGBoost 또는 MLP 모델을 Amazon Redshift 클러스터로 가져와서 로컬 추론에 사용할 수도 있습니다.
Amazon Redshift ML은 원격 SageMaker 엔드포인트에 배포된 사용자 지정 기계 학습 모델을 호출할 수 있는 기능도 제공합니다.
Amazon Redshift ML은 기존 클러스터 리소스를 예측에 활용하므로 추가 Amazon Redshift 요금을 피할 수 있습니다. Amazon Redshift에서 모델을 생성할 때 Amazon Redshift ML은 Amazon SageMaker를 모델 훈련에 사용합니다. 사용자는 연결된 SageMaker 비용에 대한 요금만 지불합니다. 모델 생성이나 사용에 대한 추가 Amazon Redshift 요금은 없으며, 예측은 Amazon Redshift 클러스터에서 로컬로 수행됩니다. 자세한 내용은 Redshift 요금 페이지를 참조하세요.