Amazon Redshift ML

Amazon Redshift ML により、データアナリストやデータベースデベロッパーは、Amazon Redshift データウェアハウスで使い慣れた SQL コマンドを使用して、機械学習モデルを簡単に作成、トレーニング、適用できます。Redshift ML を利用すると、新しいツールや言語を学習しなくても、フルマネージド型の機械学習サービスである Amazon SageMaker を利用できます。SQL ステートメントだけを使って、Redshift データを利用して Amazon SageMaker 機械学習モデルを作成およびトレーニングしてから、そのモデルを使用して予測を行います。例えば、Redshift の顧客保持データを使用して解約検出モデルをトレーニングし、そのモデルをダッシュボードに適用して、マーケティングチームが解約リスクのある顧客にインセンティブを与えることができます。Redshift ML では、モデルを Redshift データウェアハウス内の SQL 関数として使用できるため、クエリやレポートに簡単に直接適用できます。

機械学習の経験は必要ありません
Redshift ML では標準 SQL を使用できるため、分析データを得るための新しいユースケースでも簡単に生産性を高めることができます。Redshift ML は、Redshift と Amazon SageMaker をシンプルかつ最適化された安全な方法で統合し、Redshift クラスター内での推論を可能にします。これにより、機械学習ベースのモデルによって生成された予測をクエリやアプリケーションで簡単に使用できます。推論モデルのエンドポイントを個別に管理する必要はなく、トレーニングデータは暗号化されてエンドツーエンドで保護されます。

標準 SQL を使用して Redshift データに機械学習を利用する
初めに、Redshift の CREATE MODEL SQL コマンドを使用して、トレーニングデータをテーブルまたは SELECT ステートメントとして指定します。次に、Redshift ML はトレーニング済みモデルを Redshift データウェアハウス内にコンパイルしてインポートし、SQL クエリですぐに使用できる SQL 推論関数を準備します。Redshift ML は、モデルのトレーニングとデプロイに必要なすべてのステップを自動的に処理します。

Amazon Redshift による予測分析
Redshift ML では、不正検知、リスクスコアリング、解約予測などの予測をクエリやレポートに直接埋め込むことができます。SQL 関数を使用して、クエリ、レポート、ダッシュボードのデータに機械学習モデルを適用します。例えば、データウェアハウス内の新しい顧客データに対して「顧客解約」SQL 関数を定期的に実行して、解約リスクがある顧客を予測し、その情報を営業チームやマーケティングチームに提供することで、これらの顧客を維持するためのオファーを送信するなどの措置を先んじて講じることができます。

BYOM (Bring Your Own Model)
Redshift ML は、ローカルまたはリモートの推論への BYOM の使用をサポートしています。Amazon SageMaker を使って Redshift の外部でトレーニングしたモデルを、Amazon Redshift のローカルなデータベース内推論に使用できます。SageMaker Autopilot をインポートし、Amazon SageMaker でトレーニングされたモデルでローカル推論を行うように指示できます。または、リモート SageMaker エンドポイントにデプロイされたリモートのカスタム機械学習モデルを呼び出すこともできます。リモート推論用のテキストまたは CSV を受け入れて返す任意の SageMaker ML モデルを使用できます。