В статье рассказывается о местонахождении модуля машинного обучения amazon(aws) redshift, который позволяет аналитикам выполнять через него расширенную аналитику.

Машинное обучение и AWS Sagemaker

Машинное обучение — не новый термин сегодня. Он используется для нескольких случаев использования, когда тенденции интеллектуально идентифицируются, скрытые в больших наборах данных.

В этом процессе много этапов. Amazon Sagemaker предоставляет полный набор специально разработанных инструментов для каждого этапа разработки машинного обучения, включая маркировку, подготовку данных, разработку функций, обнаружение статистической погрешности, автоматическое машинное обучение, обучение, настройку, хостинг, объяснимость, мониторинг и рабочие процессы.

Если эти термины кажутся вам новыми, не волнуйтесь, это совсем другой домен. Пока просто предположим, что AWS Sagemaker помогает ученым и разработчикам данных на протяжении всего жизненного цикла машинного обучения.

Почему мы говорим об AWS Sagemaker вместо Redshift ML? Это потому, что… они связаны, и вы узнаете об этом через некоторое время.

Красное смещение ML

Как следует из названия, Redshift ML также занимается машинным обучением. Мы уже обсуждали, что машинное обучение включает в себя несколько задач, таких как создание и развертывание модели, обучение данных, а затем выполнение модели для прогнозирования результатов для нас.

Redshift ML прибегает к помощи sagemaker, чтобы приблизить возможности машинного обучения к аналитикам, которым требуется минимальный опыт в этих задачах, и они все еще могут достичь результатов. Аналитики данных могут сделать это с помощью самого SQL без изучения каких-либо сложных модулей машинного обучения.

Redshift ML поддерживает «обучение с учителем», которое является наиболее распространенным методом расширенной аналитики. Чтобы реализовать это, вам необходимо иметь представление о том, как конкретные входные данные предсказывают различные бизнес-результаты. В частности, ваш набор данных представляет собой таблицу с атрибутами, которые содержат функции (входные данные) и цели (выходные данные).

Например, давайте предположим, что у нас есть данные о клиентах, и мы хотим предсказать, какого клиента мы собираемся сохранить или потерять в ближайшем времени. Такие параметры, как продолжительность обслуживания клиента, его средние месячные расходы, количество проблем, возникших в прошлом, могут быть функциями, тогда как активный статус клиента может быть целью.

Нам нужно обучить данные на основе параметров объектов, присутствующих в наших прошлых записях. Машинное обучение может определить закономерность и предсказать будущий отток клиентов. Многие такие сценарии подпадают под категорию контролируемого обучения и очень хорошо поддерживаются Redshift ML.

Полное руководство

Я создал курс на Udemy, который шаг за шагом охватывает тему AWS Redshift в комплексной перспективе.

Вы можете присоединиться к курсу, нажав здесь — AWS Redshift — полное руководство.

** Ознакомьтесь со специальным предложением в конце статьи, чтобы узнать о доступных предложениях **

Курс разделен на следующие основные области

  1. Обзор — краткое введение в AWS Redshift, системы хранилищ данных и развитие связанных технологий
  2. Начало работы. Мы начнем работу с Amazon Redshift, загрузив и запросив образцы данных. Мы разберемся с минимальными возможностями экосистемы redshift, включая Redshift Console, редактор запросов и конфигурациинеобходим для интеграции внешнего SQL-клиента — DBeaver.
  3. Как это работает — мы перейдем к основной механике Redshift, где мы поймем основные компоненты и функции redshift, включая кластер Redshift, узлы, ключ распределения. , ключ сортировки, кэш результатов, AQUA, экземпляры RA3 и т. д.
  4. Управление данными. Мы перейдем к разделу управления данными, где мы рассмотрим красное смещение типы данных, параметры загрузки и запроса данных, автоматическое проектирование таблиц, хранимые процедуры, материализованные представления и управление рабочей нагрузкой.
  5. Сервисы AWS. В этом разделе мы рассмотрим некоторые дополнительные функции Redshift, включая Redshift Spectrum, Redshift ML и Федеративные запросы. сильный>. Мы также поймем аспекты интеграции Redshift с другими сервисами AWS, такими как формирование озера данных, aws EMR, AWS Glue, Amazon Kinesis, Amazon Quicksight, AWS Sagemaker и т. д.
  6. Управление кластером. В этом разделе мы рассмотрим аспекты управления Redshift, включая основные операции с кластером, моментальные снимки в качестве резервных копий, мониторинг, ведение журналов и безопасность данных.
  7. Заключение. В последнем разделе мы рассмотрим красное смещение стоимость и цены, рекомендации, рекомендации по чтению и т. д.
** SPECIAL OFFER **
I have created 100 early bird coupons. With it, you can enroll yourself on the Amazon Redshift course for free. Here is the coupon code — 
B900B1CA721C78AC3722
The offer is valid till 24th December 2021 only. See you at the course.
Here is the course link: https://www.udemy.com/course/aws-redshift-a-comprehensive-guide/?referralCode=A9467C6EB2835AAF388D