Integration von Amazon SageMaker AI-Modellen mit Amazon QuickSight

Sie können Ihre Amazon QuickSight Enterprise Edition-Daten mit Machine Learning-Modellen von Amazon SageMaker AI erweitern. Sie können Inferenzen auf in SPICE gespeicherten Daten ausführen, die aus einer beliebigen, von Amazon QuickSight unterstützten Datenquelle importiert werden. Eine vollständige Liste der unterstützten Datenquellen finden Sie unter Unterstützte Datenquellen.

Die Verwendung von Amazon QuickSight mit SageMaker AI-Modellen kann die Zeit sparen, die Sie sonst mit der Verwaltung der Datenverschiebung und dem Schreiben von Code verbringen würden. Die Ergebnisse sind sowohl für die Bewertung des Modells als auch - wenn Sie mit den Ergebnissen zufrieden sind - für die Weitergabe an Entscheidungsträger nützlich. Sie können sofort beginnen, nachdem das Modell erstellt wurde. Dies bringt die vorgefertigten Modelle Ihrer Daten-Wissenschaftler hervor und Sie können diese Wissenschaft auf Ihre Datasets anwenden. Anschließend können Sie diese Erkenntnisse in Ihren prädiktiven Dashboards freigeben. Mit dem serverless Amazon QuickSight-Ansatz kann der Prozess nahtlos skaliert werden, sodass Sie sich keine Gedanken über die Inferenz- oder Abfragekapazität machen müssen.

Amazon QuickSight unterstützt SageMaker AI-Modelle, die Regressions- und Klassifizierungsalgorithmen verwenden. Sie können dieses Feature anwenden, um Vorhersagen für beinahe jeden geschäftlichen Anwendungsfall zu erhalten. Einige Beispiele umfassen die Vorhersage der Wahrscheinlichkeit von Kundenabwanderungen oder Mitarbeiterfluktuationen, die Bewertung von Vertriebs-Leads und die Bewertung von Kreditrisiken. Um Amazon QuickSight für die Bereitstellung von Vorhersagen zu verwenden, müssen die SageMaker AI-Modelldaten für Eingabe und Ausgabe im Tabellenformat vorliegen. In Anwendungsfällen mit mehreren Klassen oder Bezeichnungen darf jede Ausgabespalte nur einen einzigen Wert enthalten. Amazon QuickSight unterstützt nicht mehrere Werte in einer einzelnen Spalte.

Funktionsweise der SageMaker AI-Integration

Im Allgemeinen funktioniert der Prozess folgendermaßen:

Anfallende Kosten (keine zusätzlichen Kosten bei Integration selbst)

Für die Nutzung dieses Feature fällt an sich keine zusätzliche Gebühr an. Ihre Kosten beinhalten Folgendes:

Richtlinien für die Verwendung

In Amazon QuickSight gelten die folgenden Nutzungsrichtlinien für dieses Enterprise Edition-Feature:

In SageMaker AI gelten die folgenden Nutzungsrichtlinien für ein vortrainiertes Modell, das Sie mit Amazon QuickSight verwenden:

Definieren der Schemadatei

Bevor Sie ein SageMaker AI-Modell mit Amazon QuickSight-Daten verwenden, erstellen Sie die JSON-Schemadatei, die die Metadaten enthält, die Amazon QuickSight für die Verarbeitung des Modells benötigt. Der Amazon QuickSight-Autor oder -Administrator lädt die Schemadatei hoch, wenn das Dataset konfiguriert wird.

Die Schemafelder sind wie folgt definiert. Alle Felder sind erforderlich, sofern nicht in der folgenden Beschreibung angegeben. Bei Attributen wird zwischen Groß- und Kleinschreibung unterschieden.

Das folgende Beispiel zeigt die JSON-Struktur in der Schemadatei.

{
        "inputContentType": "CSV",
        "outputContentType": "CSV",
        "input": [
            {
                "name": "buying",
                "type": "STRING"
            },
            {
                "name": "maint",
                "type": "STRING"
            },
            {
                "name": "doors",
                "type": "INTEGER"
            },
            {
                "name": "persons",
                "type": "INTEGER"
            },
            {
                "name": "lug_boot",
                "type": "STRING"
            },
            {
                "name": "safety",
                "type": "STRING"
            }
        ],
        "output": [
            {
                "name": "Acceptability",
                "type": "STRING"
            }
        ],
        "description": "Use ml.m4.xlarge instance for small datasets, and ml.m4.4xlarge for datasets over 10 GB",
        "version": "1.0",
        "instanceCount": 1,
        "instanceTypes": [
            "ml.m4.xlarge",
            "ml.m4.4xlarge"
        ],
        "defaultInstanceType": "ml.m4.xlarge"
    }

Die Struktur der Schemadatei hängt mit der Art des Modells zusammen, das in von SageMaker AI bereitgestellten Beispielen verwendet wird.

Hinzufügen eines SageMaker AI-Modells zu Ihrem QuickSight-Datensatz

Mit dem folgenden Verfahren können Sie Ihrem Datensatz ein vortrainiertes SageMaker AI-Modell hinzufügen, sodass Sie prädiktive Daten in Analysen und Dashboards verwenden können.

Bevor Sie beginnen, sollten Sie Folgendes verfügbar haben: