Nous ne mettons plus à jour le service Amazon Machine Learning et n'acceptons plus de nouveaux utilisateurs pour celui-ci. Cette documentation est disponible pour les utilisateurs existants, mais nous ne la mettons plus à jour. Pour plus d'informations, consultez [Qu'est-ce qu'Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html) ?
Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Création d'une source de données avec Amazon Redshift Data (console)
La console Amazon ML propose deux méthodes pour créer une source de données à l'aide des données Amazon Redshift. Vous pouvez créer une source de données en suivant l'assistant de création de source de données ou, si vous avez déjà créé une source de données à partir des données Amazon Redshift, vous pouvez copier la source de données d'origine et modifier ses paramètres. La copie d'une source de données vous permet de facilement créer plusieurs sources de données similaires.
Pour plus d'informations sur la création d'une source de données à l'aide de l'API, consultez [CreateDataSourceFromRedshift](https://docs.aws.amazon.com/machine-learning/latest/APIReference/API_CreateDataSourceFromRedshift.html).
Pour plus d'informations sur les paramètres utilisés dans les procédures suivantes, consultez [Paramètres obligatoires pour l'assistant de création de sources de données](redshift-parameters.md).
**Topics**
+ [Création d'une source de données (console)](#create-redshift-datasource)
+ [Copie d'une source de données (console)](#copy-redshift-datasource)
## Création d'une source de données (console)
Pour décharger des données d'Amazon Redshift vers une source de données Amazon ML, utilisez l'assistant de création de source de données.
**Pour créer une source de données à partir de données dans Amazon Redshift**
1. Ouvrez la console Amazon Machine Learning à l'adresse [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/).
1. Sur le tableau de bord Amazon ML, sous **Entités**, choisissez **Create new...** , puis choisissez **Datasource**.
1. Sur la page **des données d'entrée**, sélectionnez **Amazon Redshift**.
1. Dans l'assistant de création de sources de données, pour **Cluster identifier**, tapez le nom de votre cluster.
1. Dans **Nom de la base** de données, saisissez le nom de la base de données Amazon Redshift.
1. Pour **Database user name**, tapez votre nom d'utilisateur de base de données.
1. Pour **Database password**, tapez votre mot de passe de base de données.
1. Pour **Rôle IAM**, choisissez votre rôle IAM. Si vous n'en avez pas déjà un, choisissez **Créer un nouveau rôle**. Amazon ML crée un rôle IAM Amazon Redshift pour vous.
1. Pour tester vos paramètres Amazon Redshift, choisissez **Test Access (à** côté du rôle **IAM**). Si Amazon ML ne parvient pas à se connecter à Amazon Redshift avec les paramètres fournis, vous ne pouvez pas continuer à créer une source de données. Pour bénéficier d'une aide à la résolution des problèmes, consultez [Dépannage des erreurs](troubleshooting.md#trouble-errors).
1. Pour **SQL query**, tapez votre requête SQL.
1. Pour l'**emplacement du schéma**, indiquez si vous souhaitez qu'Amazon ML crée un schéma pour vous. Si vous avez créé un schéma vous-même, saisissez le chemin Amazon S3 vers votre fichier de schéma.
1. Pour l'**emplacement intermédiaire d'Amazon S3**, saisissez le chemin Amazon S3 vers le compartiment dans lequel vous souhaitez qu'Amazon ML place les données qu'il décharge depuis Amazon Redshift.
1. (Facultatif) Pour **Datasource name**, tapez un nom pour votre source de données.
1. Choisissez **Vérifier**. Amazon ML vérifie qu'il peut se connecter à votre base de données Amazon Redshift.
1. Dans la page **Schema**, passez en revue les types de données pour tous les attributs et corrigez-les, si nécessaire.
1. Sélectionnez **Continuer**.
1. Si vous voulez utiliser cette source de données pour créer ou évaluer un modèle d'apprentissage-machine, pour **Do you plan to use this dataset to create or evaluate an ML model?**, choisissez **Yes**. Si vous choisissez **Yes**, choisissez votre ligne cible. Pour en savoir plus sur les cibles, consultez [Utilisation du targetAttributeName terrain](creating-a-data-schema-for-amazon-ml.md#using-the-targetattributename-field).
Si vous voulez utiliser cette source de données avec un modèle que vous avez déjà créé, afin de créer des prédictions, choisissez **No**.
1. Sélectionnez **Continuer**.
1. Pour **Does your data contain an identifier ?**, si vos données ne contiennent pas d'identifiant de ligne, choisissez **No**.
Si vos données contiennent un identifiant de ligne, choisissez **Yes**. Pour obtenir des informations sur les identifiants de ligne, consultez [Utilisation du champ rowID](creating-a-data-schema-for-amazon-ml.md#using-the-rowid-field).
1. Choisissez **Examiner**.
1. Dans la page **Révision**, passez en revue vos paramètres, puis choisissez **Terminer**.
Une fois que vous avez créé une source de données, vous pouvez l'utiliser pour [create an ML model](creating-ml-model-on-the-amazon-ml-console.md). Si vous avez déjà créé un modèle, vous pouvez utiliser la source de données pour [evaluate an ML model](evaluating_models.md) ou [generate predictions](interpreting_predictions.md).
## Copie d'une source de données (console)
Lorsque vous souhaitez créer une source de données similaire à une source de données existante, vous pouvez utiliser la console Amazon ML pour copier la source de données d'origine et modifier ses paramètres. Par exemple, vous pouvez choisir de commencer par une source de données existante, puis de modifier le schéma de données pour qu'il corresponde mieux à vos données, de modifier la requête SQL utilisée pour décharger les données d'Amazon Redshift ou de spécifier un Gestion des identités et des accès AWS autre utilisateur (IAM) pour accéder au cluster Amazon Redshift.
**Pour copier et modifier une source de données Amazon Redshift**
1. Ouvrez la console Amazon Machine Learning à l'adresse [https://console.aws.amazon.com/machinelearning/](https://console.aws.amazon.com/machinelearning/).
1. Sur le tableau de bord Amazon ML, sous **Entités**, choisissez **Create new...** , puis choisissez **Datasource**.
1. Sur la page **Données d'entrée**, pour **Où sont vos données ?** , choisissez **Amazon Redshift**. Si vous avez déjà créé une source de données à partir des données Amazon Redshift, vous avez la possibilité de copier les paramètres d'une autre source de données.
![\[Amazon S3 and Amazon Redshift icons with option to copy settings from existing datasource.\]](http://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/images/infobar.png)
Si vous n'avez pas encore créé de source de données à partir des données Amazon Redshift, cette option n'apparaît pas.
1. Choisissez **Find a datasource**.
1. Sélectionnez la source de données que vous souhaitez copier, puis choisissez **Copier les paramètres.** Amazon ML remplit automatiquement la plupart des paramètres de la source de données avec les paramètres de la source de données d'origine. Il ne copie pas le mot de passe de la base de données, l'emplacement du schéma ni le nom de la source de données à partir de la source de données d'origine.
1. Modifiez tous les paramètres renseignés automatiquement que vous souhaitez. Par exemple, si vous souhaitez modifier les données déchargées par Amazon ML depuis Amazon Redshift, modifiez la requête SQL.
1. Pour **Database password**, tapez votre mot de passe de base de données. Amazon ML ne stocke ni ne réutilise votre mot de passe. Vous devez donc toujours le fournir.
1. (Facultatif) Pour l'**emplacement du schéma**, Amazon ML présélectionne **Je veux qu'Amazon ML génère un schéma recommandé** pour vous. Si vous avez déjà créé un schéma, choisissez **Je souhaite utiliser le schéma que j'ai créé et stocké dans Amazon S3** et saisissez le chemin d'accès à votre fichier de schéma dans Amazon S3.
1. (Facultatif) Pour **Datasource name**, tapez un nom pour votre source de données. Dans le cas contraire, Amazon ML génère un nouveau nom de source de données pour vous.
1. Choisissez **Vérifier**. Amazon ML vérifie qu'il peut se connecter à votre base de données Amazon Redshift.
1. (Facultatif) Si Amazon ML a déduit le schéma pour vous, sur la page **Schéma**, passez en revue les types de données pour tous les attributs et corrigez-les si nécessaire.
1. Sélectionnez **Continuer**.
1. Si vous voulez utiliser cette source de données pour créer ou évaluer un modèle d'apprentissage-machine, pour **Do you plan to use this dataset to create or evaluate an ML model?**, choisissez **Yes**. Si vous choisissez **Yes**, choisissez votre ligne cible. Pour en savoir plus sur les cibles, consultez [Utilisation du targetAttributeName terrain](creating-a-data-schema-for-amazon-ml.md#using-the-targetattributename-field).
Si vous voulez utiliser cette source de données avec un modèle que vous avez déjà créé, afin de créer des prédictions, choisissez **No**.
1. Sélectionnez **Continuer**.
1. Pour **Does your data contain an identifier ?**, si vos données ne contiennent pas d'identifiant de ligne, choisissez **No**.
Si vos données contiennent un identifiant de ligne, choisissez **Oui** et sélectionnez la ligne que vous souhaitez utiliser comme identifiant. Pour obtenir des informations sur les identifiants de ligne, consultez [Utilisation du champ rowID](creating-a-data-schema-for-amazon-ml.md#using-the-rowid-field).
1. Choisissez **Examiner**.
1. Passez en revue vos paramètres, puis choisissez **Terminer**.
Une fois que vous avez créé une source de données, vous pouvez l'utiliser pour [create an ML model](creating-ml-model-on-the-amazon-ml-console.md). Si vous avez déjà créé un modèle, vous pouvez utiliser la source de données pour [evaluate an ML model](evaluating_models.md) ou [generate predictions](interpreting_predictions.md).