Amazon Redshift ne prendra plus en charge la création de nouveaux Python UDFs à compter du 1er novembre 2025. Si vous souhaitez utiliser Python UDFs, créez la version UDFs antérieure à cette date. Le Python existant UDFs continuera à fonctionner normalement. Pour plus d'informations, consultez le billet de blog
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.
Entraîner des modèles de machine learning avec les données d'Amazon Redshift
À l'aide d'Amazon Redshift ML, vous pouvez entraîner un modèle en fournissant les données à Amazon Redshift. Amazon Redshift ML crée ensuite des modèles qui capturent les modèles dans les données entrées. Vous pouvez ensuite utiliser ces modèles pour générer des prédictions pour de nouvelles données entrées sans encourir de coûts supplémentaires. En utilisant Amazon Redshift ML, vous pouvez entraîner des modèles de machine learning en utilisant des instructions SQL et les invoquer dans des requêtes SQL pour la prédiction. Vous pouvez continuer à améliorer la précision des prédictions en changeant itérativement les paramètres et en améliorant vos données d'entraînement.
Amazon Redshift ML permet aux utilisateurs de SQL de créer, d'entraîner et de déployer facilement des modèles de machine learning à l'aide d'instructions SQL familières. En utilisant Amazon Redshift ML, vous pouvez utiliser vos données dans les clusters Amazon Redshift pour entraîner des modèles avec SageMaker Amazon AI Autopilot et obtenir automatiquement le meilleur modèle. Vous pouvez ensuite repérer les modèles et faire des prédictions à partir d'une base de données Amazon Redshift.
Pour plus d'informations sur Amazon Redshift ML, consultez Démarrer avec Amazon Redshift ML du guide du développeur de bases de données Amazon Redshift.
