Tutorial per Amazon Redshift ML - Amazon Redshift

Amazon Redshift non supporterà più la creazione di nuove UDF Python a partire dal 1º novembre 2025. Se desideri utilizzare le UDF Python, creale prima di tale data. Le UDF Python esistenti continueranno a funzionare normalmente. Per ulteriori informazioni, consulta il post del blog.

Tutorial per Amazon Redshift ML

Con funzionalità di machine learning di Amazon Redshift, è possibile addestrare modelli di machine learning utilizzando istruzioni SQL e quindi richiamarli nelle query SQL per generare previsioni. Il machine learning in Amazon Redshift addestra un modello con un comando SQL. Amazon Redshift avvia automaticamente un job di addestramento in Amazon SageMaker AI e genera un modello. Dopo aver creato un modello, è possibile eseguire previsioni in Amazon Redshift utilizzando la funzione di previsione del modello.

Seguire la procedura descritta in questi tutorial per scoprire le funzionalità di funzionalità di machine learning di Amazon Redshift.

  • Tutorial: Creazione di modelli di abbandono dei clienti: in questo tutorial utilizzi Amazon Redshift ML per creare un modello di abbandono dei clienti con il comando CREATE MODEL ed eseguire query di previsione per gli scenari utente. Implementerai quindi le query utilizzando la funzione SQL generata dal comando CREATE MODEL.

  • Tutorial: Creazione di modelli di clustering K-means: in questo tutorial utilizzi Amazon Redshift ML per creare, addestrare e implementare un modello di machine learning basato sull’algoritmo K-means.

  • Tutorial: Creazione di modelli di classificazione multi-classe: in questo tutorial utilizzi Amazon Redshift ML per creare un modello di machine learning che risolva i problemi di classificazione multiclasse. L'algoritmo di classificazione multi-classe classifica i punti dati in una delle tre o più classi. Implementerai quindi le query utilizzando la funzione SQL generata dal comando CREATE MODEL.

  • Tutorial: Creazione di modelli XGBoost: in questo tutorial crei un modello con i dati di Amazon S3 ed esegui query di previsione con il modello utilizzando Amazon Redshift ML. L'algoritmo XGBoost è un'implementazione ottimizzata dell'algoritmo degli alberi di gradient boosting.

  • Tutorial: Creazione di modelli di regressione: in questo tutorial utilizzi Amazon Redshift ML per creare un modello di regressione basato sul machine learning ed eseguire query di previsione sul modello. I modelli di regressione consentono di prevedere risultati numerici, ad esempio il prezzo di un immobile o quante persone utilizzeranno il servizio di noleggio biciclette di una città.

  • Tutorial: Creazione di modelli di regressione con Linear Learner: in questo tutorial crei un modello basato sull’algoritmo Linear Learner con i dati di Amazon S3 ed esegui query di previsione con il modello utilizzando Amazon Redshift ML. L’algoritmo Linear Learner di SageMaker AI risolve i problemi di regressione o classificazione multiclasse.

  • Tutorial: Creazione di modelli di classificazione multi-classe con Linear Learner: in questo tutorial crei un modello Linear Learner con i dati di Amazon S3, quindi esegui query di previsione con il modello utilizzando Amazon Redshift ML. L’algoritmo Linear Learner di SageMaker AI risolve i problemi di regressione o classificazione.