翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon SageMaker AI モデルと Amazon Quick Sight の統合

Amazon Quick Suite Enterprise Edition のデータは、Amazon SageMaker AI 機械学習モデルで拡張できます。Quick Suite でサポートされている任意のデータソースからSPICEインポートされた に保存されているデータに対して推論を実行できます。サポートされているデータソースの詳細な一覧については、サポートされているデータソースを参照してください。

SageMaker AI モデルで Quick Suite を使用すると、データ移動の管理やコードの記述に費やす時間を節約できます。この結果は、モデルの評価や、(結果に満足している場合は) 意思決定者との共有に有用です。モデルが作成された直後に開始できます。これにより、データサイエンティストが事前に構築したモデルが表れ、データサイエンスをデータセットに適用できるようになります。その後、予測ダッシュボードでこれらのインサイトを共有できます。Quick Suite サーバーレスアプローチを使用すると、プロセスはシームレスにスケールされるため、推論やクエリ容量について心配する必要はありません。

Amazon Quick Suite は、回帰アルゴリズムと分類アルゴリズムを使用する SageMaker AI モデルをサポートしています。この機能を適用すると、ほぼすべてのビジネスユースケースに関する予測を立てることができます。例えば、顧客の解約、従業員の離職、セールスリードの採点、信用リスクの評価などに予測を利用できます。Quick Suite を使用して予測を提供するには、入力と出力の両方の SageMaker AI モデルデータが表形式である必要があります。マルチクラス分類またはマルチラベル分類のユースケースでは、各出力列に単一の値を含める必要があります。Quick Suite は、1 つの列内の複数の値をサポートしていません。

SageMaker AI 統合の仕組み

一般に、プロセスは次のように動作します。

発生したコスト（統合自体による追加コストはありません）

この機能を使用すること自体に追加料金はかかりません。費用には以下が含まれます。

使用上のガイドライン

Amazon Quick Suite では、この Enterprise Edition 機能に次の使用ガイドラインが適用されます。

SageMaker AI では、Amazon Quick Sight で使用する事前トレーニング済みモデルに次の使用ガイドラインが適用されます。

スキーマファイルの定義

Quick Sight データで SageMaker AI モデルを使用する前に、Amazon Quick Sight がモデルを処理するために必要なメタデータを含む JSON スキーマファイルを作成します。Amazon Quick Suite の作成者または管理者は、データセットを設定するときにスキーマファイルをアップロードします。

スキーマフィールドは次のように定義されます。次の説明で指定されていない限り、すべてのフィールドは必須です。属性では、大文字と小文字が区別されます。

次の例は、スキーマファイル内の JSON の構造を示しています。

{
        "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"
    }

スキーマファイルの構造は、SageMaker AI が提供する例で使用されるモデルの種類に関連しています。

Quick Sight データセットへの SageMaker AI モデルの追加

次の手順を使用して、事前にトレーニングされた SageMaker AI モデルをデータセットに追加し、分析およびダッシュボードで予測データを使用できるようにします。

開始する前に、次の項目を使用可能にしておきます。