기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# SageMaker AI Canvas로 예측 모델 빌드
<a name="sagemaker-canvas-integration"></a>

Amazon Quick 작성자는 데이터를 SageMaker AI Canvas로 내보내 Quick로 다시 전송할 수 있는 ML 모델을 빌드할 수 있습니다. 작성자는 이러한 ML 모델을 사용하여 분석 및 대시보드를 구축하는 데 사용할 수 있는 예측 분석으로 데이터 세트를 보강할 수 있습니다.

**사전 조건**
+ IAM Identity Center와 통합된 빠른 계정입니다. Quick 계정이 IAM Identity Center와 통합되지 않은 경우 새 Quick 계정을 생성하고 **IAM Identity Center 지원 애플리케이션을 자격 증명 공급자로 사용을** 선택합니다.
  + IAM 자격 증명 센터에 대한 자세한 내용은 [시작하기](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html)를 참조하세요.
  + Quick을 IAM Identity Center와 통합하는 방법에 대한 자세한 내용은 섹션을 참조하세요[IAM Identity Center를 사용하여 Amazon Quick 계정 구성](setting-up-sso.md#sec-identity-management-identity-center).
  + 기존 Quick 계정에서 IAM Identity Center와 통합된 새 Quick 계정으로 자산을 가져오려면 [자산 번들 작업을](https://docs.aws.amazon.com/quicksight/latest/developerguide/asset-bundle-ops.html) 참조하세요.
+ IAM Identity Center와 통합된 새로운 SageMaker AI 도메인. IAM Identity Center를 사용하여 SageMaker AI 도메인에 온보딩하는 방법에 대한 자세한 내용은 [Onboard to SageMaker AI Domain using IAM Identity Center](https://docs.aws.amazon.com/sagemaker/latest/dg/onboard-sso-users.html)를 참조하세요.

**Topics**
+ [Amazon Quick Sight의 SageMaker AI Canvas에서 예측 모델 구축](#sagemaker-canvas-integration-create-model)
+ [SageMaker AI Canvas 모델로 데이터세트 생성](#sagemaker-canvas-integration-create-dataset)
+ [고려 사항](#sagemaker-canvas-integration-considerations)

## Amazon Quick Sight의 SageMaker AI Canvas에서 예측 모델 구축
<a name="sagemaker-canvas-integration-create-model"></a>

**SageMaker AI 캔버스에서 예측 모델을 빌드하는 방법**

1. Amazon Quick에 로그인하고 예측 모델을 생성하려는 테이블 형식 테이블 또는 피벗 테이블로 이동합니다.

1. **시각적 객체 메뉴를 열고 예측 모델 구축**을 선택합니다.

1. 나타나는 **SageMaker AI Canvas에서 예측 모델 빌드** 팝업에서 제공된 정보를 검토하고 **SageMaker Canvas로 데이터 내보내기**를 선택하세요.

1. 나타나는 **내보내기** 창에서 내보내기가 완료되면, **SageMaker Canvas로 이동**을 선택하여 SageMaker AI 캔버스 콘솔로 이동하세요.

1. SageMaker AI Canvas에서 Quick Sight에서 내보낸 데이터를 사용하여 예측 모델을 생성합니다. 예측 모델을 만드는 데 도움이 되는 가이드 투어를 따르거나, 둘러보기를 건너뛰고 원하는 속도에 맞춰 작업할 수 있습니다. SageMaker AI Canvas에서 예측 모델을 생성하는 방법에 대한 자세한 내용은 [Build a model](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model-how-to.html#canvas-build-model-numeric-categorical)을 참조하세요.

1. 예측 모델을 Quick Sight로 다시 보냅니다. SageMaker AI Canvas에서 Amazon Quick Sight로 모델을 보내는 방법에 대한 자세한 내용은 [Amazon Quick Sight로 모델 보내기를 참조하세요](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-model-to-quicksight.html).

## SageMaker AI Canvas 모델로 데이터세트 생성
<a name="sagemaker-canvas-integration-create-dataset"></a>

SageMaker AI Canvas에서 예측 모델을 생성하고 Quick Sight로 다시 전송한 후 새 모델을 사용하여 새 데이터 세트를 생성하거나 기존 데이터 세트에 적용합니다.

**데이터 세트에 예측 필드 추가**

1. 빠른 콘솔을 열고 왼쪽의 **데이터를** 선택한 다음 **데이터 세트** 탭을 선택합니다.

1. 새 데이터 세트를 업로드하거나 기존 데이터 세트를 선택합니다.

1. **편집**을 선택합니다.

1. 데이터세트의 데이터 준비 페이지에서 **추가**를 선택한 다음, **예측 필드** 추가를 선택하여 **SageMaker AI를 사용한 증강** 모달을 여세요.

1. **모델에서** SageMaker AI Canvas에서 Quick Sight로 전송한 모델을 선택합니다. **고급 설정** 창에 스키마 파일이 자동으로 채워집니다. 입력 내용을 검토한 후 **다음**을 선택합니다.

1. **결과 검토** 창에서 SageMaker AI Canvas에서 생성한 모델이 대상으로 지정할 열의 필드 이름과 설명을 입력하세요.

1. 작업을 마쳤으면 **데이터 준비**를 선택합니다.

1. **데이터 준비**를 선택하면, 데이터 세트 페이지로 리디렉션됩니다. 새 데이터 세트를 게시하려면 **게시 및 시각화**를 선택합니다.

SageMaker AI Canvas의 모델을 사용하는 새 데이터세트를 게시하면 데이터를 SPICE로 가져오고 SageMaker AI에서 배치 추론 작업을 시작합니다. 이 프로세스가 완료되는 데 최대 10분이 걸릴 수 있습니다.

## 고려 사항
<a name="sagemaker-canvas-integration-considerations"></a>

Quick Sight 데이터를 사용한 SageMaker AI Canvas 모델 생성에는 다음 제한 사항이 적용됩니다.
+ SageMaker AI Canvas로 데이터를 보내는 데 사용되는 **예측 모델 빌드** 옵션은 테이블 및 테이블 형식의 피벗 테이블 시각적 객체에서만 사용할 수 있습니다. 표 또는 피벗 테이블 시각적 객체에는 필드가 2\~1,000개, 행이 500개 이상 있어야 합니다.
+ 정수 또는 지리 데이터 유형이 포함된 데이터 세트는 데이터 세트에 예측 필드를 추가할 때 스키마 매핑 오류가 발생합니다. 이 문제를 해결하려면 데이터 세트에서 정수 또는 지리 데이터 유형을 제거하거나 새 데이터 유형으로 변환하세요.