SageMaker AI Canvas로 예측 모델 빌드 - Amazon Quick Suite
예측 모델 구축데이터세트 생성고려 사항

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

SageMaker AI Canvas로 예측 모델 빌드

Amazon Quick Suite 작성자는 데이터를 SageMaker AI Canvas로 내보내 Quick Suite로 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 Quick Suite 계정입니다. Quick Suite 계정이 IAM Identity Center와 통합되지 않은 경우 새 Quick Suite 계정을 생성하고 IAM Identity Center 지원 애플리케이션을 자격 증명 공급자로 사용을 선택합니다.

  • 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 Center를 참조하세요.

Amazon Quick Sight의 SageMaker AI Canvas에서 예측 모델 구축

SageMaker AI 캔버스에서 예측 모델을 빌드하는 방법

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

  2. 시각적 객체 메뉴를 열고 예측 모델 구축을 선택합니다.

  3. 나타나는 SageMaker AI Canvas에서 예측 모델 빌드 팝업에서 제공된 정보를 검토하고 SageMaker Canvas로 데이터 내보내기를 선택하세요.

  4. 나타나는 내보내기 창에서 내보내기가 완료되면, SageMaker Canvas로 이동을 선택하여 SageMaker AI 캔버스 콘솔로 이동하세요.

  5. 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 model을 참조하세요.

  6. 예측 모델을 Quick Sight로 다시 보냅니다. SageMaker AI Canvas에서 Amazon Quick Sight로 모델을 보내는 방법에 대한 자세한 내용은 Amazon Quick Sight로 모델 보내기를 참조하세요.

SageMaker AI Canvas 모델로 데이터세트 생성

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. Quick Suite 콘솔을 열고 왼쪽의 데이터를 선택한 다음 데이터세트 탭을 선택합니다.

  2. 새 데이터 세트를 업로드하거나 기존 데이터 세트를 선택합니다.

  3. 편집을 선택합니다.

  4. 데이터세트의 데이터 준비 페이지에서 추가를 선택한 다음, 예측 필드 추가를 선택하여 SageMaker AI를 사용한 증강 모달을 여세요.

  5. 모델에서 SageMaker AI Canvas에서 Quick Sight로 전송한 모델을 선택합니다. 고급 설정 창에 스키마 파일이 자동으로 채워집니다. 입력 내용을 검토한 후 다음을 선택합니다.

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

  7. 작업을 마쳤으면 데이터 준비를 선택합니다.

  8. 데이터 준비를 선택하면, 데이터 세트 페이지로 리디렉션됩니다. 새 데이터 세트를 게시하려면 게시 및 시각화를 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

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.