Amazon Redshift機(jī)器學(xué)習(xí)功能正式推出

現(xiàn)在用戶可以直接在AWS云計(jì)算數(shù)據(jù)倉庫Amazon Redshift中，以SQL指令創(chuàng)建機(jī)器學(xué)習(xí)模型。這項(xiàng)稱作Redshift ML的功能，讓用戶可以使用SQL語法，查詢訓(xùn)練資料以及指定預(yù)測的輸出值，不需要麻煩地人工移動資料，就能快速啟動機(jī)器學(xué)習(xí)模型訓(xùn)練流程?，F(xiàn)在Redshift ML已經(jīng)在美東、美西、歐洲和南美上線，而亞太則在香港、東京與雪梨地區(qū)提供。

Amazon Redshift是AWS的云計(jì)算數(shù)據(jù)倉庫服務(wù)，供用戶以SQL跨數(shù)據(jù)倉庫、運(yùn)營數(shù)據(jù)庫和資料湖等EB級存儲，對結(jié)構(gòu)化和半結(jié)構(gòu)化資料進(jìn)行查詢，AWS提到，當(dāng)用戶要使用這些資料，訓(xùn)練機(jī)器學(xué)習(xí)模型時，需要將資料從Amazon Redshift導(dǎo)出到對象存儲S3存儲桶中，并且配置像是Amazon SageMaker服務(wù)，來啟動機(jī)器學(xué)習(xí)訓(xùn)練流程，這個過程繁瑣且需要多項(xiàng)技能，通常要集結(jié)多人才能完成。

為了簡化使用Amazon Redshift資料，進(jìn)行機(jī)器學(xué)習(xí)運(yùn)算的麻煩，AWS在Redshift加入機(jī)器學(xué)習(xí)功能，供用戶直接從Redshift集群創(chuàng)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型，通過SQL指令創(chuàng)建模型后，Redshift ML會自動將資料從Redshift導(dǎo)出至S3存儲桶，并且調(diào)用SageMaker Autopilot來準(zhǔn)備資料，進(jìn)行預(yù)處理和特征工程。接著會選擇適當(dāng)?shù)念A(yù)構(gòu)建算法，并在資料上使用該算法以訓(xùn)練模型，當(dāng)然，用戶也能選擇使用特定的算法。

Redshift ML功能自動處理了Redshift、S3和SageMaker之間的所有交互操作，包括訓(xùn)練和編譯涉及到的所有步驟。在模型訓(xùn)練完成后，Redshift ML還會使用SageMaker Neo來優(yōu)化模型進(jìn)行部署，并且以SQL函數(shù)的形式，來提供機(jī)器學(xué)習(xí)運(yùn)算，因此用戶就能夠使用SQL函數(shù)，將機(jī)器學(xué)習(xí)模型用于查詢、報(bào)告和儀表板上的資料。

另外，用戶可以導(dǎo)入SageMaker模型到Redshift集群中，執(zhí)行本地端推理，也能夠創(chuàng)建在既有SageMaker端點(diǎn)執(zhí)行遠(yuǎn)程推理的SQL函數(shù)，不過，在后者的模式，Redshift ML將會進(jìn)行批處理，以加速處理速度。