Amazon Redshift MLが一般公開、SQLでAIモデルの学習や予測が可能に：データのエクスポートや学習プロセスを自動実行できる

AWSはデータウェアハウスサービス「Amazon Redshift」のクラスタから、機械学習モデルの作成や学習、デプロイができる「Amazon Redshift ML」を一般公開した。学習済みモデルをSQL関数として使用できる。

[＠IT]

　Amazon Web Services（AWS）は2021年6月1日、「Amazon Redshift ML」（以下、Redshift ML）を一般公開した。データウェアハウスサービス「Amazon Redshift」（以下、Redshift）のクラスタから、機械学習モデルの作成や学習、デプロイができる。

　これまでRedshiftのデータを処理して機械学習モデルに与え、データウェアハウス内のデータを基にこのモデルに予測させるには手間がかかっていた。学習データをRedshiftから「Amazon S3」にエクスポートし、「Amazon SageMaker」などの学習プロセスを設定する必要があったからだ。Redshift MLを利用すると、これらの処理をSQL文で指定でき、自動実行が可能になる。

処理の流れはどうなっているのか

　Redshift MLのSQL文を実行すると、Redshift MLは指定されたデータをRedshiftからS3にエクスポートし、SageMaker Autopilotを呼び出してデータを準備する。その後、事前構築済みのアルゴリズムを適用して、モデルの学習を実施する。

Amazon Redshift MLの処理の流れ（出典：AWS）

　その際、オプションを指定することで「XGBoost」など、使用するアルゴリズムを特定可能だ。モデルの学習が完了すると、Redshift MLはSageMaker Neoを使用してモデルをデプロイ用に最適化し、SQL関数として使用できるようにする。

東京リージョンで利用可能

　Redshift MLを利用できるAWSリージョンは複数ある。米国東部（オハイオとバージニア北部）、米国西部（オレゴンとサンフランシスコ）、カナダ（中部）、欧州（フランクフルト、アイルランド、パリ、ストックホルム）、アジアパシフィック（香港、東京、シンガポール、シドニー）、南米（サンパウロ）だ。

　なお、SQL関数を使用して予測が可能なAWSの機械学習機能には、他に「Amazon Aurora ML」や「Amazon Athena ML」がある。Redshift MLは、SQLによって学習可能な点が、これらとは異なる。