Un equipo quiere construir un modelo de predicción de abandono de clientes (churn) y ejecutar predicciones directamente dentro de un clúster de Amazon Redshift usando Redshift ML. ¿Qué pasos deberían seguir? (Elija tres.)

Para construir y usar un modelo de predicción de abandono con Redshift ML, primero se deben identificar las columnas de características y la variable objetivo (churn) dentro de los datos de Redshift. Luego, se crea el modelo directamente en Redshift usando la sentencia SQL CREATE MODEL, que abstrae el entrenamiento en SageMaker. Finalmente, para obtener predicciones, se utiliza la función de predicción SQL específica de Redshift ML sobre los nuevos datos. Las opciones incorrectas son: EXPLAINMODEL se usa para comprender el modelo, no para predicciones; Redshift ML entrena internamente, no usa Redshift Spectrum para el entrenamiento; y no es necesario exportar manualmente los datos a S3, ya que Redshift ML gestiona esto internamente.