Un team vuole creare un modello di previsione del churn ed eseguire previsioni direttamente all'interno di un cluster Amazon Redshift utilizzando Redshift ML. Quali passaggi dovrebbero intraprendere? (Scegliere tre.)

Per creare un modello di previsione del churn con Redshift ML, il team deve prima identificare e definire le colonne delle feature e la variabile target (il churn) all'interno dei dati di Redshift. Questo è fondamentale per qualsiasi progetto di machine learning. Successivamente, il modello viene creato direttamente in Redshift utilizzando l'istruzione SQL CREATE MODEL. Questa istruzione gestisce l'esportazione dei dati, l'addestramento (spesso con SageMaker Autopilot) e l'importazione del modello. Infine, per ottenere previsioni su nuovi dati, si utilizza la funzione di previsione SQL integrata di Redshift ML. Le opzioni errate sono: Utilizzare la funzione SQL EXPLAINMODEL per eseguire le previsioni. EXPLAINMODEL serve per l'interpretabilità del modello, non per le previsioni. Addestrare il modello utilizzando Amazon Redshift Spectrum. Redshift Spectrum è per interrogare dati esterni in S3, non per l'addestramento di modelli ML. L'addestramento avviene tramite l'integrazione con SageMaker. Esportare manualmente il set di dati di addestramento da Redshift ad Amazon S3 prima dell'addestramento. Redshift ML automatizza questo processo quando si usa CREATE MODEL.