DataRobot AI 目錄透過 SQL 資料擷取實現模型開發

透過 DataRobot 的 AI 目錄釋放數據潛能！本指南將探討 JDBC 如何實現無縫的 SQL 數據提取。學習在 DataRobot 中精通 SQL 語句，為 AI 模型生成與預測分析提供動力。這份全面的操作指南將展示 DataRobot 為 AI 開發提供的簡便性與強大功能。

重點摘要

運用JDBC進行SQL資料擷取，可簡化資料載入DataRobot的流程。

SQL語句支援於DataRobot環境內執行模型生成與預測任務。

DataRobot AI目錄支援動態數據快照與SQL查詢應用。

DataRobot 作為強大的 AI 創建工具，提供多種數據存取方式。

理解 DataRobot 與 SQL 整合

何謂 DataRobot？

DataRobot 是一款專為企業打造的 AI 平台，旨在協助企業建構與部署 AI 解決方案。其具備自動化機器學習 (AutoML) 功能，讓使用者無需大量程式設計即可開發預測模型。透過 DataRobot，組織能簡化整個 AI 生命週期——從資料準備到模型部署與監控。該平台支援多元資料連接方式，以促進資料科學工作流程。

SQL 與 JDBC 在資料擷取中的角色

結構化查詢語言（SQL）是管理及從關聯式資料庫擷取資料的基礎語言。DataRobot透過Java資料庫連接（JDBC）運用SQL，實現與各類資料庫的連線，並藉由SQL查詢執行資料擷取。JDBC作為橋樑，將SQL請求轉換為資料庫系統可理解的指令。此強大整合使DataRobot能存取並處理企業級資料。

講者所指的 DataRobot 版本為 9.0，該版本已簡化其 API。本指南中的程式碼範例將反映此更新版本。

運用 SQL 與 DataRobot 的優勢

將 SQL 與 DataRobot 整合可帶來多項關鍵優勢：

• 精準數據篩選：SQL查詢能讓使用者鎖定模型訓練所需的精確數據，從而提升模型準確度與效率。
• 資料轉換：SQL 能在導入 DataRobot 前協助執行資料清理、彙總與轉換作業。
• 動態資料更新：JDBC使DataRobot能維持與資料庫的即時連線，讓模型運用最新資訊適應變動的資料模式。
• 強化資料治理：基於 SQL 的擷取機制確保資料存取符合既定安全與治理政策。

透過運用 SQL，資料科學家能有效運用既有技能，在 DataRobot 內提取並準備資料以進行 AI 模型開發。

將 SQL 資料提取至 DataRobot 的逐步指南

連接資料庫

第一步是建立 DataRobot 與目標資料庫之間的連線。

1. 存取 AI 目錄：在 DataRobot 介面中導航至 AI 目錄。

   

2. 新增資料連線：選擇新增資料來源選項。講者以現有SAP Hana資料庫與Snowflake連線為例進行說明。

3. 設定連線：輸入必要連線資訊，包含資料庫類型、伺服器位址、埠號、使用者名稱及密碼。

4. 測試連線：驗證連線狀態，確保 DataRobot 能與資料庫成功通訊。

建立連線後，即可進行資料擷取。

使用 SQL 查詢進行資料擷取

建立資料庫連線後，即可使用 SQL 查詢指定要擷取的資料。

1. 選擇資料連線。選取現有連線，系統將開啟「資料連線」彈出視窗。
2. 選擇 SQL 查詢選項

   ：選擇使用 SQL 查詢進行資料擷取。

3. 撰寫 SQL 查詢：在編輯器中輸入查詢語句，選取與 AI 專案相關的欄位與資料列。亦可執行基本操作，例如 ORDER BY 排序語句。
4. 執行查詢：執行 SQL 查詢以驗證其能否擷取正確資料。DataRobot 將驗證查詢並顯示結果預覽，範例如 SELECT 語句所示。

範例 SQL 語句包含：

• 僅選取基準欄位
• 使用 ORDER BY 隨機抽取資料表樣本

重要注意事項：請確保查詢中未使用 OUTER JOIN。

| 提示| 說明|| :--------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- || **避免使用 OUTER JOIN**| 目前 DataRobot 的 AI 目錄不支援含 OUTER JOIN 的 SQL 查詢。請使用標準 JOIN 操作以獲得最佳資料擷取效果。 || **驗證 SQL 查詢**| 確保 SQL 查詢語法正確且能返回預期結果。 請仔細檢查欄位名稱、資料表名稱及所有篩選條件。|| **理解資料來源**| 熟悉底層資料表結構及其關聯關係。 此舉有助編寫高效精準的SQL查詢。 || **建立動態查詢**| 可設計依據變動資料條件調整的動態SQL查詢，使AI模型更能因應真實情境。|| **考量資料量**| 注意提取資料的規模。 大型資料集處理時間較長，可能影響 DataRobot 效能。請優化 SQL 查詢以僅擷取必要資料。|| **確保憑證已載入** |請確認資料儲存庫中已存放連線資料庫的憑證，以便隨時使用。|

在 DataRobot 中匯入與準備資料

驗證 SQL 查詢後，將提取的資料匯入 DataRobot。

1. 註冊資料：註冊您的SQL查詢與憑證以供使用，請確認已選取正確選項。

   

2. 提供資料集摘要：協助使用者理解資料集內容與用途。

3. 建立專案：將 SQL 資料導入 DataRobot 後，啟動新專案。

4. 設定專案目標：選擇目標變數（欲預測的變數）。DataRobot將自動分析資料並推薦合適建模策略。

5. 啟動自動駕駛模式：啟用 DataRobot 的自動駕駛功能。此自動化流程將建立並評估大量機器學習模型，為您的資料集找出最佳表現者。

6. 部署最佳模型：DataRobot 處理數據並在排行榜上對模型進行排序，頂端選項標記為「推薦部署」。點擊標題即可部署並使用您的數據進行測試。

DataRobot透過AI目錄簡化資料擷取流程，該目錄可直接存取底層資料來源。

DataRobot 中運用進階 SQL 實現即時預測

透過動態資料實現即時預測

除批次模型訓練外，SQL整合功能使DataRobot能執行即時預測。透過配置即時JDBC連線，模型可直接從資料庫獲取最新資訊，確保預測始終基於最新數據。流程包含：

• 透過 SQL JDBC 查詢載入資料
• 允許模型根據此數據生成評估結果。
• 交付精準的 AI 驅動解決方案。

了解 DataRobot 定價方案

DataRobot 定價概覽

DataRobot 提供多種定價方案，可因應不同商業需求與使用規模。定價通常取決於使用者數量、部署規模，以及所需支援與服務等級等因素。因具體客戶需求可能導致價格變動，欲獲取精確且最新的定價細節，請透過官網直接聯繫 DataRobot，以確認該平台是否符合您的需求。

DataRobot 與 SQL 資料擷取：優缺點分析

優點

SQL資料擷取強化資料治理與安全性。

JDBC 連線支援動態資料更新的即時預測。

SQL 簡化資料篩選與轉換任務。

自動化機器學習加速模型開發進程。

缺點

OUTER JOIN 語句與 DataRobot AI 目錄不相容。

憑證管理可能較為複雜。

定價結構可能對部分使用者構成挑戰。

平台可能存在陡峭的初始學習曲線。

DataRobot 關鍵功能

DataRobot 功能

DataRobot 是一個具備多項突出功能的綜合性平台。

• 自動化機器學習 (AutoML)
• DataRobot AI 目錄
• JDBC 連接功能，用於 SQL 資料擷取
• 模型部署與監控
• 協作與治理工具

DataRobot SQL 整合的實際應用案例

應用案例示範

以下實務應用案例展現 DataRobot SQL 整合的強大效能：

• 預測性維護：運用 SQL 從工業設備資料庫提取感測器數據。DataRobot 模型可據此預測維護需求，減少停機時間並提升營運效率。
• 詐欺偵測：透過 SQL 查詢從金融資料庫提取交易數據，使 DataRobot 能即時識別詐欺活動並防止財務損失。
• 個人化行銷：透過 SQL 從客戶資料庫提取資料，使 DataRobot 能量身打造行銷活動，提升客戶參與度與轉換率。
• 風險評估：金融服務領域中，SQL 提取信用歷史與市場數據，使 DataRobot 能執行精準的貸款風險評估。
• 供應鏈優化：從供應鏈資料庫提取數據，使DataRobot能優化物流、管理庫存並預測潛在中斷。

這些實例說明 DataRobot 結合 SQL 如何跨產業應用，以提升決策品質與營運績效。

常見問題

DataRobot 可透過 JDBC 連接哪些類型的資料庫？

DataRobot 透過 JDBC 支援多種資料庫，包括 MySQL、PostgreSQL、Oracle、SQL Server、SAP Hana 及 Snowflake。

能否在 DataRobot 的 SQL 整合中使用儲存程序？

可以，您可在 DataRobot 執行的 SQL 查詢中整合儲存程序，用於資料操作與檢索。

使用 DataRobot 的 SQL 功能有何限制？

目前 DataRobot 不支援 SQL 查詢中的 OUTER JOIN 操作。此外，透過 SQL 提取超大規模資料集可能影響效能，需進行查詢優化。

如何確保透過 DataRobot 連接資料庫時的資料安全性？

DataRobot 支援加密連線（SSL）及安全憑證管理，確保資料存取符合安全政策與法規要求。

相關問題

自動化機器學習（AutoML）的主要優勢為何？

自動化機器學習（AutoML）提供多項顯著優勢，可加速人工智慧開發進程：提升效率：自動化處理特徵工程、模型選擇及超參數調校等手動任務。普及化人工智慧：讓程式設計經驗有限的使用者也能輕鬆運用人工智慧，使商業分析師得以建立模型。縮短價值實現時間：加速模型開發週期，實現快速迭代與部署——此為維持競爭優勢的關鍵要素。 提升模型效能：透過自動化超參數調校與模型組合技術，AutoML產出的結果往往優於人工調校模型。其能評估並整合多種模型，為特定資料集找出最佳配置。擴展性：AutoML協助企業高效擴展AI計畫，讓資料科學家能處理更高量的專案與模型，對擁有多元資料來源及複雜分析需求的企業尤為實用。