Amazon Redshift non supporterà più l'uso delle UDF di Python dopo il 30 giugno 2026. Inizieremo ad applicarlo gradualmente. Per ulteriori informazioni sulla fine del ciclo di vita di Python e sulle opzioni di migrazione, consulta il [post sul blog](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/) pubblicato il 30 giugno 2025. Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Addestramento dei modelli di machine learning con i dati Amazon Redshift Grazie ad Amazon Redshift Machine Learning (Amazon Redshift ML), è possibile addestrare un modello fornendo i dati ad Amazon Redshift. Quindi Amazon Redshift ML crea modelli che acquisiscono i pattern nei dati di input. È possibile quindi utilizzare questi modelli per generare previsioni per i nuovi dati di input senza dover sostenere costi aggiuntivi. Grazie ad Amazon Redshift ML, è possibile addestrare modelli di machine learning utilizzando istruzioni SQL e richiamarli nelle query SQL per la previsione. È possibile continuare a migliorare l'accuratezza delle previsioni modificando iterativamente i parametri e migliorando i dati di addestramento. Amazon Redshift ML rende più semplice agli utenti SQL la creazione, l'addestramento e l'implementazione dei modelli di machine learning utilizzando i familiari comandi SQL. Utilizzando Amazon Redshift ML, puoi utilizzare i tuoi dati nei cluster Amazon Redshift per addestrare i modelli con Amazon SageMaker AI Autopilot e ottenere automaticamente il modello migliore. Puoi quindi localizzare i modelli e fare previsioni all'interno di un database Amazon Redshift. Per ulteriori informazioni su Amazon Redshift ML, consultare [Nozioni di base su Amazon Redshift ML](https://docs.aws.amazon.com/redshift/latest/dg/getting-started-machine-learning.html) nella *Guida per gli sviluppatori di database Amazon Redshift*.