이 가이드는 아마존 세이지메이커 캔버스를 스노우플레이크에 연결해 노코드로 사기 탐지 모델을 만드는 2부 과정을 다룬다. 데이터 랭글러의 시각적 변환 기능으로 카드별·가맹점별 이상치 임계값과 시간대·요일 등 특징을 추출해 두 데이터를 조인하고, 카드번호 등 민감 정보는 제거한다. 정제된 데이터로 XGBoost 앙상블 알고리즘을 학습시켜 2종 분류(사기 여부) 모델을 구축하고, 특징 중요도와 혼동행렬로 성능을 검증한다. 학습된 모델의 예측 결과는 이후 아마존 퀵사이트로 전송돼 대시보드 시각화에 활용된다.

• •세이지메이커 캔버스를 스노우플레이크에 연결, 노코드로 사기 탐지 데이터 준비
• •데이터 랭글러로 카드·가맹점별 이상치 임계값, 시간대·인구통계 특징 생성
• •카드번호 등 민감 컬럼 제거 후 데이터 품질 분석 리포트로 사전 점검
• •XGBoost 앙상블로 2종 분류 모델 학습, 특징 중요도·혼동행렬로 성능 확인
• •예측 결과는 아마존 퀵사이트로 전송돼 3부에서 대시보드로 시각화