Machine Learning 製品

販売者として、AWS Marketplace購入者がデプロイできる機械学習 (ML) アルゴリズムとモデルを作成するためにAWS。Amazon には 2 つのタイプがあります SageMaker にリストされている製品AWS Marketplace:

モデルパッケージ

購入者によるさらなるトレーニングを必要としない、予測を行うための事前トレーニング済みモデル。

Algorithm

購入者が予測を行う前にトレーニングデータを提供することを要求するモデル。トレーニングアルゴリズムが含まれています。

これらの商品は、Amazonを通じて購入者が購入できます SageMaker コンソールまたはAWS Marketplace。購入者は、製品説明、ドキュメント、カスタマーレビュー、料金表、サポート情報を確認できます。モデルパッケージ製品またはアルゴリズム製品のいずれかにサブスクライブすると、 SageMaker console. 購入者も使用できますAWSSDK、AWS Command Line Interface(AWS CLI)、または SageMaker コンソールを使用して、完全に管理された REST 推論エンドポイントを作成するか、データのバッチに対して推論を実行します。

Amazon による機械学習製品の作成に関するサポート SageMaker、問い合わせ中AWS Marketplace販売者オペレーション。

機械学習製品の開始方法

AWS MarketplaceAmazonを使用して、2つの機械学習製品タイプをサポートしています SageMaker。モデルパッケージ製品とアルゴリズム製品の両方のタイプは、予測を行うための展開可能な推論モデルを生成します。

SageMaker モデルパッケージ

Anアマゾン SageMaker モデルパッケージ製品には、事前トレーニング済みモデルが含まれています。事前にトレーニングされたモデルは SageMaker リアルタイムまたはバッチで推論または予測を行う。この製品には、モデルアーティファクトのあるトレーニング済み推論コンポーネントが含まれています (存在する場合)。販売者は、を使用してモデルをトレーニングできます SageMaker またはBring Your Own

SageMaker アルゴリズム

バイヤーはaを使うことができますSageMakerアルゴリズム製品を使用して、完全な機械学習ワークロードを実行します。アルゴリズム製品には、トレーニングと推論という 2 つの論理コンポーネントがあります。In (イン) SageMakerでは、購入者は独自のデータセットを使用して、トレーニングコンポーネントを使用してトレーニングジョブを作成します。トレーニングコンポーネントのアルゴリズムが完了すると、機械学習モデルのモデルアーティファクトが生成されます。 SageMaker は、購入者の Amazon Simple Storage Service (Amazon S3) バケットにモデルアーティファクトを保存します。 In (イン) SageMakerでは、購入者は、生成されたモデル成果物とともに推論コンポーネントを展開して、リアルタイムまたはバッチで推論 (または予測) を実行できます。

推論モデルの展開

推論モデルがモデルパッケージから作成されるか、アルゴリズムから作成されるかにかかわらず、それらを展開する方法は2つあります。

• 終点— この方法では SageMaker をクリックして、モデルをデプロイして、API エンドポイントを作成します。購入者は、このエンドポイントをバックエンドサービスの一部として使用して、アプリケーションを強化できます。エンドポイントにデータを送信すると、 SageMaker それをモデルコンテナに渡し、結果を API レスポンスで返します。エンドポイントとコンテナは、購入者が停止するまで実行し続けます。

  注記

  In (イン)AWS Marketplaceでは、エンドポイントの方法は次のように呼ばれます。リアルタイム推論、および SageMaker ドキュメント、それはと呼ばれていますホスティングサービス。詳細については、次を参照してください。Amazon でモデルをデプロイする SageMaker。

• Batch 変換ジョブ— この方法では、購入者は推論用のデータセットを Amazon S3 に保存します。バッチ変換ジョブが開始されると、 SageMaker はモデルをデプロイし、S3 バケットからモデルのコンテナにデータを渡して、結果を S3 バケットに返します。ジョブが完了すると、 SageMaker 仕事が止まる。詳細については、次を参照してください。バッチ変換を使用してデータセット全体の推論を取得する。

  注記

  どちらの方法もモデルに対して透過的です。 SageMakerデータをモデルに渡し、結果を購入者に返します。