翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Machine Learning 製品
販売者は、 AWS Marketplace を使用して、購入者が に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できます AWS。に記載されている Amazon SageMaker 製品には、次の 2 種類があります AWS Marketplace。
- モデルパッケージ
-
購入者による追加の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。
- アルゴリズム
-
予測を行う前に、購入者がトレーニングデータを提供する必要があるモデル。トレーニングアルゴリズムは含まれています。
これらの製品は、Amazon SageMaker コンソールまたは を通じて購入者が利用できます 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をサブスクライブすると、 SageMaker コンソールの製品リストに追加されます。購入者は AWS SDKs、 AWS Command Line Interface (AWS CLI)、または SageMaker コンソールを使用して、フルマネージド REST 推論エンドポイントを作成したり、データのバッチに対して推論を実行したりすることもできます。
Amazon で機械学習製品を作成するサポートについては SageMaker、 AWS Marketplace Seller Operations
機械学習製品の使用を開始する
AWS Marketplace は、Amazon を使用する 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どちらのタイプでも、予測を行うためのデプロイ可能な推論モデルが生成されます。
SageMaker モデルパッケージ
Amazon SageMaker モデルパッケージ製品には、事前トレーニング済みのモデルが含まれています。トレーニング済みのモデルは にデプロイ SageMaker して、リアルタイムまたはバッチで推論または予測を行うことができます。本製品には、モデルアーティファクト (存在する場合) を含むトレーニング済みの推論コンポーネントが含まれています。販売者は、 を使用してモデルをトレーニング SageMaker したり、独自のモデルを導入したりできます。
SageMaker アルゴリズム
購入者は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できます。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。では SageMaker、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で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。 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 SageMaker を保存します。 では SageMaker、購入者は、生成されたモデルアーティファクトとともに推論コンポーネントをデプロイして、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。
推論モデルのデプロイ
推論モデルがモデルパッケージから作成されたものであれ、アルゴリズムから作成されたものであれ、それらをデプロイするには次の 2 つの方法があります。
-
エンドポイント — このメソッドは SageMaker 、 を使用してモデルをデプロイし、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。データがエンドポイントに送信されると、 はそれをモデルコンテナに SageMaker 渡し、API レスポンスで結果を返します。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され続けます。
注記
では AWS Marketplace、エンドポイントメソッドはリアルタイム推論 と呼ばれ、 SageMaker ドキュメントではホスティングサービス と呼ばれます。詳細については、「Amazon にモデルをデプロイ SageMakerする」を参照してください。
-
バッチ変換ジョブ - この方法では、購入者は推論用データセットを Amazon S3 に保存します。バッチ変換ジョブが開始されると、 はモデルを SageMaker 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、その結果を S3 バケットに返します。ジョブが完了すると、 はジョブを SageMaker 停止します。詳細については、「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」を参照してください。
注記
はデータをモデルに渡し、結果を購入者に返すため SageMaker、どちらの方法もモデルに対して透過的です。