Amazon SageMaker AI は、フルマネージドの機械学習サービスです。データサイエンティストやデベロッパーは、Amazon SageMaker AI を使用することで、機械学習モデルを迅速に構築およびトレーニングし、本稼働に対応したホスト環境にデプロイできます。

自動化と環境

データを操作する

モデルを操作する

モデルをトレーニングする

機械学習モデルをトレーニングする方法について説明します。

推論用のモデルをデプロイする

推論用の機械学習モデルをデプロイする方法について説明します。

MLOps を実装する

Amazon SageMaker AI に機械学習オペレーションを実装する方法について説明します。

データとモデル品質をモニタリングする

データとモデルの品質をモニタリングする方法について説明します。

Docker コンテナを使用してモデルを構築する

Docker コンテナを使用して機械学習モデルを構築する方法について説明します

責任ある AI

バイアスを検出して説明を理解する

機械学習モデルのバイアスを検出し、説明を理解する方法について説明します。

ユーザーのガバナンス

ユーザーのガバナンスを使用してモデルのパフォーマンスを文書化および追跡する方法について説明します。

Amazon SageMaker AI でセキュリティを設定する

Amazon SageMaker AI でリソースを保護する方法について説明します。

リファレンス

API リファレンス

Amazon SageMaker AI のすべての API オペレーションについて詳しく説明します。

HTML PDF

Amazon SageMaker AI Python SDK

Amazon SageMaker AI Python SDK ライブラリを使用し、一般的な深層学習のフレームワークとアルゴリズムを適用して、モデルをトレーニングおよびデプロイします。

HTML GitHub

AWS SDK for Python (Boto3)

AWS SDK for Python (Boto3) を使用して、機械学習モデルを構築、トレーニング、およびデプロイするためのモデルのデータをフォーマットし、アプリケーションを構築します。

インストーラー SageMaker SageMakerRuntime

Amazon SageMaker AI のドキュメント

自動化と環境

開始方法

自動機械学習を使用する

機械学習環境を使用する

データを操作する

ヒューマンインザループでデータにラベルを付ける

データを準備する

データを処理する

機能を作成、保存、共有する

モデルを操作する

モデルをトレーニングする

推論用のモデルをデプロイする

MLOps を実装する

データとモデル品質をモニタリングする

Docker コンテナを使用してモデルを構築する

責任ある AI

バイアスを検出して説明を理解する

ユーザーのガバナンス

Amazon SageMaker AI でセキュリティを設定する

リファレンス

API リファレンス

Amazon SageMaker AI Python SDK

AWS SDK for Python (Boto3)