Amazon 向けプログラミングモデル SageMaker

コードから直接 API コールを行うのは煩雑であり、リクエストを認証するコードを作成する必要があります。Amazon SageMaker では以下の代替手段を提供しています。

• SageMaker コンソールの使用 — コンソールではコードを記述する必要はありません。コンソール UI を使用して、モデルトレーニングを開始したり、モデルをデプロイしたりします。このコンソールは、組み込みのトレーニングアルゴリズムを使用した、トレーニングデータを前処理する必要のない簡単なジョブに適しています。

   

• Jupyter ノートブックの例を変更 — 特定のアルゴリズムとデータセットを使用してモデルをトレーニングおよびデプロイする Jupyter SageMaker ノートブックがいくつか用意されています。適切なアルゴリズムを備えたノートブックから始め、データソースと特定のニーズに合わせてそれを変更します。

   

• モデルトレーニングと推論コードをゼロから作成 — 複数の AWS SDK 言語 (概要に記載) と、Amazon SageMaker Python SDK (コード内でモデルトレーニングジョブを開始し、結果のモデルをデプロイするために使用できる高レベル Python ライブラリ) SageMaker が用意されています。

   

  • SageMaker Python SDK —この Python ライブラリは、モデルのトレーニングとデプロイを簡素化します。ライブラリは、リクエストを認証するだけでなく、簡単なメソッドとデフォルトのパラメータを提供することによって、プラットフォームの特質を抽象化します。例:

     

    • モデルをデプロイするには、deploy() メソッドを呼び出すだけです。このメソッドは、 SageMaker モデルアーティファクト、つまりエンドポイント設定を作成し、そのモデルをエンドポイントにデプロイします。

       

    • モデルトレーニングにカスタムフレームワークスクリプトを使用する場合は、fit() メソッドを呼び出します。このメソッドは、スクリプトの .gzip ファイルを作成し、それを Amazon S3 の場所にアップロードした後、モデルトレーニングやその他のタスク用に実行します。詳細については、「機械学習フレームワークと言語」を参照してください。

       

    • SageMaker Python SDK による SageMaker API 呼び出しのデフォルトを設定するには、デフォルト設定ディクショナリを使用します。詳細については、「 SageMaker Python SDK でのデフォルトの設定と使用」を参照してください。

       

  • AWS SDK — SDK は SageMaker API に対応するメソッドを提供します (「」を参照 Operations)。SDK を使用してモデルトレーニングジョブをプログラムで開始し、モデルをでホストします。 SageMakerSDK クライアントは認証を自動で処理するため、認証コードを記述する必要はありません。これらは、複数の言語とプラットフォームで利用できます。詳細については、概要の前述のリストを参照してください。

     

  では使用を開始する、が提供するアルゴリズムを使用してモデルをトレーニングしてデプロイします。 SageMakerこの演習ではこれらの両方のライブラリを使用する方法を示しています。詳細については、「使用を開始する」を参照してください。

   

• Apache Spark SageMaker ワークフローへの統合 — Apache Spark から API SageMaker を呼び出すためのライブラリを提供します。これにより、Apache Spark SageMaker パイプラインでベースの見積もりツールを使用できます。詳細については、「Amazon で Apache Spark を使う SageMaker」を参照してください。