Amazon SageMaker とは - Amazon SageMaker

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。

Amazon SageMaker とは

Amazon SageMaker は、フルマネージド型の機械学習サービスです。SageMaker では、データサイエンティストやデベロッパーが迅速かつ簡単に機械学習モデルの構築とトレーニングを行うことができ、それらを稼働準備が整ったホストされている環境に直接デプロイできます。統合された Jupyter オーサリングノートブックインスタンスから、調査および分析用のデータソースに簡単にアクセスできるため、サーバーを管理する必要がありません。また、一般的な機械学習アルゴリズムも使用できます。そうしたアルゴリズムは、分散環境できわめて大容量のデータに対しても効率良く実行できるよう最適化されています。独自のアルゴリズムやフレームワークもネイティブでサポートされるため、SageMaker は、特定のワークフローに適応する柔軟な分散トレーニングオプションを提供します。SageMaker Studio または SageMaker コンソールから数クリックで起動することで、安全でスケーラブルな環境にモデルをデプロイします。トレーニングとホスティングは、分ごとの使用量で課金されます。最低料金や前払いの義務はありません。

このガイドには、SageMaker の機能に関する情報とチュートリアルが含まれています。詳細については、「Amazon SageMaker デベロッパーリソース」を参照してください。

トピック

Amazon SageMaker の機能

Amazon SageMaker には次の機能があります。

SageMaker Studio

統合された機械学習環境。この環境では、モデルの構築、トレーニング、デプロイ、分析をすべて同じアプリケーションで行うことができます。

SageMaker モデルレジストリ

機械学習モデルのデプロイに対するバージョニング、アーティファクトと系統の追跡、承認ワークフロー、クロスアカウントのサポート。

SageMaker プロジェクト

SageMaker プロジェクトを使用し、CI/CD でエンドツーエンドの ML ソリューションを作成します。

SageMaker モデル構築パイプライン

SageMaker ジョブと直接統合された機械学習パイプラインを作成して管理します。

SageMaker ML 系統追跡

機械学習ワークフローの系統を追跡します。

SageMaker Data Wrangler

SageMaker Studio でデータをインポート、分析、準備、特徴化します。Data Wrangler を機械学習ワークフローに統合して、コーディングをほとんどまたはまったく使わずにデータの前処理と特徴エンジニアリングを簡素化および合理化できます。独自の Python スクリプトと変換を追加してデータの事前ワークフローをカスタマイズすることもできます。

SageMaker Feature Store

特徴の検出と再利用を容易にする、特徴と関連メタデータの一元管理ストア。2 種類のストア (オンラインストアまたはオフラインストア) を作成できます。オンラインストアは低レイテンシーのリアルタイム推論のユースケースに、オフラインストアはトレーニングやバッチ推論に使用されます。

SageMaker JumpStart

デプロイ可能なキュレート 1 クリックソリューション、サンプルノートブック、事前トレーニング済みモデルを通じて、SageMaker の機能について学習できます。モデルを微調整してデプロイすることもできます。

SageMaker Clarify

潜在的なバイアスの検出によって機械学習モデルを改善し、モデルが作成する予測を説明するのに役立ちます。

SageMaker Edge Manager

エッジデバイスのカスタムモデルを最適化し、フリートの作成および管理を行い、効率的なランタイムでモデルを実行します。

SageMaker Ground Truth

ワーカーと機械学習を使用して、ラベル付きデータセットを作成する高品質のトレーニングデータセット。

Amazon Augmented AI

ML 予測の人間によるレビューに必要なワークフローを構築します。Amazon A2I は、人間によるレビューのシステム構築や人間によるレビューの多数の担当者の管理に伴う画一的で面倒な作業を取り除き、すべてのデベロッパーが人間によるレビューが行えるようにします。

SageMaker Studio ノートブック

AWS Single Sign-On (AWS SSO) 統合、起動時間の短縮、シングルクリック共有を含む次世代の SageMaker ノートブック。

SageMaker 実験

実験の管理と追跡。追跡されたデータを使用して実験を再構築し、ピアによって実施された実験を段階的に構築できるほか、コンプライアンスと監査の検証のためにモデル系統をトレースできます。

SageMaker Debugger

トレーニングプロセス全体を通して、トレーニングパラメータとデータを検査します。パラメータ値が大きすぎたり小さすぎたりするなど、一般的に発生するエラーを自動的に検出し、ユーザーに警告します。

SageMaker Autopilot

機械学習の知識を持たないユーザーでも、分類モデルと回帰モデルをすばやく構築できます。

SageMaker モデルモニタ

本番環境のモデル (エンドポイント) を監視および分析して、データドリフトとモデル品質の偏差を検出します。

SageMaker Neo

機械学習モデルを一度トレーニングすれば、クラウド内およびエッジ内の任意の場所で実行できます。

SageMaker Elastic Inference

スループットを高速化し、リアルタイムの推論を取得する際のレイテンシーを短縮します。

強化学習

エージェントがその行動の結果として受け取る長期的な報酬を最大化します。

前処理

データの分析と前処理、特徴エンジニアリングへの取り組み、モデルの評価を行います。

バッチ変換

データセットを事前処理し、永続的なエンドポイントが不要なときに推論を実行し、入力レコードを推論に関連付けて結果の解釈を支援します。

Amazon SageMaker の料金

他の AWS 製品と同様、Amazon SageMaker を使用するための契約や最低契約金は必要ありません。SageMaker の使用料金に関しては、「SageMaker の料金」を参照してください。

Amazon SageMaker を初めてお使いになる方向けの情報

SageMaker を初めて使用する方には、次のことをお勧めします。

  1. Amazon SageMaker の仕組み」を読む – このセクションでは、SageMaker の概要を示し、主要な概念について説明して、SageMaker による AI ソリューションの構築に関係するコアコンポーネントについて説明します。このトピックを記載されている順序で読むことをお勧めします。

  2. Amazon をセットアップする SageMaker 前提条件 - このセクションでは、AWS アカウントを設定する方法について説明します。

  3. Amazon SageMaker Autopilot は、機械学習タスクを自動化することで、機械学習体験を簡素化します。SageMaker を初めて使用する場合は、最も簡単なラーニングパスが提供されます。また、自動化された ML タスクごとに生成されたノートブックを使用してコードを可視化する優れた学習ツールとしても機能します。その機能の概要については、「Amazon を使用してモデル開発を自動化する SageMaker Autopilot」を参照してください。機械学習モデルの構築、トレーニング、デプロイを開始するため、Autopilot は次の機能を提供します。

  4. Amazon SageMaker の使用を開始する - このセクションでは、SageMaker Studio、または SageMaker コンソールおよび SageMaker API を使用して最初のモデルのトレーニングについて具体的に説明します。SageMaker によって提供されるトレーニングアルゴリズムを使用します。

  5. その他のトピックについて調べる – 必要に応じて、次の操作を実行します。

    • 深層学習フレームワークでトレーニングするための Python コードを送信する - 独自のトレーニングスクリプトを使用してモデルをトレーニングできます。詳細については、Amazon SageMaker で機械学習フレームワーク、Python、R を使用する を参照してください。

    • Apache Spark から直接 SageMaker を使用する – 詳細については、「Amazon SageMaker で Apache Spark を使う」を参照してください。

    • SageMaker を使用して、独自のカスタムアルゴリズムをトレーニングしデプロイする – Docker でカスタムアルゴリズムをパッケージ化して、SageMaker でトレーニングおよびデプロイできます。SageMaker が Docker コンテナとやり取りする方法、および Docker イメージのための SageMaker の要件については、「SageMaker で Docker コンテナを使用する」を参照してください。

  6. API リファレンスを確認する - このセクションでは、SageMaker API のオペレーションについて説明します。

Amazon SageMaker の仕組み

SageMaker は、機械学習に基づいたモデルをアプリケーションにすばやく簡単に統合できる、フルマネージドサービスです。このセクションでは、機械学習の概要と SageMaker の仕組みについて説明します。SageMaker を初めて使用する方には、次のセクションを順に読むことをお勧めします。