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、完全マネージド型の機械学習サービスです。WithSageMaker では、データサイエンティストと開発者が素早く簡単に機械学習モデルの構築と研修を行うことができ、稼働準備が整ったホスト型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 コンソールからクリック 1 つで起動して、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 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、「 開発者用リソースAmazon SageMaker」を参照してください。

トピック

Amazon SageMaker の機能

Amazon SageMaker には、以下の特徴があります。

SageMaker スタジオ

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

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、機械学習モデルのデプロイのためのクロスアカウントのサポート。

SageMaker プロジェクト

プロジェクトを使用して 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

SageMaker パイプラインのモデル構築

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

SageMaker ML Lineage 追跡

機械学習ワークフローの系統を追跡します。

SageMaker Data Warangler

Studio でデータをインポート、分析、準備、および特徴化します。SageMakerData Warangler を機械学習ワークフローに統合して、コーディングがほとんどまたはまったく使用せずに、データの前処理と機能エンジニアリングを簡素化および簡素化できます。独自の Python スクリプトと変換を追加して、データ準備のワークフローをカスタマイズすることもできます。

SageMaker 機能ストア

機能および関連するメタデータの一元化されたストア。機能を簡単に検出して再利用できます。オンラインストアまたはオフラインストアの 2 種類の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ユースケースに使用でき、オフラインストアはトレーニングとバッチ推論に使用できます。

SageMaker JumpStart

選別された 1-Click ソリューション、サンプルノートブック、デプロイできる事前トレーニング済みモデルを介して、SageMaker の機能と機能について説明します。モデルを微調整してデプロイすることもできます。

SageMaker 明確化

潜在的なバイアスを検出し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します。

SageMaker エッジマネージャー

エッジデバイスのカスタムモデルの最適化、フリートの作成と管理、効率的なランタイムによるモデルの実行、各デバイス上の各モデルの監視を行います。

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 予測の人間による確認に必要なワークフローを構築します。Amazon A2I は、ヒューマンレビューシステムの構築や多数のヒューマンレビュー担当者の管理に関連する、差別化につながらない力仕事を排除するヒューマンレビューをすべての開発者に提供します。

SageMaker Studio Notebooks

(SageMaker) 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 AWS シングルサインオン ノートブック。AWS SSO

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 (デバッガー)

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 Model Monitor

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、フィーチャエンジニアリングに取り組み、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 料金表

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 の詳細」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 での 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 SageMaker をセットアップします – このセクションでは、AWS アカウントを設定して SageMaker Studio にオンボード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に可視性を提供する、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、「を使用したモデル開発の自動化Amazon 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、および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 の開始方法 – このセクションでは、SageMaker Studio、または SageMaker コンソールと SageMaker API を使用して最初のモデルのトレーニングについて説明します。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 – SageMaker では、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 での機械学習フレームワーク、Python、R の使用 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 を使用する」を参照してください。

    • 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およびデプロイするSageMaker Docker でカスタムアルゴリズムをパッケージ化して、– 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 イメージに対する SageMaker の要件については、「SageMaker」を参照してください。による Docker コンテナの使用SageMaker

  6. API リファレンスを表示する – このセクションでは、SageMaker API オペレーションについて説明します。

Amazon SageMaker の詳細

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、完全マネージド型のサービスです。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。