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。SageMaker 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 では、特定のワークフローに合わせて調整できる柔軟な分散トレーニングオプションを提供しています。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 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、を参照してください。Amazon SageMaker 開発者向けリソース

トピック

Amazon SageMaker の特徴

Amazon SageMaker には以下の機能があります。

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

バージョン管理、アーティファクトと系統の追跡、承認ワークフロー、および機械学習モデルのデプロイのためのクロスアカウントサポート。

SageMaker プロジェクト

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

SageMaker モデル構築のパイプライン

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および管理します。

SageMaker ML 系統トラッキング

機械学習ワークフローの系統を追跡します。

SageMaker データラングラー

SageMaker Studioでデータをインポート、分析、準備、および機能化. Data Wranglerを機械学習ワークフローに統合することで、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、データ準備ワークフローをカスタマイズすることもできます。

SageMaker フィーチャストア

フィーチャと関連するメタデータの一元化されたストアで、フィーチャを簡単に検出して再利用することができます。2 種類のストアを作成できます。1 つはオンラインストアとオフラインストアです。オンラインストアは、低レイテンシのリアルタイム推論の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やバッチ推論に使用できます。

SageMaker JumpStart

選りすぐりのワンクリックソリューション、サンプルノートブック、導入可能な事前トレーニング済みモデルを通じて、SageMaker の機能と機能について学びます。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するのに役立ちます。

SageMaker エッジマネージャ

エッジデバイス用にカスタムモデルを最適化し、フリートを作成および管理し、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 予測の人間レビューに必要なワークフローを構築します。Amazon A2I では、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伴う画一的で煩わしい作業を行う必要なく、誰でもヒューマンレビューを利用できます。

SageMaker Studio ノートブック

次の世代の SageMaker ノートブック PC には、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利用できます。

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 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 モデルモニター

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 料金表

他のと同様にAWS製品によっては、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 を使用する料金の詳細については、を参照してください。SageMaker 料金表

Amazon SageMaker を初めてお使いになる方向けの情報

SageMaker を初めてお使いになる方には、以下のことをお勧めします。

  1. ReadAmazon SageMaker の仕組み— 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 をセットアップする— このセクションでは、を設定する方法について説明します。AWSアカウントにログインし、SageMaker Studio にオンボードします。

  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 SageMaker Autopilot を使用したモデル開発の自動化」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 の使用開始— 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。

    • ディープラーニングフレームワークでトレーニングする Python コードを提出する— 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Machine Learning 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、を参照してください。Amazon SageMaker での Apache Spark の使用

    • 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およびデプロイする— Docker でカスタムアルゴリズムをパッケージ化して、SageMaker でトレーニングやデプロイを行うことができます。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 SageMaker 要件については、を参照してください。SageMaker erでDockerコンテナを使用する

  6. を表示するAPI リファレンス— 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、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。