Amazon SageMaker
開発者ガイド

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。Amazon 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。自前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ているため、Amazon SageMaker ではお客様固有のワークフローに合わせて調整できる柔軟性の高い分散型トレーニングも行えます。Amazon 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。

これは HIPAA 対象サービスです。AWS、米国 Health Insurance Portability and Accountability Act of 1996 (HIPAA)、および AWS サービスを使用した保護されるべき医療情報 (PHI) の処理、保存、転送に関する詳細については、「HIPAA 概要」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

Amazon 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、Amazon SageMaker の概要を示し、主要な概念について説明して、Amazon 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. 今すぐ始める」を読む – このセクションでは、アカウントを設定し、最初の Amazon SageMaker ノートブックインスタンスを作成する方法について説明します。

  3. モデルトレーニング演習を試す – この演習では、最初のモデルのトレーニングについて説明しています。Amazon 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。詳細については、「ステップ 2: 組み込みのアルゴリズムでモデルをトレーニングし、デプロイする」を参照してください。

  4. 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 – Amazon 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 による Machine Learning フレームワークの使用 を参照してください。

    • Apache Spark から直接 Amazon 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。

    • Amazon AI 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/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、Amazon SageMaker でトレーニングやデプロイを行うことができます。Amazon 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 Amazon SageMaker の要件については、「Amazon SageMaker で独自のアルゴリズムを使用する」を参照してください。

  5. API リファレンス」を参照 – このセクションでは、Amazon SageMaker API オペレーションについて説明します。