Amazon SageMaker について

Amazon SageMaker は、開発者やデータサイエンティストがあらゆる規模の機械学習モデルを迅速かつ簡単に構築、トレーニング、デプロイできるようにする、完全に管理されたプラットフォームです。 Amazon SageMaker は、開発者が機械学習を使用するのを妨げる一般的な障壁をすべて取り除きます。

[[241017]]

多くの開発者は、モデルの構築とトレーニング、そしてそれを本番環境にデプロイするプロセスが複雑すぎて時間がかかりすぎるため、機械学習は本来よりも難しいと感じています。まず、データセット内の重要な要素を見つけるために、トレーニング データを収集して準備する必要があります。次に、使用するアルゴリズムとフレームワークを選択する必要があります。アプローチを決定したら、トレーニングを通じてモデルに予測方法を教える必要がありますが、これには大量の計算が必要です。次に、可能な限り最良の予測を提供するためにモデルを調整する必要がありますが、これには面倒な手作業が必要になることがよくあります。完全にトレーニングされたモデルを開発したら、そのモデルをアプリケーションに統合し、スケーラブルなインフラストラクチャにアプリケーションをデプロイする必要があります。これらすべてには、豊富な専門知識、大量のコンピューティングとストレージへのアクセス、そしてプロセスのあらゆる側面を実験して最適化するための多くの時間が必要です。したがって、ほとんどの開発者がこれを達成不可能だと感じるのも不思議ではありません。

Amazon SageMaker は、開発者があらゆるステップで成功することを妨げる複雑さを排除します。 Amazon SageMaker は、機械学習モデルの構築、トレーニング、デプロイに一緒にまたは個別に使用できる複数のモジュールで構成されています。

仕組み

建てる

Amazon SageMaker は、トレーニングデータにすばやく接続するために必要なものすべてを提供するため、ML モデルの構築とトレーニングの準備が容易になり、アプリケーションに最適なアルゴリズムとフレームワークの選択と最適化も容易になります。 Amazon SageMaker には、Amazon S3 に保存されているトレーニングデータを簡単に探索および視覚化できるホスト型 Jupyter ノートブックが含まれています。 S3 のデータに直接接続することも、AWS Glue を使用して Amazon RDS、Amazon DynamoDB、Amazon Redshift から S3 にデータを移動し、ノートブックで分析することもできます。

アルゴリズムの選択を支援するために、Amazon SageMaker には、最も一般的に使用される機械学習アルゴリズムがプリインストールされ、他の場所でそれらのアルゴリズムを実行する場合よりも最大 10 倍優れたパフォーマンスを実現するように最適化されています。さらに、Amazon SageMaker は、Docker コンテナで TensorFlow、Apache MXNet、Chainer を実行するように事前設定されています。また、Amazon SageMaker を使用して本番環境でモデルをトレーニングまたはホストする前に、これらのオープンソースコンテナをローカル環境にダウンロードし、Amazon SageMaker Python SDK を使用してローカルモードでスクリプトをテストすることもできます。独自のフレームワークを使用することもできます。

電車

ワンクリックするだけで、Amazon SageMaker コンソールでモデルのトレーニングを開始できます。 Amazon SageMaker は、基盤となるインフラストラクチャをすべて管理し、ペタバイト規模まで簡単に拡張してモデルをトレーニングできます。トレーニングプロセスをより速く簡単にするために、Amazon SageMaker はモデルを自動的に調整して最高の精度を実現します。

展開する

モデルのトレーニングと調整が完了すると、Amazon SageMaker によって本番環境に簡単にデプロイできるようになり、リアルタイムまたはバッチデータに対する予測の生成を開始できるようになります (推論と呼ばれるプロセス)。 Amazon SageMaker は、高パフォーマンスと高可用性を実現するために、複数のアベイラビリティーゾーンにまたがる Amazon SageMaker ML インスタンスの自動スケーリング クラスターにモデルをデプロイします。 Amazon SageMaker には、モデルをテストし、さまざまなバージョンを試して最良の結果を得るのに役立つ A/B テスト機能も組み込まれています。

Amazon SageMaker は機械学習の面倒な作業を実行するため、機械学習モデルを迅速かつ簡単に構築、トレーニング、デプロイできます。

利点

機械学習を使用して本番環境に迅速に導入

Amazon SageMaker は、機械学習モデルのトレーニング、調整、デプロイに必要な時間を大幅に短縮します。 Amazon SageMaker は、トレーニングとチューニングの複雑な部分をすべて管理および自動化するため、モデルを本番環境に迅速にデプロイできます。

任意のフレームワークまたはアルゴリズムを選択

Amazon SageMaker はすべてのマシンアルゴリズムとフレームワークをサポートしているため、すでに使い慣れているテクノロジーを使用できます。 Apache MXNet、TensorFlow、Chainer がプリインストールされており、Amazon SageMaker には多数の組み込みの高性能機械学習アルゴリズムが用意されています。トレーニングに他のフレームワークやアルゴリズムを使用する場合は、Docker コンテナで独自のフレームワークやアルゴリズムを適用できます。

ワンクリックのトレーニングと展開

Amazon SageMaker を使用すると、コンソールで 1 回クリックするか、簡単な API 呼び出しを通じてモデルのトレーニングを開始できます。トレーニングが完了し、モデルをデプロイする準備ができたら、Amazon SageMaker コンソールで 1 回のクリックでモデルを起動できます。

既存のワークフローに簡単に統合

Amazon SageMaker は 3 つのモジュールで設計されており、既存の ML ワークフローの一部として一緒に使用することも、個別に使用することもできます。

トレーニング済みモデルへの簡単なアクセス

Amazon SageMaker は、任意のアプリケーションから呼び出すことができる HTTPS エンドポイントを提供するため、機械学習モデルをアプリケーションに簡単に統合できます。

スピードに最適化

Amazon SageMaker には、最新バージョンの TensorFlow、Apache MXNet、Chainer、および NVIDIA GPU を搭載した CUDA9 ライブラリが事前設定されており、最大限のパフォーマンスを発揮します。 Amazon SageMaker を使用すると、NVIDIA Volta V100 GPU を実行する Amazon SageMaker P3 インスタンスを使用して、比類のない速度でディープラーニング モデルをトレーニングできます。