米Amazon Web Servicesは、機械学習モデルの準備、構築、トレーニング、デプロイを支援するAmazon SageMakerにおいて、ノーコード機械学習予測「Canvas」、エキスパートデータラベリング「Ground Truth Plus」、SageMaker Studioにおけるユニバーサルノートブック、「Training Compiler」、自動インスタンス選択を実現する「Inference Recommender」、「Serverless Inference」の、6つの新機能を12月1日（現地時間）に発表した。
Amazon SageMaker Canvasは、ビジネスアナリストに視覚的なインターフェイスを提供することで、機械学習へのアクセスを拡大し、より正確な予測の作成を可能にする。視覚的なポイントアンドクリック式のユーザーインターフェースを採用し、コーディングなしでも簡単に予測を作成できるようにしている。
Amazon SageMaker Ground Truth Plusは、フルマネージドのデータラベリングサービスであり、組み込みのアノテーションワークフローによってコーディングを行うことなく、機械学習モデルをより速く、より低コストでトレーニングするための高品質なデータを提供する。
Amazon SageMaker Studioユニバーサルノートブックは、データエンジニアリング、分析、機械学習を実行するための単一の統合環境を提供し、広範なデータのインタラクティブなアクセス、変換、分析を可能にしている。
Amazon SageMaker Training Compilerは、コードを自動的に最適化してコンピューティングリソースをより効果的に使用し、モデルのトレーニングにかかる時間を最大50％短縮する。GPUをより効率的に使用することで、好みのフレームワークを使用して機械学習モデルをトレーニングできる。
Amazon SageMaker Inference Recommenderは、特定の機械学習モデルを強化するために最適なコンピューティングインスタンスと構成（インスタンス数、コンテナパラメータ、モデルの最適化など）の、自動選択を可能にする。モデルを実行する場所を決定する際の当て推量と複雑さを取り除き、理想的なコンピューティングインスタンス構成を自動的に推奨することで、デプロイにかかる時間を数週間から数時間に短縮できる。
Amazon SageMaker Serverless Inferenceでは、本番環境にデプロイされた機械学習モデルの推論を従量課金制で提供しており、推論リクエストの数に基づいて計算能力を自動的にプロビジョニング、スケーリング、オフにする。ユーザーは、基盤となるインフラストラクチャを管理することなく、各リクエストに使用する計算能力と処理されるデータの量に対してのみ料金を支払えばよい。
この記事は参考になりましたか？
- この記事の著者
-
CodeZine編集部（コードジンヘンシュウブ）
CodeZineは、株式会社翔泳社が運営するソフトウェア開発者向けのWebメディアです。「デベロッパーの成長と課題解決に貢献するメディア」をコンセプトに、現場で役立つ最新情報を日々お届けします。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
