Amazon Web Services（AWS）は米国時間11月21日、同社の完全マネージド型の機械学習（ML）サービス「Amazon SageMaker」に一連の機能拡張を実施すると発表した。「SageMaker Workflows」によってMLパイプラインの管理を容易にするためのさまざまな機能が提供される。また同社は新規の組み込みアルゴリズムやフレームワークのサポートに加えて、新たなコンプライアンス標準や認定も導入する。
新たに導入されたSageMaker Workflowsを用いることで、MLパイプラインに対する新たな自動化やオーケストレーション、コラボレーションが可能になる。例を挙げると、「SageMaker Search」によって、顧客はAWSコンソールから適切なモデル訓練実行を迅速に見つけ出せるようになる。
SageMaker Workflowsでは、コラボレーションやバージョン管理を効率化するための、「Git」との統合機能や、可視化機能も提供される。また、顧客は「Step Functions」を使用することで、エンドツーエンドのワークフロー内でSageMakerのステップを自動化／オーケストレートできるようになる。さらにSageMakerは、複数のワークステージからなるワークフローのオーサリングやスケジューリング、監視のためのオープンソースフレームワークとして普及している「Apache Airflow」とも統合できる。
また、AWSは不審なIPアドレスの検出（「IP Insights」）や、高次元オブジェクトの低次元への埋め込み（「Object2Vec」）、教師無しグループ化（K平均法）といった新たなアルゴリズムも提供する。これらの埋め込みアルゴリズムすべては、ペタバイト規模のデータセットを念頭に置いて設計されている。AWSはこの1年を通じて、新たなフレームワークに対するサポートを追加してきている。顧客は近いうちに、大規模な分散型訓練のための完全マネージド型の「Horovod」のジョブや、機械学習ライブラリ「Scikit-learn」、「Spark MLeap」による推論を実行できるようにもなるはずだ。
さらにコンプライアンスや認定に関して、AWSはSageMakerを同社の「System and Organizational Controls（SOC）」の監査レベル1〜3に組み入れる計画にしてもいる。
この記事は海外CBS Interactive発の記事を朝日インタラクティブが日本向けに編集したものです。
