Amazon Web Services（AWS）は米国時間12月3日、機械学習向けの完全な統合開発環境（IDE）「SageMaker Studio」を発表した。ウェブベースのIDEであるSageMaker Studioは、機械学習開発に必要なすべてのツールを統合している。
この新しいIDEは、Amazonのエンドツーエンドの機械学習サービス「SageMaker」の一部だ。最高経営責任者（CEO）のAndy Jassy氏は、ラスベガスで開催中の「AWS re:Invent」カンファレンスで、SageMakerの導入について、機械学習の「海面変化」だと評した。
Jassy氏は、SageMakerはすでに機械学習をアクセスしやすいものにしているが、SageMaker Studioは「飛躍的な進歩」だと述べた。
SageMaker Studioは、「SageMaker Notebooks」「SageMaker Experiments」「SageMaker Debugger」「SageMaker Model Monitor」「SageMaker Autopilot」などの複数のツールで構成される。
つまりJassy氏は、モデルを構築する上での困難な点の多くを自動化することを目指す機械学習の戦略について説明した。以下は、SageMaker Studioの主なツールだ。
SageMaker Notebooksでは、エラスティックなコンピュートを使用し、ワンクリックでJupyter Notebookの利用を開始できる。Jassy氏は、「ノートブックの管理を大幅に簡素化する手段」と説明している。プロビジョニングするインスタンスはなく、ノートブックのコンテンツは自動的にコピーされ、新しいインスタンスに転送される。
SageMaker Experimentsは、機械学習の実験やモデルのバージョンの整理、追跡、比較、評価を可能にするものだ。モデルのパラメーター、設定、結果を自動的にキャプチャーする。それらをリアルタイムでブラウズしたり、以前の実験を検索したりすることもできる。
SageMaker Debuggerを利用すれば、開発者はモデルの訓練をデバッグおよびプロファイルして、機械学習モデルの精度を向上させることができる。このツールは、デフォルトでオンになっており、訓練時間を最適化し、モデルの品質を高めるためのリアルタイムのアラートとアドバイスを提供する。
SageMaker Model Monitorは、顧客がデプロイされたモデルでコンセプトドリフトを自動的に検出できるようにする。訓練中にデータに関するベースライン統計を作成し、推論に使用されるデータをそのベースラインと比較する。ドリフトが検出されると、開発者にアラートを発する。
SageMaker AutoPilotを使用すれば、モデルの管理性や可視性を維持しながら、モデルの構築を自動化できる。アルゴリズムの選択、データの前処理、モデルの調整、さらにあらゆるインフラを扱うことができる。
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。
