投稿日: Aug 4, 2020
Amazon SageMaker Processing を、AWS Step Functions で作成された機械学習ワークフローに組み込めるようになりました。これにより、SageMaker のサービスから離れる必要なく、データ処理とコンピューティングステップを機械学習ワークフローの中に構築できるようになります。
AWS Step Functions は、Amazon DynamoDB、AWS Lambda、Amazon SageMaker など AWS のサービスを利用し、回復力のあるワークフローを構築することを可能にします。Amazon SageMaker を利用することで、デベロッパーやデータサイエンティストは、機械学習（ML）モデルを短期間で構築、トレーニング、デプロイできます。今回、SageMaker Processing が Step Functions に統合されたことで、データの前処理、後処理、特徴量エンジニアリング、データの検証、モデルの評価などを含むエンドツーエンドの機械学習ワークフローに関するオーケストレーションを、Amazon SageMaker で行えるようになりました。
エンドツーエンドの機械学習ワークフローの作成と可視化を、Amazon SageMaker Processing を使用する Step Functions Data Science SDK により実行できます。これらのワークフローは Python で記述し、可視化は Jupyter ノートブックにより行います。データサイエンティストは、機械学習パイプラインを構築し、繰り返しの改良を行います。その後、そのワークフローを MLOps のユースケースをサポートしながら実稼働に移行するために、エンジニアリングチームが使用可能な CloudFormation テンプレートを記述できます。
AWS Step Functions の Amazon SageMaker Processing サポートは、Step Functions および SageMaker Processing が提供されているすべてのリージョンでご利用いただけます。詳細については、AWS リージョン表をご参照ください。Amazon SageMaker Processing の詳細については、こちらのブログ記事や、「SageMaker 開発者ガイド」もしくは「Step Functions デベロッパーガイド」をご参照いただくとともに、Step Functions のサンプルプロジェクトをお試しください。