投稿日: May 25, 2021
機械学習 (ML) 向けの最初の専用の継続的インテグレーションおよび継続的デリバリー (CI/CD) サービスである Amazon SageMaker Pipelines は、お客様が ML 実験を整理、追跡、比較、評価することを可能にする機能である SageMaker Experiments と統合されました。お客様は、ML モデルトレーニング実験の複数の試行全体のモデルトレーニングの精度などのメトリクスを比較するのと同じくらい簡単に、SageMaker Pipelines の複数の実行全体でそのようなメトリクスを比較できるようになりました。SageMaker Pipelines は、パイプラインの実行ごとに、パイプライン名と Experiment トライアルを使用して Experiment を自動的に作成します。パイプラインの実験の作成とすべてのパイプライン実行の試行は、デフォルトで有効になっています。自動作成をオプトアウトすることを選択できます。
さらに、お客様は、SageMaker Experiments Python SDK を使用して、受信者操作特性 (ROC) メトリクス、適合率-再現率 (PR) メトリクス、混同行列、および表形式のデータを SageMaker トレーニングジョブにログ記録できるようになりました。ROC 曲線、PR 曲線、および混同行列の対応するプロットを、SageMaker Pipeline ノードインスペクターで表示できるようになりました。
この機能は、Amazon SageMaker が利用できるすべての AWS リージョンで利用可能です。詳細については、ドキュメントページをご覧ください。