投稿日: Nov 22, 2022
Amazon SageMaker Autopilot では、アンサンブルトレーニングモードで起動された SageMaker Autopilot の実験内の各トライアルで、基盤となるワークフローのインサイトを提供するようになりました。SageMaker Autopilot では、推論レイテンシー (モデルがデプロイされているリアルタイムエンドポイントから予測の結果を得るまでにかかる時間) および正解率、適合率、再現率、ROC 曲線下面積 (AUC) などの目標メトリクスに基づいて機械学習 (ML) モデルのリストをモデルリーダーボードでランク付けします。SageMaker Autopilot はデータに基づいて最適な機械学習モデルを自動的に構築、トレーニング、チューニングし、ユーザーは完全な制御と可視性を維持できます。
Amazon SageMaker Autopilot は最近、AutoGluon を利用した新しいアンサンブルトレーニングモードを追加しました。アンサンブルトレーニングモードでは、アルゴリズムと AutoGluon 設定パラメータのサブセットのさまざまな組み合わせを使用して、複数のトライアルが実行されます。これまでは、各トライアルの 1 つのモデルのみがトライアルの出力として返され、モデルリーダーボードで目標メトリクスに基づいてランク付けされていました。本日より、アンサンブルトレーニングモードを使用する SageMaker Autopilot の実験では、各トライアルで実行された基盤となるすべての基本学習器モデルのリストを出力することで autoML 実験の可視性を高めるだけでなく、最も良い目標メトリクスと最も低い推論レイテンシーを使用して、実験に最適なモデルの候補を選択するようになりました。例えば、二項分類問題タイプに 2 つのモデル候補があり、その F1 スコア目標メトリクスが 0.678 と同等で、推論レイテンシーが 0.43 秒と 0.39 秒の場合、SageMaker Autopilot では後者の候補を最適なモデルとしてリーダーボードにランク付けします。
使用を開始するには、Amazon SageMaker Studio を最新リリースに更新し、SageMaker Studio Launcher または API から SageMaker Autopilot を起動します。SageMaker Studio を更新する方法の詳細については、ドキュメントをご覧ください。
推論レイテンシーメトリクス機能と基本学習器モデルの可視化は、SageMaker Autopilot 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。使用を開始するには、Creating an Experiment with Autopilot (Autopilot で実験を作成する) および SageMaker Autopilot API reference (SageMaker Autopilot API リファレンス) を参照してください。詳細については、SageMaker Autopilot の製品ページをご覧ください。