投稿日: Dec 16, 2022
Amazon SageMaker Experiments で、SageMaker Python SDK または Boto3 を使用して任意の IDE (SageMaker Studio、JupyterHub など) または実行可能コード (ローカルノートブック、スクリプトなど) で実行した機械学習 (ML) 実験の追跡と分析がサポートされるようになりました。ML トレーニングのイテレーションの入力、パラメータ、構成、結果を追跡できます。これらのイテレーションを割り当ててグループ化し、実験にまとめることができます。
SageMaker Experiments を使用すると、ML 実験の計画、追跡、分析をローカル環境から開始できます。SageMaker Experiments は、モデル構築に関わるすべてのステップとアーティファクトを追跡します。実験を追跡することで、モデルのパフォーマンスを最適化するパラメータと設定の効果的な組み合わせを特定できます。さらに、追跡した実験からモデルを再作成することで、開発したモデルの信頼性と再現性を確実にすることができます。これは、本番の問題のトラブルシューティングやモデルのコンプライアンス監査に役立ちます。
SageMaker Experiments は SageMaker Studio と統合されて、アクティブおよび過去の実験をプロビジョニングして主要なパフォーマンスメトリクスで実験を比較し、最高のパフォーマンスモデルを特定するビジュアルインターフェイスを特定します。折れ線グラフ、散布図、棒グラフ、ヒストグラムなどのグラフを作成して、記録した実験結果を分析できます。SageMaker Studio では、チームメンバーが同じ情報にアクセスして実験結果が一貫性していることを確認できるため、共同作業が簡単になります。SageMaker Experiments を使用して実行ビジュアライゼーションをエクスポートし、モデル評価を関係者と共有することもできます。
メトリックレコードの取り込み、取得、保存のみが課金対象となります。AWS 無料利用枠の一環として、SageMaker Experiments の使用を無料で開始できます。詳細については、Amazon SageMaker の料金ページをご覧ください。
SageMaker Experiments は、SageMaker Studio が利用可能なすべての AWS 商用リージョン (中国を除く) で一般提供されます。利用を開始するには、SageMaker Studio を最新バージョンにアップデートして、実験を作成してください。詳細については、SageMaker Experiments 製品詳細ページおよび AWS 機械学習ブログをご覧ください。