Amazon SageMaker Unified Studio のノートブックで、より速くインサイトに到達する

本記事は 2026 年 4 月 15 日に公開された「Get to insights faster using Notebooks in Amazon SageMaker Unified Studio」を翻訳したものです。

本記事では、Amazon SageMaker Unified Studio のノートブックがインフラの設定を簡素化し、インサイト獲得までの時間を短縮する仕組みを紹介します。住宅価格データの分析、スケーラブルなデータテーブルの作成、分散プロファイリング、機械学習 (ML) モデルの学習を、単一のノートブック環境で行う流れをご覧いただけます。

データサイエンティストやアナリストは、分析を始めるまでにインフラ設定と複数データソースの認証管理に何日も費やすことがしばしばあります。Amazon Simple Storage Service (Amazon S3)、Amazon Redshift、Snowflake、ローカルファイルにまたがるデータを扱う場合、認証設定の繰り返し、コンピュートスケーリングの手動判断、ツール切り替えの手間が積み重なり、インサイト獲得が遅れます。

Amazon SageMaker Unified Studio のノートブックは、12 以上のデータソースへの即時アクセス、ローカルから分散処理までのコンピュートスケーリング、AI によるコード生成を、単一のブラウザベース環境で提供します。ポリグロットプログラミング、マルチエンジンコンピュート、AI 支援による開発を活用し、疑問からインサイトまでの道のりを短縮する方法を解説します。

Amazon SageMaker Unified Studio のノートブックとは

Amazon SageMaker Unified Studio のノートブックは、データ分析、探索、エンジニアリング、機械学習ワークフローのためのインタラクティブな環境を提供します。統合された 5 つの機能を備えています。

ポリグロットプログラミング: 同じノートブック環境で Python と SQL を相互に切り替えながらコードを書けます
統合されたデータアクセス: Amazon S3、AWS Glue Data Catalog、Apache Iceberg テーブル、Snowflake や BigQuery などのサードパーティソースに保存されたデータへ即座に接続できます
ネイティブな可視化: Python や SQL の結果から直接チャートを作成し、没入感のあるデータ分析ができます
AI による開発支援: SageMaker Data Agent を通じて自然言語プロンプトでコードを生成できます。データ分析、データサイエンス、ML タスク向けの的確なチャットインターフェイスを備えています
柔軟なコンピュート: ニーズの拡大に応じて、基本的なインスタンスから GPU 搭載環境までスケールできます

アーキテクチャ

本セクションでは、ノートブックのアーキテクチャを説明します。ノートブックは、複数のコンピュートエンジン、多様なデータソース、AI アシスタントを統合したクラウドネイティブアーキテクチャにより、ブラウザベースのシンプルさでエンタープライズ規模の分析を実現します。

プレゼンテーション層

Amazon SageMaker Unified Studio 経由でノートブックインターフェイスにアクセスします。コード実行用のコードセル、ドキュメント用のマークダウンセル、チャートやテーブル用の可視化セルを備えた、使い慣れたインターフェイスで操作できます。

コンピュート層

専用のノートブックサーバーがカーネルのライフサイクルとセッション状態を管理します。主要コンポーネントには、コード補完用の Language Server、データサイエンスライブラリをプリロードした Python 3.11 ランタイム、Python、PySpark、SQL の実行を同じノートブック内で処理する Polyglot Kernel が含まれます。作成した各ノートブックは、永続的な Amazon Elastic Block Store (Amazon EBS) ストレージにバックアップされます。

実行層

ノートブックは複数の実行エンジンをサポートし、コードを最適な処理エンジンに自動的にルーティングします。インメモリ実行は、小規模なデータセットや迅速なプロトタイピングを処理します。Amazon Athena 経由の Apache Spark は、Spark Connect を介した大規模分析向けの分散処理を提供します。Amazon Athena (Trino)、Amazon Redshift、Snowflake、BigQuery へのネイティブ接続により、SQL クエリを処理します。

データ統合

AWS ネイティブ (Amazon S3、AWS Glue、Amazon Athena、Amazon Redshift) とサードパーティ (Snowflake、BigQuery、PostgreSQL、MySQL) を含む 12 以上のデータソースに統一的にアクセスできます。サポートされている最新のデータソースについては、Connect to data sources を参照してください。

AI 層

SageMaker Data Agent は、2 つのモードで利用できます。複数ステップの分析ワークフロー向けの Agent Panel と、セル単位のコード生成に特化した Inline Assistance です。詳細は Accelerate context-aware data analysis and ML workflows with Amazon SageMaker Data Agent を参照してください。

作業を保護するため、セキュリティはアーキテクチャ全体に組み込まれています。データアクセスは AWS Identity and Access Management (AWS IAM) の権限に従います。ノートブックとエージェントは、利用が許可されたデータソースにのみアクセスできます。コンポーネント間の通信は暗号化チャネルを使用し、ノートブックのストレージは保存時に暗号化されます。AI エージェントには、破壊的な操作を防ぐガードレールが組み込まれており、コンプライアンスと監査のためにやり取りをログに記録します。

前提条件

始める前に、以下が必要です。

Amazon SageMaker Unified Studio のリソースを作成する権限を持つ AWS アカウント。必要な権限の詳細は、Set up IAM-based domains を参照してください。
Python プログラミングと SQL クエリの基本的な知識
データ分析の概念と ML ワークフローの理解
サンプルの住宅データセットへのアクセス (ウォークスルー内で提供)

ノートブックを使い始める

まず、Amazon SageMaker コンソールを開き、Get started を選択します。

データとコンピュートへのアクセス権を持つ既存の AWS Identity and Access Management (AWS IAM) ロールを選択するか、新規ロールを作成するかを求められます。本ウォークスルーでは、Create a new role を選択し、他のオプションはデフォルトのままにします。

Set up を選択します。環境の準備には数分かかります。

ユースケース

本記事では、ノートブックと SageMaker Data Agent を使って以下を実行します。

データセットの操作: サンプルデータセット housing.csv をアップロードし、データエクスプローラーで探索
ポリグロットプログラミング: DuckDB 経由で SQL によるデータフレームのクエリ
AWS Glue によるマルチエンジンアクセス: AWS Glue テーブルを作成し、Athena SQL/Spark エンジンで分散処理を実行
高度な分析: Athena Spark でデータプロファイリング
AI 支援による開発: Data Agent でプロファイリングと ML のコードを生成
ML ワークフロー: Random Forest モデルを学習し、結果を評価

まずインターフェイスを見て、コア機能を確認しましょう。

インターフェイスの理解

ノートブックのインターフェイスは、コード実行用のセルとドキュメント用のマークダウンという、使い慣れたノートブック規約に従っています。ノートブック内では、現在のプログラミング環境 (Python 3.11 など) とコンピュートプロファイルの仕様を確認できます。このインターフェイスでは以下ができます。

ファイルの参照、データカタログの探索、サードパーティ接続の管理を通じてデータにアクセス
ノートブックのコンテキスト内で作成された変数を監視
ワークロード要件に応じて仮想 CPU と RAM を調整し、GPU インスタンスまでオンデマンドでコンピュートリソースをスケール
Python パッケージを必要に応じてインストールおよび設定してパッケージを管理

データセットの操作

本ウォークスルーでは、このページからダウンロードできる housing.csv サンプルデータセットを使用します (リンク先ではファイル名が canvas-sample-housing.csv になっています)。左パネルの Files アイコンを選択し、Local タブを選択します。Local タブでノートブックに CSV ファイルをアップロードします。

ノートブックはデータ資産への即時アクセスを提供します。データエクスプローラーを使えば、AWS Glue Data Catalog、Amazon S3 テーブルカタログ、Amazon S3 バケット、設定済みのサードパーティ接続を参照できます。

3 点リーダーのオプションメニューを選択します。

Read as dataframe を選択し、ノートブックに挿入されたセルを実行して結果を確認します。

import pandas as pd
<<df_csv_xxxx>> = pd.read_csv('housing.csv')
<<df_csv_xxxx>>

データフレームを返すと、ノートブックは自動的なデータプロファイリングを備えたリッチなテーブル形式で表示します。

ポリグロットプログラミング: Python と SQL を同時に

ノートブックのもっとも強力な機能の 1 つが、Python と SQL の相互運用性です。データを Python のデータフレームに読み込んだ後、すぐに SQL でクエリできます。たとえば、海への近さ別に人口と世帯数の合計を計算するには、次のように実行します。

select sum(population) ,sum(households),ocean_proximity 
from<<df_csv_xxxx>> 
group byocean_proximity

ノートブックのオートコンプリート機能はコンテキスト内のデータフレームを認識するため、SQL クエリを直感的に書けます。

この SQL クエリは DuckDB (インメモリの SQL データベースエンジン) 上で実行され、個別のインストールやサーバー保守は不要です。DuckDB は軽量な設計で、Python、Java、その他の環境に組み込めるため、迅速な対話型データ分析に適しています。分散処理が必要な場合は、データセット用の AWS Glue テーブルを作成した後、Apache Spark や Trino などのエンジンを使用できます。

データセット用の AWS Glue テーブルを作成する

AWS Glue テーブルを作成すると、Amazon Athena SQL (Trino) や Amazon Athena Spark など、AWS Glue カタログ対応のさまざまなエンジンでデータセットをクエリできます。これらのエンジンは、それぞれのワークロード要件に対して最適な価格性能比を提供します。

まず AWS Glue データベースを作成します。ノートブックで新しいセルを作成するために SQL を選択し、Amazon Athena (SQL) を選びます。

次の SQL を実行してデータベースを作成します: create database demo;

次に、データエクスプローラーに移動し、左上の +Add を選択して Create table を選びます。先ほど作成したデータベースを選択し、テーブル名を入力します。先ほど使用した housing.csv データセットファイルをアップロードします。サイドパネルで Next を選択して、テーブルを作成します。

次に、Amazon Athena SQL を使って新しいセルでサンプル SQL クエリを実行してみましょう。

select sum(population) , sum(households), ocean_proximity 
fromdemo.housing
group by ocean_proximity

Athena Spark による高度な機能

住宅価格を予測する ML モデルを構築する前に、データセットをさらに分析し、追加のインサイトを得るためにデータプロファイリングを実行しましょう。高度な探索には、ノートブック内で Amazon Athena Spark を使用できます。そのために、組み込みの Spark セッションを持つ新しい Python セルを作成します。次のコードを実行して Spark のバージョンを確認します。

# Verify Spark version
spark.version

SageMaker Data Agent によるデータプロファイリング

定型的なコードを手動で書く代わりに、組み込みの生成 AI 機能を活用できます。

プロンプト: 「Perform data profiling and create visualization for housing table」

AI アシスタントは、基本統計の算出、列単位のプロファイリング、データ型の分析、欠損値の検出を含む、包括的なプロファイリングコードを生成します。

エージェントは AWS Glue Data Catalog にアクセスし、housing テーブルの構造を把握したうえで、対象の列とデータ型に合わせたプロファイリングコードを生成しました。この文脈認識により、汎用的なコードスニペットを自環境向けに調整する際にありがちな試行錯誤が減ります。生成されたコードを確認して実行します。応答が速いため、分析を効率的に反復できます。

エラーが発生した場合は、次の図のように Fix with AI で解決できます。実行時にエラーが発生すると、Fix with AI 機能がトレースバックを分析し、根本原因を診断して修正済みコードを生成するため、分析を止めずに進められます。

ML モデルの学習

次に、Data Agent を使って住宅価格を予測するモデルの学習コードを生成します。

プロンプト: 「Generate code to train a model that predicts housing prices. Use table housing.」

AI アシスタントは、次のようなエンドツーエンドのコードを生成します。

Amazon Athena Spark を使って AWS Glue カタログから住宅データを読み込み、pandas に変換
文字列型の列を数値化し、One-Hot エンコーディングでエンコードし、欠損値を除去
Random Forest モデルを学習して住宅価格の中央値を予測
モデル性能を評価 (RMSE、MAE、R-square)
予測に対する重要度が高い上位 10 個の特徴量を表示

この複数ステップのオーケストレーションにより、データアクセスからモデル評価までのワークフロー全体を任せられ、開発時間を数時間短縮できます。

エラーが発生した場合は、結果のトレースバックセクションにある Fix with AI で解決できます。

このワークフローでは、ノートブックの統合機能を紹介しました。ローカルからファイルをアップロードし、マルチエンジンアクセス用に AWS Glue テーブルを作成し、Amazon Athena Spark で分散プロファイリングを実行し、AI 支援による ML 開発で住宅価格を予測しました。これらすべてを、ツールを切り替えずに 1 つのノートブック環境で行いました。

主なメリットとベストプラクティス

Amazon SageMaker Unified Studio のノートブックには、いくつかの利点があります。

インサイト獲得までの時間短縮: 従来の環境では、分析を始める前に設定に数時間かかることもあります。ノートブックはこうした負荷を回避し、すぐに作業を始められます。
コラボレーションの向上: 一貫した環境でノートブックを共有でき、再現性が確保され、「自分の環境では動く」問題が減ります。
複雑性の低減: データソースや処理エンジンごとに別々のツールを使い分けるのではなく、複数のデータソースとコンピュートエンジンに 1 つのインターフェイスからアクセスできます。
AI による開発の加速: タスク特化型のコードを生成し、的確な提案を受けられるため、繰り返しのコーディング作業にかかる時間を減らせます。
スケーラブルな性能: メガバイトからペタバイト規模のデータセットを、適切なコンピュートリソースで処理できます。データ量の増加に応じてシステムが自動的にスケールします。

ベストプラクティス

まずは小さめのインスタンスから始め、ニーズの拡大に合わせてスケールアップする形で、適切なコンピュートプロファイルで開始する。
繰り返し作業や複雑な操作には、自然言語プロンプトで AI アシスタントを活用する。
大規模処理には Amazon Athena Spark、データウェアハウスには Amazon Redshift、その他特定のワークロードには専用エンジンを使うなど、エンジンを戦略的に組み合わせる。
マークダウンセルを使い、コードと並行して 作業内容を文書化することで、生きたドキュメントを作る。
複雑なワークフローを論理的なステップに分割し、複数のセルで整理することで、可読性とデバッグ性を高める。

クリーンアップ

今後の課金を避けるため、本ウォークスルーで作成したリソースを削除します。

Amazon SageMaker Unified Studio コンソールで、Notebook ページに移動する
ノートブックを削除する
AWS Glue Data Catalog から demo データベースと housing テーブルを削除する
本ウォークスルーで作成した Amazon SageMaker Unified Studio ドメインを削除する
本ウォークスルー用に新しい IAM ロールを作成した場合は、IAM コンソールから削除する

まとめ

本記事では、Amazon SageMaker Unified Studio のノートブックが作業効率を高め、インサイトをより速く提供する仕組みを紹介しました。使い慣れたノートブックインターフェイスに、エンタープライズ規模のコンピュート、マルチエンジンサポート、生成 AI 支援を組み合わせることで、チームはデータと AI のワークフローを効率化できます。

Python と SQL の統合、多様なデータソースへの即時アクセス、的確なコード生成機能により、ノートブックは現代のデータチームにとって価値あるツールになります。探索的データ分析、複雑なデータパイプラインの構築、ML モデルの学習を、単一の直感的な環境で必要な柔軟性とパワーを備えて実行できます。

使い始める準備はできましたか? Amazon SageMaker Unified Studio で最初のノートブックを作成し、数分でデータ分析を始めましょう。

追加機能を探る:

季節分解と予測を用いた時系列分析ワークフロー
テキスト分類や感情分析のための自然言語処理パイプライン
ML モデルのバージョン管理のための Amazon SageMaker Model Registry との統合
ペタバイト規模の処理に対応する高度な Spark 最適化手法

詳細情報:

著者について

この記事は Kiro が翻訳を担当し、Solutions Architect の Sotaro Hikita がレビューしました。

Amazon Web Services ブログ