Amazon Web Services ブログ

機械学習モデルを学習する時の3つの課題を Amazon SageMaker Trainingで解決する方法の動画を公開しました!

2022/06/08より、AWS Black Belt オンラインセミナーにて、機械学習モデル開発プロジェクトの進め方を解説する「ML Enablement Series」が始まりました。本シリーズはこれから機械学習プロジェクトを始める方向けの「Lightパート」と、すでに機械学習を利用しており、機械学習のマネージドサービスを活用してMLOpsを推進したいエンジニア向けの「Darkパート」から構成されています。
毎週1本の動画をお届けし、継続して機械学習の知識を深めることのできるコンテンツです。

Darkパート」の第1回目として、「Amazon SageMaker Training(座学編)機械学習のモデル開発の試行錯誤を簡単にする」が公開されました。今回は、データサイエンティストというロールを対象に、Amazon SageMakerの基本機能を用いて学習モデル開発の試行錯誤を簡単にする仕組みをご紹介しています。
動画では、主に以下の3点を解説しています。

1. 機械学習のトレーニングで発生する課題
2. Amazon SageMaker Training の概要
3. 実際に動作するコードを用いたトレーニング開始方法

実際に機械学習を開始する際には、実行環境などの実験記録などの”再現性”、サーバなどの”リソースの確保”、ハードウェアや各種ライブラリのインストールなどの”環境準備”が密接に関連し課題となってきます。Amazon SageMakerを利用すれば、簡単にコンテナをベースとした学習環境を管理・構築して、自前のトレーニングのコードを動かすことができ、実験記録もAWSマネジメントコンソールから確認、コンテナイメージへのライブラリや自作モジュールの追加も容易です。このような内容を動画内でわかりやすく解説し、視聴後にすぐ機械学習を開始いただけるように構成されております。
視聴は YouTubeから可能です、上で紹介した他にもモデル開発を楽にする機能を複数紹介しておりますので、その方法について学んでみてください。

今回の 動画 は AWS BlackBelt オンライン ML Enablement シリーズのYouTubeの再生リストに追加しています。こちらもご利用ください。
AWS Black Belt Online Seminar 全体の資料はこちらにあります

AWS Black Belt Online Seminar オンデマンド動画 コンテンツ 一覧
AWS サービス別資料 (すべての過去資料が閲覧できます

プレゼンテーション作成およびスピーカーは機械学習ソリューションアーキテクトの呉が、本記事はソリューションアーキテクト(製造担当)の秦が担当しています。

これまでの「ML Enablement Series

[ML-Light-01] 機械学習モデル開発プロジェクトの進め方
[ML-Dark-01] Amazon SageMaker Training で機械学習のモデル開発を楽にする