Amazon SageMaker | Amazon Web Services ブログ

ジオテクノロジーズ株式会社の位置情報データレイクにおけるAWSの活用

こんにちは、ソリューションアーキテクトの齋藤です。本稿では、ジオテクノロジーズ株式会社デジタル本部ビッグデ […]

Amazon SageMaker におけるカスタムコンテナ実装パターン詳説〜学習編〜

みなさんこんにちは、AWS Japanのソリューションアーキテクトの辻です。このブログでは、Amazon Sa […]

【開催報告】アップデート紹介とちょっぴり DiveDeep する AWS の時間第十六回 (03/24)

みなさんこんにちは！アマゾンウェブサービスジャパン合同会社ソリューションアーキテクトの赤澤です。 2022 […]

MLaaS (Machine Learning as a Service) のためのマルチテナント機械学習構築環境を Amazon SageMaker Pipelines で実装する

近年、自社で保有するデータだけでなく、外部や第三者のデータを使って機械学習（ML）モデルを構築する企業が増えています。そして学習させたモデルを外部の顧客に提供することで収益源とするビジネスモデルを構築することができます。

この記事では、Amazon SageMaker Pipelinesが、Machine Learning as a Service (MLaaS) / Software as a Service (SaaS) アプリケーションにおけるデータの前処理、そして機械学習モデルの構築、訓練、チューニング、登録にどのように役立つかを紹介します。特にテナント分離とコスト配分に焦点を当て、テナント固有のMLモデルを構築するためのベストプラクティスを紹介します。