機械学習を学習し、実験するためのコンピューティング、ストレージ、セキュリティを提供する無料の機械学習開発環境
有効な E メールアドレスがあれば、インフラストラクチャの設定や ID とアクセスの管理、AWS アカウントへのサインアップは不要
GitHub に統合され、最も人気のある機械学習ツール、フレームワーク、およびライブラリが事前に設定されているため、すぐに使い始めることができる
Amazon SageMaker Studio Lab は、無料の機械学習 (ML) 開発環境であり、コンピューティング、ストレージ (最大 15 GB)、セキュリティをすべて無料で提供し、誰でも ML を学んで実験できます。開始するために必要なのは有効な E メールアドレスだけです。インフラストラクチャを設定したり、ID とアクセスを管理したり、AWS アカウントにサインアップしたりする必要はありません。SageMaker Studio Lab は、GitHub 統合を通じてモデル構築を加速し、最も人気のある ML ツール、フレームワーク、およびライブラリが事前設定されているため、すぐに開始できます。SageMaker Studio Lab は作業内容を自動的に保存するため、セッションの合間に再起動する必要はありません。ノートパソコンを閉じて後で戻ってくるのと同じくらい簡単です。
仕組み
主な特徴
AWS アカウントは必要ありません
SageMaker Studio Lab の使用を始めるには、メールアドレスを使用して、studiolab.sagemaker.aws にアカウントを登録します。SageMaker Studio Lab のアカウントは、AWS アカウントとは別で、クレジットカードは必要ありません。
処理能力の選択
SageMaker Studio Lab はプロジェクトに CPU または GPU セッションのどちらかを提供します。複雑なアルゴリズムの場合は 12 時間の CPU セッションで、畳み込みニューラルネットワーク (CNN) や循環ニューラルネットワーク (RNN) のような深層学習 (DL) のアーキテクチャーの場合は 4 時間の GPU セッションでノートブックを実行することを選択できます。コンピューティングの回数に制限はありません。1 つのセッションが終わった後、新しいセッションを始められます。
永続的ストレージ
SageMaker Studio La bは、15 GB の無料長期ストレージと永続的セッションを提供するため、作業を保存して、中断したところから再開できます。セッションが終わったら、作業は自動的に専用のストレージに保存されます。
あらかじめパッケージ可された機械学習フレームワーク
Pip、Conda、Mambaなど、プロジェクトに最適な Python のパッケージマネージャーを選択してください。デフォルトでは、SageMaker Studio Lab は、ターミナルや Git のコマンドラインおよび GitHub 統合との連携に対応しています。Jupyter Notebook を実行するための設定は不要で、素早く簡単にセットアップできます。
