この記事の目的
機能がありすぎてぜんぜんわからない SageMaker を最強にまとめる。
そもそも SageMaker とは？
AWS上で機械学習を行うサービスのこと。これさえあれば開発からデプロイからモニタリングからなんでもできちゃう。
SageMaker という一つの物体が存在するのではなく、そういう名字を持った個性豊かな人がいっぱいいる感じ。
機能一覧
本当に限りなく膨大ですが、まとめられるだけまとめます。
データ系
Amazon SageMaker Ground Truth
人間の手を借りてデータ生成や注釈付けからモデルのレビュー、カスタマイズ、評価を行うサービス。ラベル付けに最適。
Amazon SageMaker Ground Truth Plus
より高品質なラベル付けを求める者へ。
Amazon SageMaker Data Wrangle
インポートや変換等を行い、トレーニングデータを準備するためのサービス。データ品質レポートも生成できる。
SageMaker Canvas と統合されている。
Amazon SageMaker Processing
SDKを用いてデータの前処理を行うことができるサービス。
開発系
Amazon SageMaker Studio
ウェブベースの統合開発環境 (IDE)
関連したサービスと統合しているため、単一のビジュアルインターフェイスでデータの準備から構築、トレーニング、デプロイに関連したサービスを行える。
Amazon SageMaker Studio Lab
AWSにサインアップすることなく無料で開発環境が使用できるサービス。
Amazon SageMaker JumpStart
事前に構築された基盤モデルを即座に使用、カスタマイズできるハブ
Amazon SageMaker Canvas
ノーコードでモデルを使用、カスタマイズできるビジュアルインターフェイス
SageMaker Autopilot
モデルの構築とデプロイを自動化するサービス。機械学習の知識がなくてもモデルを作成できる。
SageMaker Canvas と統合されている。
Amazon SageMaker Debugger
トレーニングジョブをリアルタイムにモニタリングし、デバッグするためのサービス。
異常が見つかった時にアラートをあげることができる。
デプロイ系
Amazon SageMaker Inference Recommender
モデルをデプロイする際、要件に合わせてインスタンスやメモリサイズを提案してくれるサービス。
Amazon SageMaker Pipelines
機械学習のワークフローを構築、管理、自動化できるサービス。
Amazon SageMaker Serverless Inference
インフラ管理無しでモデルをデプロイ、スケーリングできる推論オプション。
トレーニング系
Amazon SageMaker HyperPod
大規模な分散型トレーニング環境。高速で基盤モデルをトレーニングできる。
Amazon SageMaker Feature Store
特徴量を管理、保存、共有するためのサービス。
SageMaker Neo
機械学習モデルを自動的に最適化してトレーニングを高速で行うためのサービス。本番稼働までの時間を短縮できる。
Amazon SageMaker RL
SageMaker 上で強化学習を利用する機能。
評価と管理系
Amazon Augmented AI
モデルの推論結果を人間の目でレビューできるサービス。
SageMaker Clarify
バイアスの検出やモデル説明性のためのレポートを作成できるサービス。
Amazon SageMaker Model Registry
モデルのグループ化やバージョン管理、デプロイと共有が行える。
Amazon SageMaker Model Card
モデルの自己紹介カード。モデルの目的、トレーニング方法、できることなどが書いてある。
SageMaker Model Registry と統合されている。
Amazon SageMaker Model Dashboard
アカウント内に存在するすべてのモデルの使用状況やパフォーマンスのメトリクスを確認することができるダッシュボード。
Amazon Model Monitor
モデルの品質をモニタリングできるサービス。
Amazon SageMaker Role Manager
事前に設定された良さげなロールを適用し、権限を設定できるサービス。