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。