用語解説
Amazon SageMakerとは、AWSが提供する機械学習のライフサイクル全体を支援するフルマネージドMLプラットフォームです。データの前処理・モデル構築・学習・評価・デプロイ・監視までを一貫して行えます。
Jupyter NotebookベースのSageMaker Studioから実験管理・パイプライン・フィーチャーストア・モデルレジストリまで統合されており、チームでのML開発を効率化します。AutoMLを提供するSageMaker Autopilotを使えばコードなしでモデル構築も可能です。
どんな場面で活用するか
- 大量の学習データを使ったディープラーニングモデルをGPUクラスターで分散学習する場合
- 学習済みモデルをAPIエンドポイントとしてリアルタイム推論に使用できる形でデプロイする場合
- 本番環境のモデルのデータドリフトや予測精度の低下をSageMaker Model Monitorで継続監視する場合
よくある誤解
「SageMakerはAWSの機械学習アルゴリズムしか使えない」は誤りです。正しくはSageMakerはBring Your Own Container（BYOC）に対応しており、TensorFlow・PyTorch・scikit-learn等の独自コンテナを持ち込んで実行できます。
判断のヒント
コスト管理：SageMaker Notebookは使用していない時間も課金されます。Auto-shutdownプラグインを設定するか、Studio Domainのアイドルシャットダウン設定を有効化してコスト漏れを防止してください。
