人工知能は、IT 分野の主要サービスの中でその人気が証明されています。何百万もの企業が機械学習モデルを使用して、現在のデータに基づいて将来を予測しています。ビジネスをより深く理解し、意思決定者に正面からの意見を提供し、会社の発展に役立ちます。 AWS は、クラウド上で最高の結果を得るためにクラウドで機械学習モデルを作成するための SageMaker サービスを提供しています。
このガイドでは、Amazon SageMaker サービスで機械学習モデルをトレーニングするプロセスについて説明します。
Amazon SageMaker で ML モデルをトレーニングするにはどうすればよいですか?
AWS Sagemaker で機械学習モデルをトレーニングするには、次の簡単なガイドに従ってください。
S3 サービスにアクセス
機械学習モデルの構築を開始する前に、ユーザーはデータセットを S3 バケットに保存する必要があります。データをクラウドにアップロードするには、「 S3 」サービスダッシュボード:
S3バケットをチェックする
訪問 ' バケツ S3 コンソールからダッシュボードに移動し、バスケットを開いてその中のオブジェクトをアップロードします。
データセットのアップロード
データセットをローカル システムからクラウド上の S3 バケットにアップロードして、機械学習モデルのトレーニングに使用します。
Amazon SageMaker サービス
データをクラウドにアップロードした後、AWS マネジメントコンソールから Amazon SageMaker サービスにアクセスするだけです。
オープンスタジオ
「」を見つけます スタジオ 左側のパネルから「」ボタンをクリックしてください。
クリックしてください ' オープンスタジオ SageMaker Studio ページの「」ボタン:
AutoML ソリューション
SageMaker Studio を開くには少し時間がかかります。開いたら、「」をクリックするだけです。 AutoML ' ボタン:
概要を確認し、「」をクリックします。 AutoML 実験の作成 ページ下部の「」ボタン:
実験の構成
プロジェクトの名前を入力し、「」をクリックして、AutoML 実験の構成を開始します。 ブラウズ 」ボタンを使用して S3 の場所を見つけます。
データセットのエクスポート
S3 バケット内のデータセット ストアのパスを選択し、「」をクリックします。 次へ: ターゲットと機能 ' ボタン:
ML モデルを適用するデータセットからターゲット列を選択し、データセットからサンプル重みフィールドを選択します。
ページの一番下までスクロールしてエクスポートされたデータを確認し、「」をクリックします。 次へ: トレーニング方法 ' ボタン:
トレーニング方法
プラットフォームによって提供される機械学習モデルを選択し、「」をクリックします。 次へ: 開発と詳細設定 ' ボタン:
機械学習モデルの問題の種類を選択し、「 自動 」は、プラットフォームがデータを分析して自動的に選択することを意味します。
実験の作成
モデルの構成を確認し、「」をクリックします。 実験の作成 ' ボタン:
モデルのステータスは「 進行中 ” そして、モデルをトレーニングしてデータに最適なモデルを取得するには時間がかかります。
ベストモデルをチェック
プラットフォームは、正確に最適なモデルを見つけ、データに対してトレーニングしたモデルのリストを提供しました。
最適なモデルを選択し、「」からその性能を確認してください。 モデルの説明可能性 」ページ:
次の GIF は、さまざまな視覚化手法を使用したモデルのパフォーマンスを説明しています。
Amazon SageMaker サービスでの機械学習モデルのトレーニングについては以上です。
結論
Amazon SageMaker で機械学習モデルをトレーニングするには、ローカル システムから S3 バケットにデータセットをアップロードするだけです。その後、SageMaker サービス ダッシュボードにアクセスし、ダッシュボードから Studio を開いてモデルのトレーニングを開始します。 AutoML オプションを選択し、データの S3 パスを指定してプラットフォームがリストから最適にトレーニングされたモデルを選択できるようにすることで実験を構成します。