投稿日: Aug 15, 2018
このクイックスタートでは、Amazon SageMaker を使用して、アマゾン ウェブ サービス (AWS) クラウドでの機械学習 (ML) モデルの構築、トレーニング、デプロイのためのデータレイク環境を構築します。このデプロイには 10～15 分ほどかかります。Amazon Simple Storage Service (Amazon S3)、Amazon API Gateway、Amazon Kinesis Data Streams、Amazon Kinesis Data Firehose といった AWS のサービスが使用されます。
Amazon SageMaker は開発者やデータサイエンティスト向けのマネージド型プラットフォームです。これを使用すると、ML モデルの構築、トレーニング、デプロイを短時間で簡単に実行できます。
このクイックスタートでは、複雑な ML ハードウェアクラスターを構成することなく、規範的な予測モデルを作成するエンドツーエンドのデータサイエンスを実現できます。
このクイックスタートには、Pariveda Solutions が作成したデモが添付されています。このデモでは、raw データを Amazon S3 に保存する方法、そのデータを Amazon SageMaker で使用するために変換する方法、Amazon SageMaker を使用してモデルを構築する方法、そのモデルを Amazon Elastic Compute Cloud (Amazon EC2) スポット料金向けに予測 API でホストする方法がわかります。
開始方法:
- アーキテクチャと詳細を確認する
- デプロイガイドで手順を確認する
- デプロイを自動化する AWS CloudFormation テンプレートをダウンロードする
AWS クイックスタートの他のリファレンスデプロイについては、カタログを参照してください。
クイックスタートは自動化されたリファレンスデプロイで、AWS ベストプラクティスに従い、AWS CloudFormation テンプレートを使用して AWS の主要テクノロジーをデプロイするうえで役立ちます。このクイックスタートは、Pariveda Solutions, Inc. とのコラボレーションで構築されました。