「Amazon SageMaker｜機械学習エンジニア向けセッション＋体験ハンズオン」に行ってきました

Tweet

残念ながらハンズオンまではいれませんでしたが、前半のSageMakerの解説を聞きにいきました。

以下は、思ったことや気になったことをメモしていますので、必ずしも登壇者の発表内容やご意見ではないことを、ご承知おきください。

スライドはBlackBeltのスライドがベースになっていたようです。

機械学習システムでよくある問題

• 学習はGPU、推論はCPUが多い(GPUは高価、かつそこまで重たい処理は推論に必要ない)
• 学習の前に開発(学習に使うコードを記述する)のプロセスがある。
• 開発 & 学習はデータサイエンティストがやることが多く、推論はエンジニアが構築することが多い
• 一回作ったモデルは塩漬けにならない、新しいデータを学習させたりモデル精度を改善する
• GPUインスタンスはお金がかかる。P3インスタンス1時間かかり$45ぐらい。

SageMakerの概要

• 開発は機械学習で使うモジュールが全部のせのJupyter Notebookが数クリックで起動する
• 学習はDockerで行われて、結果はS3に格納される、自動でインスタンスが削除されるので課金はジョブが動いている間だけ
• ジョブの実行結果はCloudWatchLogs
• 学習/推論はローカルで使うとスピードがあがる
• モデルはGreenGrassにデプロイすることができる

SageMakerの使いかた

• SageMkerのビルトインアルゴリズム(11種)がある
• 学習用データを用意するだけなので簡単
• ビルトインじゃなくてもChainer, TensorFlow, MXNetほとんどコードを書かなくて良い、entry_pointが必要

実践的な活用方法

• SageMakerの3要素はそれぞれ個別で利用可能
• S3にあるモデルからCreateModelすることも出来る

最後までお読みいただきましてありがとうございました！

【PR】 「AWS認定試験対策 AWS クラウドプラクティショナー」という本を書きました。

【PR】 「AWSではじめるLinux入門ガイド」という本を書きました。

@yamamanx

開発ベンダー5年、ユーザ企業システム部門通算9年、ITトレーナー2年目のSoftware Engineerです。
質問はコメントかSNSなどからお気軽にどうぞ。
出来る限りなるべく答えます。

このブログの内容/発言の一切は個人の見解であり、所属する組織とは関係ありません。
このブログは経験したことなどの共有を目的としており、手順や結果などを保証するものではありません。
ご参考にされる際は、読者様自身のご判断にてご対応をお願いいたします。

また、勉強会やイベントのレポートは自分が気になったことをメモしたり、聞いて思ったことを書いていますので、登壇者の意見や発表内容ではありません。