Amazon SageMaker では、機械学習モデルの構築とトレーニングの準備がより簡単になるように、トレーニングデータにすばやく接続し、アプリケーションに最適なアルゴリズムとフレームワークを選択して、最適化するために必要なツールがすべて揃っています。Amazon SageMaker には、Amazon S3 に保存されているトレーニングデータを簡単に分析し可視化できる、ホスト型の Jupyter Notebook が含まれます。S3 のデータに直接接続するか、AWS Glue により Amazon RDS、Amazon DynamoDB、Amazon Redshift からデータを S3 に移動して、それらのデータを Notebook で分析できます。

アルゴリズムの選択に役立つように、Amazon SageMaker では、10 通りの最も一般的な機械学習アルゴリズムが事前にインストールされ最適化されています。他のどの機械学習サービスよりも、最大 10 倍高いパフォーマンスでこれらのアルゴリズムを実行できます。また、Amazon SageMaker は、最もよく使用されているオープンソースフレームワークの 2 つである TensorFlow と Apache MXNet を実行するように事前に設定されています。独自のフレームワークを使用することも可能です。

Amazon SageMaker コンソールを使用してワンクリックでモデルをトレーニングできます。Amazon SageMaker は、基盤となるすべてのインフラストラクチャを自動的に管理するほか、ペタバイト規模のモデルのトレーニング用に簡単にスケーリングできます。トレーニングプロセスをより高速かつ簡単にするために、Amazon SageMaker ではモデルを自動的に調整してその精度を最大限に高めます。

モデルのトレーニングと調整が完了したら、Amazon SageMaker を本番稼働用環境に簡単にデプロイして、新しいデータに対する予測 (推論と呼ばれるプロセス) を開始できます。Amazon SageMaker は、高パフォーマンスと高可用性の両方を実現するために、複数のアベイラビリティーゾーンに分散されている Amazon EC2 インスタンスの Auto Scaling クラスターにモデルをデプロイします。また、Amazon SageMaker には、A/B テスト機能も組み込まれており、モデルをさまざまなバージョンでテストし、試して、最良の結果を得るのに役立ちます。

Amazon SageMaker により、機械学習の難しくて手間のかかる作業が不要になり、機械学習モデルをすばやく簡単に構築、トレーニング、デプロイできます。