Amazon SageMakerについて
Amazon SageMaker は、AWS の機械学習、分析、データ処理、SQL、生成 AI 開発を連携した環境に統合します。チームはマネージドインフラストラクチャを使用して機械学習モデルや基盤モデルを構築、トレーニング、カスタマイズ、デプロイできるほか、サーバーレスノートブックでの作業、組み込みの SQL エディタによるデータ照会、使い慣れた AWS サービスによるデータパイプラインの作成が可能です。SageMaker Unified Studio はデータとツールへの共有アクセスを提供し、SageMaker Catalog は検出、ガバナンス、アクセス制御、コラボレーションを支援します。レイクハウスアーキテクチャにより、Amazon S3 データレイク、Amazon Redshift データウェアハウス、フェデレーションまたはサードパーティーのデータソースを接続できます。Amazon Q Developer は、データの検索、コードや SQL の記述、トラブルシューティング、モデル開発のガイドに自然言語で対応します。料金は、SageMaker の各機能、AWS のコンピューティングとストレージ、カタログリクエスト、ネットワーク、および利用するサードパーティーサービスの使用量に基づきます。一部のセットアップおよび管理リクエストは常に無料で、対象となる AWS Free Tier 特典が適用される場合もあります。
機能
機械学習モデルの開発とデプロイ
SageMaker インフラストラクチャを使用して、トレーニングデータの準備、機械学習モデルまたは基盤モデルの開発、マネージド型のトレーニングおよび評価ワークフローの実行、推論用モデルのデプロイを行えます。実験から本番運用までを単一の AWS ワークフローで進めたいチームに適しています。
複数のデータソースを横断した分析
レイクハウスアーキテクチャを通じて、マネージドノートブックと SQL ツールを使用し、Amazon S3、Amazon Redshift、および対応するフェデレーションまたはサードパーティーのソースに保存されたデータを分析できます。アナリストとエンジニアは、ツールごとに個別のコピーを維持せずに共有データを利用できます。
共同で行うデータおよび AI 作業の統制
SageMaker Catalog を通じてプロジェクトとアセットを整理し、データとモデルを検出・共有して、きめ細かなアクセスポリシーを適用できます。これにより、データ、分析、AI の各チームは、開発ライフサイクル全体で共同作業を行うための共通ガバナンスレイヤーを利用できます。
長所
- AWS 内で分析、データ処理、SQL、機械学習、生成 AI のワークフローを統合
- モデルを大規模にトレーニング、カスタマイズ、デプロイするためのマネージドインフラストラクチャを提供
- データ、モデル、AI アセットに共通の検出、アクセス制御、ガバナンスを適用
短所
- 総コストは、個別に課金される複数の AWS サービスとワークロードリソースによって決まる
- クイックセットアップでは、アカウント設定に応じて異なる追加のネットワーク料金が発生する場合がある
- AWS エコシステム外のチームには、統合と運用に関する学習コストが生じる可能性がある
料金プラン
従量制
- 料金は使用する AWS サービスとリソースに応じて決まります
- SageMaker Catalog の使用量は個別に課金されます
- コンピューティング、ストレージ、ネットワーク、サードパーティーサービスで追加料金が発生する場合があります
- 一部の Unified Studio セットアップおよび管理リクエストは常に無料です
* 料金情報は参考用です。最新情報はAmazon SageMaker公式サイトのお知らせをご確認ください。