Amazon SageMaker Studioを使ってみる。初期構築編

Amazon SageMaker Studioとは？

Amazon SageMaker Studioとは機械学習モデルを構築、トレーニング、デプロイできる完全マネージド型サービスです。

S3でデータを管理できたり、モデルを作りやすいエディタが用意されていたり、構築したモデルをapiで簡単に使える点が非常に便利だと思いました。

AWSの他のサービスと連携しているため、マシンを用意する必要もありません。

今後は機械学習もこのような統合開発環境を利用して開発をする事が主流になると思われます。

今回は最初からエディタを立ち上げるところまで解説します。

起動方法

AWSにログインし、Amazon SageMaker(以下SageMaker)のページに移動します。右側の”SageMaker Studioを起動する”をクリックします。

2020年4月時点では東京リージョンに対応していなかったため、オハイオリージョンにしています。

SageMaker Studioを構築する画面が表示されます。

以下を入力します。

• User Name：ユーザ名です。今回はデフォルトの名前にしました。
• Execution Role：実行できるロールを指定します。今回はSageMaker用のロールを作成します。

右の▼をクリックし、”新しいロールの作成”をクリックすると”IAMロールを作成する”画面が表示されます。

“任意のS3バケット”を選択して右下の”ロールの作成”をクリックします。

（利用するS3バケットに制限がある場合は必要に応じて選択するオプションを変更して下さい。）

先程の画面に戻り作成されたロールが入力されます。”送信”をクリックします。

しばらく経つと、コントロールパネル画面が開きます。

右側にある”Open Studio”を選択すると新しいタブが開き、Studioが表示されます。最初は読み込みに時間がかかります。

以上でAmazon SageMaker Studioを表示する事ができました。

サンプル集をクローンする

SageMaker Studioを使って機械学習を行うサンプルがGitHubにあります。最初はこのサンプルを見たり試しながら使い方を覚える方が良いと思います。

File > New > Terminal を選択します。ターミナルのタブが開くので次のコマンドを実行します。

”git clone https://github.com/awslabs/amazon-sagemaker-examples.git”

クローンが終わると画像のように、”amazon-sagemaker-examples”が追加されます。このフォルダの中にカテゴリー分けされた様々なサンプルがあります。

サンプルを実行したりコードやドキュメントを読んでSageMakerの使い方を学びましょう。最初は”aws_sagemaker_studio”や”autopilot”がおすすめです。