「Amazon SageMaker」は、機械学習プロセスの各段階の手間のかかる作業と推測で行う作業を取り除くフルマネージドサービス。プレビルドの開発ノートブック、ペタバイト規模のデータセット向けに最適化された一般的な機械学習アルゴリズム、自動的なモデルチューニング機能を提供することで、モデルを容易に構築し、学習を行うことができるという。
また、モデルの学習とモデルを利用した予測のための推論を実行するインフラストラクチャのプロビジョニングと管理を自動化することで、学習プロセスを劇的に簡素化し、高速化するという。
「Amazon SageMaker」により、開発者は以下のことが可能になるという。
・パフォーマンスに最適化されたアルゴリズムで機械学習モデルを容易に開発
Amazon SageMakerのフルマネージド機械学習ノートブック環境により、Amazon Simple Storage Service（Amazon S3）に保存しているデータを容易に検証、視覚化し、一般的なライブラリやフレームワーク、インターフェースを使用して変換することができる。
Amazon SageMakerには、最もよく使用されるディープラーニングアルゴリズムが含まれ、標準的な実装に比べて最大10倍高速に実装できるように最適化されている。開発者は好きなアルゴリズムを選択し、データソースを特定するだけで、後はAmazon SageMakerが必要なドライバーとフレームワークをインストールし、構成してくれる。
また、TensorFlowやApache MXNetとのネイティブ統合に加えて、PythonベースのChainerに対応した。Amazon Elastic Container Registry（ECR）上のコンテナにアップロードすることで、必要なフレームワークやアルゴリズムを指定することもできる。
・高速かつフルマネージドな学習
Amazon SageMakerにより、モデルを簡単に学習させることができる。Amazon Elastic Compute Cloud（Amazon EC2）インスタンスの種類と数量を選択し、データの場所を指定するだけで、後はAmazon SageMakerが自動的に分散コンピュートクラスタをセットアップし、学習を行い、Amazon S3に結果を出力し、終了したらクラスタを解体してくれる。
・ワンクリックで学習モデルを展開
Amazon SageMakerは、高いスループットで低遅延の予測をし、複数のアベイラビリティゾーンにまたがってAmazon EC2インスタンスが自動的に拡張されるアプリケーションのための、インスタンスのローンチ、モデルの展開、セキュアなHTTPSエンドポイントの設定を自動で行う。
また、A/Bテストのネイティブサポートも提供。一度、学習モデルを稼働した後は、機械学習インフラストラクチャの管理に関連する手間のかかる作業をなくし、ヘルスチェックの実施、セキュリティパッチの適用、その他のルーティンメンテナンスを自動で実施してくれる。
