このコースでは、Amazon SageMaker のモニタリング機能を使用して、機械学習 (ML) ソリューションのパフォーマンスと信頼性をモニタリングして維持する方法について学習します。まず、モニタリングの重要性と機械学習におけるドリフトの種類を理解することから始めます。次に、データのドリフト、モデル品質の問題、統計的バイアス、特徴属性ドリフトを検出する方法を見つけます。継続的なモニタリングを実行する SageMaker Model Monitor、バイアスを検出して解釈可能な説明を提供する SageMaker Clarify、パフォーマンスメトリクスの可視化と分析を実行する SageMaker Model Dashboard について詳細に確認します。
このコースでは、AWS Well-Architected 機械学習レンズの設計原則に基づいて、高性能で信頼性および信用性が高い機械学習ソリューションを構築して維持するのに役立つベストプラクティスを紹介します。長期にわたって機械学習ソリューションの効率性を保つするのに役立つ、事前の意思決定、自動修復、通知、再トレーニングワークフローのアプローチについて学習します。
- コースレベル: 上級
- 所要時間: 2 時間 30 分
アクティビティ
- オンライン資料
- 演習
- ナレッジチェックの問題
コースの目標
- モニタリングに関する AWS Well-Architected 機械学習レンズの設計原則を説明する。
- データ品質とモデルパフォーマンスをモニタリングするためのベストプラクティスを特定する。
- SageMaker Model Monitor を使用して、データドリフトやモデル品質の問題がないか、本番環境のモデルを継続的にモニタリングする。
- Amazon SageMaker Clarify でモデルバイアスを検出し、解釈可能な説明を提供する方法を説明する。
- SageMaker Clarify の属性モニタリングの利点とユースケースを説明する。
- A/B テストを使用して、本番環境のモデルパフォーマンスをモニタリングすることの利点を説明する。
- SageMaker Model Dashboard の主な機能と一般的なユースケースを説明する。
- 機械学習ソリューションをモニタリングして問題を事前に特定し、自動修復、通知、再トレーニングのワークフローを実装する。
対象者
- クラウドアーキテクト
- 機械学習エンジニア
推奨スキル
- SageMaker およびその他の AWS サービスを機械学習エンジニアリングに使用した経験が 1 年以上あること
- バックエンドソフトウェアデベロッパー、DevOps デベロッパー、データエンジニア、データサイエンティストなどの関連職での経験が 1 年以上あること
- Python などのプログラミング言語に関する基本的な理解
- AWS ML エンジニアアソシエイトの学習プランの以前のコースを修了していること
コースの概要
- セクション 1: コースの紹介
- レッスン 1: このコースの使用方法
- レッスン 2: 分野の紹介
- レッスン 3: コースの概要
- セクション 2: 機械学習ソリューションのモニタリング
- レッスン 4: ML におけるモニタリングの重要性
- レッスン 5: モニタリングにおけるドリフトの検出
- レッスン 6: Amazon SageMaker Model Monitor
- レッスン 7: データ品質ドリフトのモニタリング
- レッスン 8: SageMaker Model Monitor を使用したモデル品質のモニタリング
- レッスン 9: SageMaker Model Monitor のデモ
- レッスン 10: SageMaker Clarify による統計的バイアスドリフトのモニタリング
- レッスン 11: 特徴属性ドリフトのモニタリング
- レッスン 12: A/B テストを使用したモデルパフォーマンスのモニタリング
- レッスン 13: SageMaker Model Dashboard の紹介
- レッスン 14: モニタリングアプローチの選択
- セクション 3: モニタリングによって特定された問題の修正
- レッスン 15: 自動修復とトラブルシューティング
- セクション 4: まとめ
- レッスン 16: コースのまとめ
- レッスン 17: 評価テスト
- レッスン 18: お問い合わせ
