Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Amazon Web Services

Lab - Orchestrate a Machine Learning Workflow using Amazon SageMaker Pipelines and SageMaker Model Registry (Japanese)

Amazon Web Services and Amazon via AWS Skill Builder

Overview

ラボの概要

AnyCompany コンサルティング部門から、潜在的な顧客離れを分析するモデルの導入を求められました。モデルをスケーリングするには、Amazon SageMaker Pipelines と SageMaker モデルレジストリを Amazon SageMaker Studio で使用してください。

SageMaker Pipelines は、SageMaker との直接統合を活用して運用の回復力と再現性を向上させるワークフローオーケストレーションツールです。SageMaker Studio は SageMaker パイプラインの直接管理をサポートしています。そのため、同じコンソール内でパイプラインの実行を視覚化し、変更を加えることができます。

このラボでは、自動機械学習 (ML) ワークフローのさまざまなステップを管理します。これには、データの読み込み、データ変換、トレーニングとチューニング、モデル評価、バイアス検出、および展開が含まれます。トレーニング済みモデルの保存にはモデルレジストリも使用します。

このラボでは、Kaggle Customer Retention Retail で入手できる顧客維持率小売データセットを使用します。このデータセットには、注文数、注文数量、注文頻度、都市など、店舗の顧客に関するデータが含まれています。このデータセットは、さまざまなマーケティング戦略に基づいて顧客の行動と顧客を維持する可能性を評価するために使用できます。

目標

このラボを完了すると、次のことができるようになります。

  • SageMaker パイプラインを作成します。
  • パイプラインステップとアーティファクトを表示します。
  • パイプラインステップを通じて、トレーニング済みモデルをモデルレジストリに登録します。

アイコンキー

このラボでは、さまざまな種類の指示やメモに注意を喚起するために、さまざまなアイコンが使われています。次のリストは、各アイコンの目的を説明しています。

  • Caution: 特に興味深い情報または重要な情報(見逃した場合に機器やデータに問題が発生するほど重要ではありませんが、特定の手順を繰り返す必要が生じる可能性があります)
  • 注: ヒントまたは重要なガイダンス
  • タスク完了: ラボの結論または要点
  • 警告: 元に戻せず、コマンドまたはプロセスの障害に影響を与える可能性のあるアクション (設定後に変更できない設定に関する警告を含む)

Reviews

Start your review of Lab - Orchestrate a Machine Learning Workflow using Amazon SageMaker Pipelines and SageMaker Model Registry (Japanese)

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.