はじめに 注意:この記事は2019/11/22時点での情報です。 LIFULLでは機械学習のサービング基盤にSageMakerを利用しています。 一方、LIFULLでは、データがBigQueryに集約される方針で、実際に集約されつつあるので、BQのデータを手軽に渡せるAutoML Tablesは簡単に試せて便利です。 AutoML Tablesにモデルのエクスポート機能がついたので、SageMakerのような別の環境で動かすできるようになりました。 エクスポート機能の使い方は公式に書いてあります。 LIFULLではメインサービスがAWSで動いているためデプロイはAWSである方が都合が良いです。 ですので今回は、AutoML Tables公式のDockerイメージをSageMakerで動くようにしてみました。 やったこと 要件の確認 SageMakerで動くDockerイメージの要件は最低以
![AutoML Tablesの学習済みモデルをSageMakerにデプロイする - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/18a051e38c51dbe314ee213f73c589d57b61c5b3/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Fadvent-calendar-ogp-background-7940cd1c8db80a7ec40711d90f43539e.jpg%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9QXV0b01MJTIwVGFibGVzJUUzJTgxJUFFJUU1JUFEJUE2JUU3JUJGJTkyJUU2JUI4JTg4JUUzJTgxJUJGJUUzJTgzJUEyJUUzJTgzJTg3JUUzJTgzJUFCJUUzJTgyJTkyU2FnZU1ha2VyJUUzJTgxJUFCJUUzJTgzJTg3JUUzJTgzJTk3JUUzJTgzJUFEJUUzJTgyJUE0JUUzJTgxJTk5JUUzJTgyJThCJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMzQTNDM0MmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz1mOTA0NTYzZWQxODFjNDA5ZjVmNzU1MWQyY2U5NjU5Nw%26mark-x%3D120%26mark-y%3D96%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9OTcyJnR4dD0lNDB0YW5peWFtJnR4dC1jb2xvcj0lMjMzQTNDM0MmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1hYmNlZWYxMzQxZjU2Y2I3Y2M5NWIwOGI1ZjE4ODM1MA%26blend-x%3D120%26blend-y%3D445%26blend-mode%3Dnormal%26txt64%3DaW4g5qCq5byP5Lya56S-TElGVUxM%26txt-width%3D972%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%25233A3C3C%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D134%26txt-y%3D546%26s%3D9b5475aa8079f3181de5f9517f7d0ca7)