SageMaker入門者向け - 資料リンク集 - - Qiita
AWSの機械学習マネジメントサービスであるSageMakerは、なかなかピンポイントで欲しい資料が出てこないので、まとめておく。 Amazon SageMaker の特徴 本番環境でMLシステムを運用していく際に、マネージド機能が真価を発揮する。 MLopsやMDLCを実現していくためのコンポーネント。 PoCのモデル開発だけでは、真の恩恵は得られない。 SageMaker 初級者から中級者への近道（個人の経験） 以下の要件での学習、前処理、推論を構築できれば、応用が効くレベルになっていると思う。 学習：カスタムコンテナで、学習スクリプトが複数ファイルになっている(独自util.pyを作成など）ケースを理解する。 ・dockerの理解 ・SageMakerの仕様の理解(/opt/ml/へのデータ展開、実行スクリプトの場所など） （オプション）前処理：前処理をSageMaker Proces
AWS SageMakerとAPI Gateway、Lambdaで作るサーバレスな機械学習アプリケーション - Qiita
AWS SageMakerとAPI Gateway、Lambdaで作るサーバレスな機械学習アプリケーションPythonAWS機械学習lambdaSageMaker 本記事でやること 学習したモデルに対してのエンドポイントを作成する。 AWS SageMakerのエンドポイントへアクセスするためのlambda関数を作成する。 アプリケーションのフロントエンドからリクエストを受け取るためのAPI Gatewayを作成する。（上記で作成したlambda関数を呼びだします） アプリケーションのフロントエンドをFlaskで作成する。 今回使用するAWSのサービスとアーキテクチャは以下のようにになります。 githubに今回書いたコードをあげておりますので適宜参照していただければと思います。READMEにも手順を記載しています。 本記事でやらないことは以下の通りなので、他の記事を参照してください。 前
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
