Kaggle Titanic で AWS を使った ML パイプライン構築 1
機械学習パイプラインの構築は、機械学習モデルの運用工数削減や、統一された学習・テスト環境を組み込むことで、学習の精度を評価し、不具合のある機械学習モデルの誤ったデプロイを防止できるため、MLOps の第一歩として取り組むことが多いのではないでしょうか。特にクラウドでサーバーレスな構成にすることは、運用工数少なく機械学習パイプラインを構築できることから、事例も増えてきているようです。今回はワークフローエンジンとして馴染みの方も多いであろう、AWS Step Functions を使って、機械学習パイプラインを構築する方法について触れてみたいと思います。 今回は、Kaggle にある Titanic のチュートリアルに沿って AWS で機械学習パイプラインを構築してみようと思います。前提として、S3 に今回使うデータが格納されているところから始めます。特徴量の作成や欠損の処理といった前処理部分
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
https://x.com/keigohtr/status/1746672882451993011?s=12&t=suYC6B2IhN7jv0qU5zDxmQ
piqcy on Twitter: "AWSで自然言語処理を高速化する方法と題してスライドを公開しました。インスタンスの選択方法、サービスの選択方法について紹介しているのでご参考になれば幸いです！ https://t.co/crHONoPnso"
https://twitter.com/icoxfog417/status/1538385682590142464
