- 機械学習›
- Amazon SageMaker AI›
- Amazon SageMaker と MLflow
Amazon SageMaker AI と MLflow を使用して生成 AI 開発を加速する
インフラストラクチャ管理なしで、実験を追跡し、モデルを評価して、AI アプリケーションをトレース
Amazon SageMaker AI with MLflow を併用すべき理由
AI モデルの構築およびカスタマイズは反復的なプロセスです。何百ものトレーニング実行により、最適なモデル精度を実現する最適なアルゴリズム、アーキテクチャ、パラメータを見つける必要があります。Amazon SageMaker AI は、マネージドサーバーレス MLflow 機能を提供します。これにより、AI デベロッパーは、インフラストラクチャを管理することなく、実験の追跡、動作の観察、AI モデルとアプリケーションのパフォーマンスの評価を簡単に行うことができます。また、SageMaker AI with MLflow は、SageMaker AI JumpStart、モデルレジストリ、パイプラインなどの使い慣れた SageMaker AI モデル開発ツールや、サーバーレスモデルカスタマイズ機能とも統合され、実験からデプロイまで、AI ライフサイクルのあらゆるステップを連携させるのに役立ちます。
Amazon SageMaker AI with MLflow を併用する利点
インフラストラクチャのプロビジョニングや追跡サーバーの設定をすることなく、実験の追跡と AI アプリケーションのトレースを開始できます。AI デベロッパーはサーバーレス MLflow 機能にすぐにアクセスできるため、チームはインフラストラクチャの管理ではなく AI アプリケーションの構築に注力できます。
SageMaker AI with MLflow は、単一の実験を実行する場合でも、数百の並列ファインチューニングジョブを管理する場合でも、ニーズに合わせて自動的にスケールします。MLflow は、手動介入なしで、実験が集中する時間帯にはインフラストラクチャをその状況に適応させ、状況が落ち着いている時間帯にはスケールダウンします。これにより、サーバー管理の運用上の負担を負うことなく、一貫したパフォーマンスを維持できます。
単一のインターフェイスで、進捗中のトレーニングジョブを視覚化し、実験中にチームメンバーと共同作業を行い、各モデルとアプリケーションのバージョン管理を行うことができます。また、MLflow は、バグや予期しない動作の原因を迅速に特定するのに役立つ高度なトレース機能も提供します。
MLflow プロジェクトが進化するにつれ、SageMaker AI のお客様は、AWS のサーバーレスサポートを享受しながら、オープンソースコミュニティのイノベーションの恩恵を受け続けることができます。
Amazon SageMaker AI with MLflow は、MLflow の最新バージョンに自動的にアップグレードされるため、メンテナンスウィンドウや移行作業なしで最新の機能にアクセスできます。
AI モデルのカスタマイズを効率化
SageMaker AI で MLflow を使用すると、実験を追跡、整理、比較して、最もパフォーマンスの高いモデルを特定できます。MLflow は、Amazon Nova、Llama、Qwen、DeepSeek、GPT-OSS などの人気のモデル向けの Amazon SageMaker AI サーバーレスモデルカスタマイズ機能と統合され、進行中のトレーニングジョブと評価を単一のインターフェイスを通じて可視化できます。
プロンプト管理で一貫性を維持
MLflow プロンプトレジストリを使用すると、AI アプリケーションにおけるプロンプトエンジニアリングと管理を効率化できます。これは、組織全体でプロンプトのバージョニング、追跡、再利用を可能にする強力な機能であり、プロンプト開発における一貫性の維持とコラボレーションの改善に役立ちます。
AI アプリケーションとエージェントをリアルタイムで追跡
SageMaker AI with MLflow は、AI 開発のあらゆるステップで、入力、出力、メタデータを記録し、バグや予期しない動作を迅速に特定します。エージェントワークフローとマルチステップアプリケーション向けの高度なトレースにより、複雑な生成 AI システムのデバッグとパフォーマンスの最適化に必要な可視性が得られます。
SageMaker モデルレジストリを使用してモデルガバナンスを一元化
組織は、開発チーム全体ですべての候補モデルを簡単に追跡し、どのモデルを本番環境に進ませるかについて情報に基づいた決定を下すための方法を必要としています。マネージド MLflow には、MLflow に登録されたモデルを SageMaker モデルレジストリと自動的に同期する専用の統合が含まれています。これにより、AI モデル開発チームは、それぞれのタスクに異なるツールを使用できます。実験には MLflow、包括的なモデルリネージによる本番ライフサイクルの管理には SageMaker モデルレジストリを活用できます。
SageMaker AI エンドポイントにモデルをシームレスにデプロイ
必要なモデルの精度とパフォーマンス目標を達成したら、数回クリックするだけで、SageMaker モデルレジストリから本番、すなわち SageMaker AI 推論エンドポイントにモデルをデプロイできます。このシームレスな統合により、モデルの保存のためにカスタムコンテナを構築する必要がなくなり、お客様は SageMaker AI の最適化された推論コンテナを活用しながら、モデルのログ記録と登録では MLflow のユーザーフレンドリーなエクスペリエンスを維持できます。
Wildlife Conservation Society
「WCS は、世界中の科学者が撮影したサンゴ礁の写真を、ML モデルを用いて分析するオープンソースプラットフォームである MERMAID を通じて、世界のサンゴ礁保全を推進しています。Amazon SageMaker with MLflow により、MLflow トラッキングサーバーの設定や、インフラストラクチャのニーズの変化に伴うキャパシティ管理が不要になり、生産性が向上しました。チームがモデルのイノベーションに専念できるようになったことで、クラウドドリブンの重要なインサイトを海洋科学者や管理者に提供するための、デプロイにかかる時間を短縮できています」
WCS、Lead Software Engineer、
MERMAID、Kim Fisher 氏
