「Amazon SageMaker Canvasによるデータ処理、トレーニング、推論におけるパフォーマンスを70％向上させ、ビジネスの成果を加速させましょう」

Improve performance by 70% in data processing, training, and inference with Amazon SageMaker Canvas, accelerating business outcomes.

Amazon SageMaker Canvasは、ビジネスアナリストが独自に正確な機械学習（ML）の予測を生成できるビジュアルインターフェースです。MLの経験は必要なく、1行のコードを書く必要もありません。SageMaker Canvasの直感的なユーザーインターフェースを使用すると、ビジネスアナリストはクラウド上またはオンプレミスで異なるデータソースを参照およびアクセスし、データを準備および探索し、MLモデルを構築およびトレーニングし、シングルワークスペース内で正確な予測を生成することができます。

SageMaker Canvasを使用すると、アナリストは異なるデータワークロードを使用して高い精度とパフォーマンスで目的のビジネス結果を達成できます。正確な予測を生成するための計算、ストレージ、メモリの要件はエンドユーザーから抽象化されており、彼らが解決すべきビジネスの問題に集中することができます。この記事では、SageMaker Canvasを使用して異なるデータセットのサイズに対して、データの処理、モデルのトレーニング、予測の生成を高速かつ効率的に行う方法を紹介します。

前提条件

この記事を実際に試す場合は、以下の前提条件を満たしてください：

1. AWSアカウントを持っていること。
2. SageMaker Canvasをセットアップしていること。手順については、Amazon SageMaker Canvasのセットアップの前提条件を参照してください。
3. 以下の2つのデータセットをローカルコンピュータにダウンロードしてください。最初のデータセットは、NYCのイエロータクシーのトリップデータセットです。2番目のデータセットは、製品およびユーザーに関連する小売イベントに関するeコマースの行動データです。

両方のデータセットはAttribution 4.0 International（CC BY 4.0）ライセンスの下で提供されており、共有および適応することができます。

• 「AIがインターネット・オブ・シングスの世界をどのように革新しているのか？」
• データサイエンスのためのSQL：ジョインの理解と活用
• 「GPTとその先へ：LLMの技術的な基礎」

データ処理の改善

基礎となるパフォーマンスの最適化により、SageMaker Canvasへのデータのインポート時間が70％以上改善されました。現在、約50秒で2 GBまでのデータセットを、約65秒で5 GBまでのデータセットをインポートできます。

データのインポート後、ビジネスアナリストは通常、データセット内に問題がないことを検証します。例えば、列が正しいデータ型を持っていることを確認したり、値の範囲が予想と一致しているかどうかを確認したり、該当する場合に値の一意性を確認したり、その他の検証チェックを行うことができます。

データの検証は現在、より高速に行うことができます。テストでは、5 GBを超えるタクシーデータセットのすべての検証に50秒かかり、速度が10倍向上しました。

モデルトレーニングの改善

SageMaker CanvasにおけるMLモデルトレーニングに関連するパフォーマンスの最適化により、ポテンシャルなメモリリクエストの失敗を回避してモデルをトレーニングすることができるようになりました。

以下のスクリーンショットは、total_amountの特徴がターゲット変数に与える影響を示した大規模データセットを使用した成功したビルド実行の結果です。

推論の改善

最後に、内部テストにおいて、SageMaker Canvasの推論の改善により、より大きなデータセットの場合のメモリ消費量が3.5倍に削減されました。

結論

この記事では、SageMaker Canvasにおけるインポート、検証、トレーニング、推論に関するさまざまな改善点を見ました。データセットの大規模なインポートは70％向上しました。データの検証は10倍速くなり、メモリ消費量は3.5倍減少しました。これらの改善により、SageMaker Canvasを使用して大規模なデータセットで作業し、MLモデルの構築にかかる時間を短縮することができます。

改善点を実際に体験していただくことをお勧めします。ユーザーエクスペリエンスを向上させるためのパフォーマンスの最適化に取り組んでいるので、フィードバックをお待ちしています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!