No-code Machine Learning and Generative AI on AWS (Japanese)

Amazon Web Services and Amazon via AWS Skill Builder

Go to class Write review

Amazon SageMaker Canvas を使用すると、データアナリストやビジネスアナリストは、機械学習 (ML) の経験がなくても、コードを 1 行も書かずにデータの準備、機械学習モデルのトレーニングとデプロイを行うことができます。ML の深い知識がなくても、表データや時系列データの ML モデルを構築する方法を学びます。また、テキスト生成、テキスト要約、検索拡張生成（RAG）を使用したチャットなどのジェネレーティブAIユースケースをサポートするために、Amazonや他のモデルプロバイダーの基盤モデルからの出力の使用、微調整、評価についても学びます。ナレーション付きの動画、ステップバイステップの説明、トランスクリプトで構成されるガイド付きチュートリアルを利用して、ご自身のアマゾンウェブサービス（AWS）アカウントでCanvasサービスを試すこともできます。

自分のアカウントを使用する代わりに、AWS Skill Builder のサブスクリプションを契約して、AWS のハンズオン形式のインタラクティブコンテンツをすべて利用することもできます。例えば、125 以上の AWS Builder Labs に無制限にアクセスできます。このようなハンズオン形式のガイド付きラボでは、AWS のサンドボックス環境で構築を行うため、不要な料金が発生することを心配せずに、一般的なクラウドシナリオでの実践的なスキルを身につけられます。

購読ページから詳細を確認して購読することができます。契約後に、コースに登録し、AWS Builder Lab 環境を活用できます。このコースを修了すると、非常に正確なモデルを構築してトレーニングし、バッチ推論を使用して予測を生成できるようになります。また、モデルをデータサイエンティストと共有して、さらに分析したり、会社の機械学習運用パイプラインにデプロイしたりすることもできます。

コースレベル: 中級
所要時間: 5.5 時間

アクティビティ

このコースには、e ラーニングのインタラクション、ナレッジチェック、解説付きのデモンストレーションが含まれます。

コースの目標

このコースでは、以下について学習します。

機械学習 (ML) の基本的な概念と手法を説明する。
機械学習ライフサイクルとそのフェーズを特定する。
機械学習で解決できる問題の種類を説明する。
機械学習モデルを構築する手順を特定する。
モデルの予測精度を測定するためのメトリクスを説明する。
Amazon SageMaker Canvas を使用して、raw データをトレーニングデータセットに変換する方法を説明する。
データインサイトを生成し、データ品質を理解する方法を説明する。
可視化ツールを使用して、データの潜在的なエラーや極端な値を見つける方法を特定する。
AutoML を使用した SageMaker Canvas のモデル構築機能について説明する。
SageMaker Canvas を使用してモデルトレーニングジョブを起動し、その進行状況を追跡する。
パフォーマンスレポートで入手できるモデル品質メトリクスについて説明する。
モデルをデプロイして予測を行う。
テキスト生成、テキスト要約、モデル比較に SageMaker Canvas の基盤モデル (FM) ユーザーインターフェイス (UI) を使用する。
RAG とファインチューニングを使用して、基盤モデルの出力に関する課題を特定して対処する。
Amazon SageMaker Canvas を使用する際に従う必要があるベストプラクティスを説明する。

コースの対象者

このコースは、以下のような方を対象としています。

データアナリスト
ML 分野以外の研究者
オペレーションズリサーチアナリスト
ジュニアデータサイエンティスト

前提条件

このコースを受講するにあたり、次の前提条件を満たしておくことをお勧めします。

表データまたは時系列データの分析、クレンジング、変換を行った経験がある
統計的尺度と回帰に関する基本的な理解がある
AWS Technical Essentials コースの受講

生成 AI が初めての方には、以下のコースをお勧めします。

Introduction to Generative AI - Art of the Possible
Planning a Generative AI Project

コースの概要

モジュール 1: 機械学習の概要

このコースの受講方法
機械学習の概要
- 機械学習の基礎
- 機械学習で解決できる問題の種類
- 機械学習ライフサイクル
- 処理とデータからのインサイトの導出に関する課題
モデルの構築と評価
- モデル構築の概要
- モデル評価
- モデルのパフォーマンスを向上させる
- モデルトレーニングの選択肢
まとめ
- ナレッジチェック
- まとめ

モジュール 2: データの分析と準備

このコースの受講方法
Amazon SageMaker Canvas の概要
- Amazon SageMaker Canvas
- データの分析
- Quick Model 分析
データの準備
- データの変換
- データとデータフローのエクスポート
まとめ
- ナレッジチェック
- まとめ

デモ 1: Amazon SageMaker Canvas チュートリアル-表形式データのユースケース

デモ 2: Amazon SageMaker Canvas チュートリアル-時系列データセットのユースケース

モジュール 3: SageMaker Canvas を使用したモデルの構築

このコースの受講方法
SageMaker Canvas の詳細
- SageMaker Canvas でのモデル構築の概要
- SageMaker Canvas でモデルを構築するための詳細オプション
- SageMaker Canvas でのモデルの評価
- SageMaker Canvas での予測とモデルのデプロイ
まとめ
- ナレッジチェック
- まとめ

デモ 3: Amazon SageMaker Canvas チュートリアルを使用してカスタムモデルを構築する

デモ 4: ノーコード ML キャップストーンラボチュートリアル

モジュール 4: SageMaker Canvas を使用した生成 AI

このコースの受講方法
SageMaker Canvas の基盤モデル
- Amazon SageMaker Canvas を使用した生成 AI
- SageMaker Canvas の基盤モデル
- 基盤モデルの比較
SageMaker Canvas における基盤モデルの課題を軽減する
- モデルのハルシネーション
- 検索拡張生成 (RAG)
- 基盤モデルのファインチューニング
まとめ
- ナレッジチェック
- まとめ

モジュール 5: SageMaker Canvas のベストプラクティス