Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Amazon Sagemaker Jump Startを用いて爆速でモデルを作成してみる
Search
ttnyt8701
March 12, 2025
Programming
3
73
Amazon Sagemaker Jump Startを用いて爆速でモデルを作成してみる
【AWS活用 AI/ML/LLM #6】機械学習/大規模言語モデル モデリング
https://blueish.connpass.com/event/348098/
ttnyt8701
March 12, 2025
Tweet
Share
More Decks by ttnyt8701
See All by ttnyt8701
Gemini CLI のはじめ方
ttnyt8701
1
180
ObsidianをMCP連携させてみる
ttnyt8701
3
2.1k
Claude Codeの使い方
ttnyt8701
2
290
FastMCPでMCPサーバー/クライアントを構築してみる
ttnyt8701
3
360
LangChain Open Deep Researchとは?
ttnyt8701
2
250
Vertex AI Agent Builderとは?
ttnyt8701
4
230
A2A(Agent2Agent )とは?
ttnyt8701
2
400
Amazon Bedrock LLM as a Judgeを試す
ttnyt8701
2
69
Amazon SageMaker Lakehouseでデータのサイロ化による課題を解決する
ttnyt8701
2
38
Other Decks in Programming
See All in Programming
登壇は dynamic! な営みである / speech is dynamic
da1chi
0
350
なぜGoのジェネリクスはこの形なのか? - Featherweight Goが明かす設計の核心
qualiarts
0
190
タスクの特性や不確実性に応じた最適な作業スタイルの選択(ペアプロ・モブプロ・ソロプロ)と実践 / Optimal Work Style Selection: Pair, Mob, or Solo Programming.
honyanya
3
180
フロントエンド開発のためのブラウザ組み込みAI入門
masashi
6
3.2k
Google Opalで使える37のライブラリ
mickey_kubo
2
120
AkarengaLT vol.38
hashimoto_kei
1
110
CSC305 Lecture 05
javiergs
PRO
0
230
釣り地図SNSにおける有料機能の実装
nokonoko1203
0
190
バッチ処理を「状態の記録」から「事実の記録」へ
panda728
PRO
0
180
コードとあなたと私の距離 / The Distance Between Code, You, and I
hiro_y
0
190
組込みだけじゃない!TinyGo で始める無料クラウド開発入門
otakakot
1
340
ソフトウェア設計の実践的な考え方
masuda220
PRO
4
620
Featured
See All Featured
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
23
1.5k
Stop Working from a Prison Cell
hatefulcrawdad
271
21k
Documentation Writing (for coders)
carmenintech
75
5.1k
How to train your dragon (web standard)
notwaldorf
97
6.3k
RailsConf 2023
tenderlove
30
1.3k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
31
9.7k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
16
1.7k
Designing for Performance
lara
610
69k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
285
14k
The Invisible Side of Design
smashingmag
302
51k
Transcript
Amazon Sagemaker Jump Startを用いて爆速でモデル を作成してみる🚀 2025.03.13 ©BLUEISH 2025. All rights
reserved.
立野 祐太 Yuta Tateno WEB開発(Go、GCP) 画像認識やRAGを用いた開発 WEBエンジニア 自己紹介 ©BLUEISH 2024.
All rights reserved.
ゴール Amazon Sagemaker Jump Startを用いたモデル作成方法を共有し、簡単に爆速でモ デルが作れるイメージを掴んでもらうこと
Amazon Sagemaker Jump Start とは? 機械学習のスターターキット 主な機能 ❏ 事前学習済みモデルの利用 :
すぐに使える AI モデルが多数用意 ❏ 簡単なカスタマイズ : ファインチューニング可能 ❏ 簡単なデプロイ : ボタン数クリックか SDK で本番環境に展開ができる ❏ モデル比較 : 品質や責任に関する指標でモデルを比較・選択ができる ❏ 組織内共有 : チーム内でモデルやノートブックを共有ができる
人物画像を入力することで年齢推定できるモデルを作成する さっそくやってみましょう! 🚀
Sagemaker Studioにアクセス
Jump Start 学習済みのモデルを利用できる
モデル選定 用途: 画像認識を用いた年齢推定
モデル選定
モデル選定 EfficientNet-B3を選択
モデル選定
モデルの検証 デプロイをし、素のモデル出力を確認する
モデルの検証 顔画像を入力し、モデル出力を確認 期待値 : 24 モデルの予測 : jersey モデルの予測 (上位5):
jersey, window shade, Band Aid, sunscreen, bulletproof vest 👉ファインチューニングを行い年齢推定 モデルにしていく
1. 人物画像と年齢のデータセットを収集 2. データセットをラベリング(前処理) 3. ファインチューニングを行う 4. デプロイ 5. モデルを検証
ファインチューニングの流れ
https://susanqq.github.io/UTKFace/ 人物の画像と年齢のデータセットを収集 UTKFaceで1~110歳までの学習データを約1万 枚 データセットの準備
データセットの前処理 ラベリング方法についてモデルページを確認 ディレクトリ名: 正解ラベル、ディレクトリの中: 学習用データとなるようにする
データセットのアップロード S3に前処理したデータセットをアップロード
ファインチューニング
ファインチューニング 1. S3にアップロードしたデータセット の選択 2. ハイパーパラメータの設定など行 う(今回はデフォルト)
ファインチューニング 1万枚のデータに対して約10分で完了(インスタンス:ml.p3.2xlarge) デプロイをしてモデルを検証
モデルの検証 顔画像を入力し、モデル出力を確認 期待値 : 24 モデルの予測 : 14 モデルの予測 (上位5):
14,52,26,27,29 正解はしなかったが、年齢推定モデルを 開発することができた 🚀
モデルの検証 正解はしなかったが、年齢推定モデルを開発することができた 🚀 アジア人のデータセットの学習量を増やす、より適切・高精度なモデル・アルゴリズムを 選択することで精度向上を望めそう!
まとめ 🔰 非エンジニアでもモデルを簡単に作成することが可能 🧠 適切なモデル選定、適切なデータセットがあれば精度向上可能 🚀 学習時間約10分、トータルでも約数十分で爆速開発可能だった (データセットのアップロード時間除く)