Amazon Sagemaker Jump Startを用いて爆速でモデルを作成してみる

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）

Amazon Sagemaker Jump Startを用いて爆速でモデルを作成してみる

Amazon Sagemaker Jump Startを用いて爆速でモデルを作成してみる

ttnyt8701

More Decks by ttnyt8701

Other Decks in Programming

Featured

Transcript