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
70
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
130
ObsidianをMCP連携させてみる
ttnyt8701
3
710
Claude Codeの使い方
ttnyt8701
2
230
FastMCPでMCPサーバー/クライアントを構築してみる
ttnyt8701
3
200
LangChain Open Deep Researchとは?
ttnyt8701
2
160
Vertex AI Agent Builderとは?
ttnyt8701
4
170
A2A(Agent2Agent )とは?
ttnyt8701
2
360
Amazon Bedrock LLM as a Judgeを試す
ttnyt8701
2
50
Amazon SageMaker Lakehouseでデータのサイロ化による課題を解決する
ttnyt8701
2
34
Other Decks in Programming
See All in Programming
Microsoft Orleans, Daprのアクターモデルを使い効率的に開発、デプロイを行うためのSekibanの試行錯誤 / Sekiban: Exploring Efficient Development and Deployment with Microsoft Orleans and Dapr Actor Models
tomohisa
0
200
Webinar: AI-Powered Development: Transformiere deinen Workflow mit Coding Tools und MCP Servern
danielsogl
0
150
コンテキストエンジニアリング Cursor編
kinopeee
1
680
MCPで実現するAIエージェント駆動のNext.jsアプリデバッグ手法
nyatinte
4
210
MLH State of the League: 2026 Season
theycallmeswift
0
150
学習を成果に繋げるための個人開発の考え方 〜 「学習のための個人開発」のすすめ / personal project for leaning
panda_program
1
110
AIレビュアーをスケールさせるには / Scaling AI Reviewers
technuma
2
220
Scale out your Claude Code ~自社専用Agentで10xする開発プロセス~
yukukotani
9
2.5k
マイコンでもRustのtestがしたい その2/KernelVM Tokyo 18
tnishinaga
2
2.3k
オープンセミナー2025@広島LT技術ブログを続けるには
satoshi256kbyte
0
120
Flutter로 Gemini와 MCP를 활용한 Agentic App 만들기 - 박제창 2025 I/O Extended Seoul
itsmedreamwalker
0
150
Honoアップデート 2025年夏
yusukebe
1
830
Featured
See All Featured
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
229
22k
Why Our Code Smells
bkeepers
PRO
338
57k
BBQ
matthewcrist
89
9.8k
Done Done
chrislema
185
16k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
9
770
Product Roadmaps are Hard
iamctodd
PRO
54
11k
A designer walks into a library…
pauljervisheath
207
24k
Building a Scalable Design System with Sketch
lauravandoore
462
33k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
50k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
36
2.5k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
131
19k
How to Ace a Technical Interview
jacobian
279
23k
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)