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/

1. 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.
2. 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.
3. 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
4. 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
5. 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！ 🚀
6. Sagemaker Studioにアクセス
7. Jump Start 学習済みのモデルを利用できる
8. モデル選定 用途： 画像認識を用いた年齢推定
9. モデル選定
10. モデル選定 EfficientNet-B3を選択
11. モデル選定
12. モデルの検証 デプロイをし、素のモデル出力を確認する
13. 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
14. 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
15. 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
16. 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
17. 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
18. ファインチューニング
19. 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）
20. 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
21. 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 🚀
22. 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！
23. 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）