SageMaker AI で Amazon Nova モデルをカスタマイズする

拡張 Amazon Nova 2.0 モデルを含む Amazon Nova モデルをレシピでカスタマイズし、SageMaker でトレーニングできます。これらのレシピでは、フルランクおよび Low-Rank Adaptation (LoRA) オプションの両方で、教師ありファインチューニング (SFT) や強化ファインチューニング (RFT) などの手法をサポートしています。

エンドツーエンドカスタマイズワークフローには、モデルトレーニング、モデル評価、推論のためのデプロイなどのステージが含まれます。SageMaker のこのモデルカスタマイズアプローチは、サポートされている Amazon Nova モデルをファインチューニングし、ハイパーパラメータを正確に最適化し、LoRA Parameter-Efficient Fine Tuning (PEFT)、フルランク SFT、RFT、継続的な事前トレーニング (CPT) などの手法を実装するための柔軟性とコントロールをもたらします。

カスタマイズアプローチ

SageMaker には、Amazon Nova モデルをカスタマイズするための次の 2 つのアプローチが用意されています。

UI ベースのエクスペリエンス – シンプルなガイド付きインターフェイスを使用して Amazon Nova モデルをカスタマイズするために使用します。このアプローチは、トレーニング、評価、デプロイを含むエンドツーエンドワークフローを提供し、コードを記述する必要はありません。UI ベースのエクスペリエンスは、迅速な実験、PoC (概念実証) の開発、ビジュアルワークフローを好むユーザーに最適です。

コードベースのエクスペリエンス – SageMaker Python SDK、Nova SDK、トレーニングレシピを使用して、プログラムでモデルをカスタマイズします。このアプローチにより柔軟性が向上し、高度なハイパーパラメータの設定、CI/CD パイプラインとの統合、トレーニングワークフローの自動化が可能になります。コードベースのエクスペリエンスは、本番環境のワークロード、複雑なカスタマイズ要件、MLOps プラクティスが確立されたチームに対して推奨されます。

カスタマイズプラットフォーム

AWS には、Amazon Nova モデルをカスタマイズするための 3 つのプラットフォームがあり、それぞれが異なるユースケースと要件に合わせて設計されています。

Amazon Bedrock – 最小限のセットアップでモデルカスタマイズを最も簡単かつ迅速に行うことができます。Bedrock はすべてのインフラストラクチャ管理を自動的に処理するため、データとユースケースに集中できます。このプラットフォームは、最短での投資回収が必要で、フルマネージド型のエクスペリエンスを好む場合に最適です。

SageMaker トレーニングジョブ – クラスターを作成または維持管理する必要がない、Amazon Nova モデルをカスタマイズするためのフルマネージド環境が用意されています。このサービスでは、すべてのインフラストラクチャのプロビジョニング、スケーリング、リソース管理が自動的に処理されるため、トレーニングパラメータの設定とジョブの送信に集中できます。このプラットフォームは、使いやすさと柔軟性のバランスを実現し、パラメータ効率ファインチューニング (PEFT)、フルランクファインチューニング、強化ファインチューニング (RFT) などの手法をサポートしています。

SageMaker HyperPod – 制限されたインスタンスグループ (RIG) がある EKS クラスターの作成と管理を必須とすることで、大規模分散トレーニングを行うための特殊な環境が用意されています。このプラットフォームでは、特殊な GPU インスタンスと統合された Amazon FSx for Lustre ストレージを使用してトレーニング環境を最も柔軟に設定できるため、高度な分散トレーニングシナリオ、継続的なモデル開発、エンタープライズ規模のカスタマイズワークロードに特に適しています。