翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# Amazon SageMaker AI エンドポイント
<a name="sagemaker"></a>

[Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html) は、モデルを構築およびトレーニングし、本番環境対応のホスト環境にデプロイするのに役立つマネージド ML サービスです。Amazon SageMaker AI Canvas とは異なり、SageMaker AI ready-to-useモデルを使用するオプションはありません。SageMaker AI では、サンプルデータを提供し、モデルをトレーニングする責任があります。これにより、より多くの制御が可能になりますが、運用上のオーバーヘッドと責任も増大します。

SageMaker AI にカスタムモデルを[リアルタイム](https://docs.aws.amazon.com/sagemaker/latest/dg/realtime-endpoints.html)エンドポイントまたは[サーバーレス](https://docs.aws.amazon.com/sagemaker/latest/dg/serverless-endpoints.html)エンドポイントとしてデプロイできます。または、アプリケーションの需要に応じて[バッチ変換](https://docs.aws.amazon.com/sagemaker/latest/dg/batch-transform.html)を使用することもできます。モデルが SageMaker AI エンドポイントとしてデプロイされない場合でも、SageMaker AI が生成するモデルアーティファクトは、カスタマイズされたデプロイに使用できます。SageMaker AI イメージ分類モデルの例については、GitHub の次のリソースを参照してください。
+ [Amazon SageMaker JumpStart イメージ分類](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/jumpstart_image_classification/Amazon_JumpStart_Image_Classification.ipynb)
+ [Amazon SageMaker TensorFlow イメージ分類](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/image_classification_tensorflow/Amazon_TensorFlow_Image_Classification.ipynb)
+ [Amazon SageMaker マルチラベルイメージ分類](https://sagemaker-examples-test-website.readthedocs.io/en/latest/introduction_to_amazon_algorithms/imageclassification_mscoco_multi_label/Image-classification-multilabel-lst.html)

モデルのトレーニングが完了したら、SageMaker AI Neo を使用してモデルをコンパイルし、計算効率を高めることができます。Neo は、Android、Linux、Windows マシンでの推論のために Gluon、Keras、MXNet、PyTorch、TensorFlow、TensorFlow-Lite、ONNX モデルを自動的に最適化します。詳細については、[「Neo を使用したモデルパフォーマンスの最適化](https://docs.aws.amazon.com/sagemaker/latest/dg/neo.html)」を参照してください。

SageMaker AI の利点は次のとおりです。
+ モデルアーキテクチャ、目標、トレーニング手順を完全に制御する
+ エンドポイントデプロイのインスタンスタイプを選択する機能
+ 効率的なデプロイのために SageMaker AI Neo でモデルをコンパイルする機能

SageMaker AI の欠点は次のとおりです。
+ 手動セットアップでは、自動化されたアプローチよりも多くの労力が必要です

SageMaker AI の詳細については、以下を参照してください。
+ *SageMaker AI* [デベロッパーガイド](https://docs.aws.amazon.com/sagemaker/latest/dg/gs.html)の開始方法
+ [Amazon SageMakerデベロッパーガイド」の「Amazon SageMaker AI を使用した機械学習の概要](https://docs.aws.amazon.com/sagemaker/latest/dg/how-it-works-mlconcepts.html)*SageMaker*」