サンプル Jupyter Notebook を使用した MLflow チュートリアル

MLflow を使用した SageMaker トレーニング — スクリプトモードで SageMaker AI を使用して Scikit-Learn モデルをトレーニングして登録します。MLflow の実験をトレーニングスクリプトに統合する方法を確認できます。モデルトレーニングの詳細については、Amazon SageMakerでモデルをトレーニングする」を参照してください。

MLflow を使用した SageMaker AI HPO — Amazon SageMaker AI 自動モデル調整 (AMT) と SageMaker AI Python SDK を使用して MLflow で ML 実験を追跡する方法について説明します。各トレーニングイテレーションは、同じ実験内の実行 (Run) として記録されます。ハイパーパラメータ最適化 (HPO) の詳細については、Amazon SageMaker AI による自動モデル調整の実行」を参照してください。

SageMaker Pipelines with MLflow - Amazon SageMaker Pipelines と MLflow を使用して、モデルのトレーニング、評価、登録を行います。このノートブックでは、 デ@stepコレータを使用して SageMaker AI パイプラインを構築します。パイプラインと @step デコレータの詳細については、「Create a pipeline with @step-decorated functions」を参照してください。

MLflow モデルを SageMaker AI にデプロイする — SciKit-Learn を使用して決定木モデルをトレーニングします。次に、Amazon SageMaker AI を使用してモデルを SageMaker AI エンドポイントにModelBuilderデプロイし、デプロイされたモデルを使用して推論を実行します。ModelBuilder の詳細については、「ModelBuilder で MLflow モデルをデプロイする」を参照してください。