amazon-sagemaker-examples は無料で使えますか？ライセンスは？

amazon-sagemaker-examples は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

amazon-sagemaker-examples は今もメンテナンスされていますか？

活発にメンテナンス中。amazon-sagemaker-examples の最終コミットは 2026年10月14日です。

amazon-sagemaker-examples は何に使えますか？

動作するサンプルを使って、SageMakerでモデルをトレーニングしてデプロイする方法を学ぶ SageMakerでSFT、DPO、または強化学習を使って基盤モデルをファインチューニングするモデルレジストリとリネージ追跡を備えたMLOpsパイプラインを構築するリアルタイム、サーバーレス、バッチ推論などのデプロイ方法を比較する

amazon-sagemaker-examples のインストール方法は？

AWSアカウントを作成する IAMユーザーとロールの権限を設定する Amazon SageMaker Notebook InstanceとS3バケットを作成する JupyterまたはJupyterLabでSageMaker Examplesタブを開き、ノートブックを実行する

amazon-sagemaker-examples はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/aws/amazon-sagemaker-examples

aws/amazon-sagemaker-examples

Q: amazon-sagemaker-examples は今もメンテナンスされていますか？

活発にメンテナンス中。amazon-sagemaker-examples の最終コミットは 2026年10月14日 です。

Amazon SageMakerで機械学習モデルを構築、トレーニング、デプロイする方法を示すJupyterノートブック集。

GitHub で見る公式サイト

スター: 10,994
フォーク: 6,951
未解決の Issue: 855
最終コミット: 10 日前

これは何？

このリポジトリには、Amazon SageMakerのワークフローを最初から最後まで解説するJupyterノートブックがまとめられています。ノートブックは、トレーニング、モデルのカスタマイズ、評価、推論、MLOpsというライフサイクルの段階ごとに分類されています。それぞれが単独で実行でき、専用のスクリプト、データ、画像を含みます。

トレーニングの例では、SageMaker Python SDK v3のModelTrainerクラスを使用し、分散トレーニング、チェックポイントを利用したマネージドスポットトレーニング、Bring Your Own Container、ローカルコードをトレーニングジョブとして実行する方法を扱います。モデルのカスタマイズ例では、教師ありファインチューニング、DPO、RLVR、継続的事前学習などのファインチューニング手法を取り上げます。推論の例ではModelBuilderを使い、リアルタイム、サーバーレス、非同期エンドポイント、A/Bテスト、自動スケーリング、Amazon Bedrockへのデプロイを扱います。

ノートブックはSageMaker Notebook Instances内で実行することを想定しており、あらかじめ読み込まれています。IAMロールを更新して依存関係をインストールすれば、ほかの環境でも実行できます。公式リポジトリはSageMakerチームが保守しており、追加の例を受け付けるコミュニティリポジトリも別途用意されています。

主な機能

01トレーニング、モデルのカスタマイズ、評価、推論、MLOpsのライフサイクル段階ごとに整理されたノートブック
02SageMaker Python SDK v3のModelTrainerとModelBuilderを使ったサンプル
03分散トレーニング、マネージドスポットトレーニング、Bring Your Own Containerを扱う例
04リアルタイム、サーバーレス、非同期エンドポイントの推論例
05SageMaker Pipelines、Model Registry、Feature Store、MLflowを使ったMLOpsの例

ユースケース

動作するサンプルを使って、SageMakerでモデルをトレーニングしてデプロイする方法を学ぶ
SageMakerでSFT、DPO、または強化学習を使って基盤モデルをファインチューニングする
モデルレジストリとリネージ追跡を備えたMLOpsパイプラインを構築する
リアルタイム、サーバーレス、バッチ推論などのデプロイ方法を比較する

クイックスタート

1
AWSアカウントを作成する
2
IAMユーザーとロールの権限を設定する
3
Amazon SageMaker Notebook InstanceとS3バケットを作成する
4
JupyterまたはJupyterLabでSageMaker Examplesタブを開き、ノートブックを実行する

使う前に知っておきたいこと

AWSアカウントが必要です。また、サンプルの実行にはAWSの料金が発生します。
ほとんどのサンプルはSageMakerが管理するリソースに依存するため、別の環境で実行するには、IAMロールの更新やライブラリのインストールなどの変更が必要です。

収録されている特集

強化学習のフレームワークと学習環境データサイエンスの教材とツール

トピック

#aws #machine-learning #jupyter-notebook #mlops #deep-learning #inference #model-training #data-science #examples #reinforcement-learning

よくある質問

amazon-sagemaker-examples とは？: Amazon SageMakerで機械学習モデルを構築、トレーニング、デプロイする方法を示すJupyterノートブック集。このリポジトリには、Amazon SageMakerのワークフローを最初から最後まで解説するJupyterノートブックがまとめられています。ノートブックは、トレーニング、モデルのカスタマイズ、評価、推論、MLOpsというライフサイクルの段階ごとに分類されています。それぞれが単独で実行でき、専用のスクリプト、データ、画像を含みます。
amazon-sagemaker-examples は無料で使えますか？ライセンスは？: amazon-sagemaker-examples は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
amazon-sagemaker-examples は今もメンテナンスされていますか？: 活発にメンテナンス中。amazon-sagemaker-examples の最終コミットは 2026年10月14日です。
amazon-sagemaker-examples は何に使えますか？: 動作するサンプルを使って、SageMakerでモデルをトレーニングしてデプロイする方法を学ぶ SageMakerでSFT、DPO、または強化学習を使って基盤モデルをファインチューニングするモデルレジストリとリネージ追跡を備えたMLOpsパイプラインを構築するリアルタイム、サーバーレス、バッチ推論などのデプロイ方法を比較する
amazon-sagemaker-examples のインストール方法は？: AWSアカウントを作成する IAMユーザーとロールの権限を設定する Amazon SageMaker Notebook InstanceとS3バケットを作成する JupyterまたはJupyterLabでSageMaker Examplesタブを開き、ノートブックを実行する
amazon-sagemaker-examples はどこで入手できますか？: ソースコードとインストール手順は GitHub にあります：https://github.com/aws/amazon-sagemaker-examples

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。