Amazon SageMakerの価格（料金・費用）

改善してほしいポイントは何でしょうか？

今の所特に困った点はありません。強いていうなら、社内で不要に高いインスタンスを立ち上げっぱなしになるのを防ぐために、アカウントごとに作成することが出来るインスタンスタイプに制限を設けられれば良いかもしれません。

どのようなビジネス課題を解決できましたか？あるいは、どのようなメリットが得られましたか？

機械学習の学習を社内のエンジニアで学習するための環境として最初に導入するのがSageMakerでした。
SageMakerは業務用件で活用出来るものであると同時に、エンジニアが学習をするための環境としても十二分に環境が整備されています。

社内で機械学習が出来るエンジニアを増やしていく文脈でも活躍します。

検討者にお薦めするポイントがあれば記入ください

SageMakerの料金は、裏側で立ち上げているEC2を立ち上げている間分の料金のみです。
社内で利用するインスタンスサイズ、インスタンスの作成/停止のルールさえ決めれば、比較的小さい料金で導入し始めることができます。

改善してほしいポイントは何でしょうか？

AWS外のgithub連携は可能ですが、
jupyter notebookで開発したコードをAWS codecommit(AWSの提供するgit)と連携した時にマークダウン表示されるとよりよいです。

どのようなビジネス課題を解決できましたか？あるいは、どのようなメリットが得られましたか？

従来オンプレミスでおこなっていた機械学習をAWS環境に移行することで、
従来よりも早い実行時間で処理を完了できるようになりました。

オンプレミスとは違いAWS側ではサーバーの保守管理が不要なので、サーバーの保守管理コストの低減を実現しました。

AWSS SageMakerでの機械学習実装によって、機械学習処理内容を配布して別ノートブックインスタンスで実行頂くことで、オンプレミスにおける同時実行の課題も解決可能です。

また上述したjupyter notebookを用いた社内ツール開発にも利用されています。

改善してほしいポイント

日本語で書かれたドキュメントが少なかったので、情報を集めるのが大変だった。また、価格が少しわかりにくく、想定より高い金額だった。

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

SageMaker Notebook を使用して、Python でコードを書き、モデルの精度を確認。その後、トレーニングのコードとテストのコードを書いて、精度を確認した。精度は本番に実装できるほど高くなかったものの、ほかのタスクを行いながらも1ヶ月程度で試すことができたのでよかった。

検討者へお勧めするポイント

アプリケーションのインフラにAWSを使用していて、機械学習機能を実装するのであれば、ぜひ使ってみるのが良いかなと思います。