Amazon SageMakerの評判・口コミ 全12件

改善してほしいポイントは何でしょうか？

新しいソフトウェアなので、公式以外は日本語の情報がまだまだ少ないです。
素晴らしい潜在能力があるので、Amazonが積極的に広めてエコを拡大させてほしいです。

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？

いわゆるAutoML前提で、AWSの既存のフレームワークの拡張ではなく、新規でフルスクラッチで提供してくれたので、逆に取り組みやすかったです。

改善してほしいポイントは何でしょうか？

疎結合なサービス構成を目指しているからだと思うが、
連携可能なサービスが多くなり、サービス全体が把握しづらい
機械学習の精度指標が必要最低限のものしか出力されないので、もっとカスタマイズできると嬉しい。
カスタムラベルなど日本リージョンではまだ使えないサービスがあるので、展開を早くしてくれると嬉しい。

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？

動画から画像を切り出し、特徴となる行動のラベリング、機械学習を
行うことで、実験、研究へのアプローチとして用いることができました。
最終的に工数削減、解析スピードアップにつながりました。

検討者にお薦めするポイントがあれば記入ください

スペックの関係で、自端末で機械学習環境を構築することが難しい場合や、
大量のデータを取り扱う場合(AWS S3に格納しておける）におすすめできます。

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。

改善してほしいポイントは何でしょうか？

ありがちな不満としてのドキュメント不足という問題もなく、自由度も高く、先進的でいうべきところがありません。

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？

個人的にAWSを評価しており、同時にAutoMLも活用してみたいので、AutoPilotが活用できる本製品はうってつけでした。
方や自由にロジックを構築できる自由度も気に入っています。

改善してほしいポイントは何でしょうか？

AWSに関するIAM Role, Policyなどの基本知識はある程度必要である。
SageMakerのエンドポイント(EC2)の自動起動・停止機能が望ましい。

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？

SageMakerは下記のようなビジネス課題の解決に繋がる
　データのアドホック分析
　データの加工、分析モデルの作成
　データ分析手法の修得

改善してほしいポイントは何でしょうか？

今市場に出ているどの自動機械学習サービスはどれもそうなのですが、3次元のデータセットを扱えないことなので、難しいとは思いますが、多次元のデータセットを扱えるようにしてもらえると応用範囲が広がります。

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？

2次元データセットを利用する際に、ローカルで構築した機械学習モデルをそのままインポートしたり、JupyterNoteに移植して使い慣れた環境で機械学習モデルを構築できました。

検討者にお薦めするポイントがあれば記入ください

AWSの他のサービスと連携させることが最大のポイントです。特に、チームで開発する際にローカルのマシンでは不可能な共同作業も可能なので、最大の利点です。

改善してほしいポイントは何でしょうか？

ML系のクラウド全般に言えることですが、インスタンスのONOFFのコントロールがより容易にできるようになると良いと思います。

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？

機械学習に強いエンジニアと、専門外の社員と双方にアプローチできる新たな製品で、幅広い利用と活用が可能になっています。

改善してほしいポイントは何でしょうか？

別段ありません。
AWSは常に他社の競合に先かげて、必要な製品を提供してくれるのでありがたいです。満足しています。

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？

クラウドMLの利便性はわかるものの、自由度の制約が大きいので、最初からEC2で独自の仮想マシンを構築してそこに任意のフレームワーク構築をするという手法をとっていましたが、それはそれで手間がかかるわけで、そこを、自由度の高いこの製品で補ってくれているのでありがたいです。

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。