SageMaker エンドポイント呼び出しアクション

[SageMaker エンドポイント呼び出し] アクションは、SageMaker プラットフォーム上にデプロイされた AI モデルにデータを送信し、応答を受信します。このアクションにより、機械学習機能を Control Room に直接統合し、トレーニング済みモデルの専門知識に基づいて予測や分類を行うことができます。

注: このページで提供されている例示およびグラフィックは、イメージを伝えることを目的とするにすぎず、お客様固有の事例を正確に反映していない場合があります。当社は、そのメンテナンスや正確性について責任を負いません。

概要

SageMaker エンドポイントの呼び出しプロセス

  • データの準備: エンドポイントの呼び出し前に、予測のために送信するデータを準備する必要があります。画像、テキスト スニペット、数値、モデルが期待するその他のフォーマットを準備します。
  • エンドポイントの呼び出し: 予測を得るには、準備したデータを入力として、エンドポイント URL に POST 要求を送信します。リクエストには通常、JSON 形式のデータが含まれます。
  • エンドポイント処理: SageMaker エンドポイントは、デプロイされたモデルを使用して受信データを処理します。モデルのアルゴリズムを通してデータを実行し、モデルのトレーニングに基づいて予測やレスポンスを生成します。
  • レスポンス: エンドポイントは、HTTP レスポンス本文でモデルの予測またはレスポンスを返します。アプリケーションでこのレスポンスを解析し、必要に応じて結果を使用できます。

前提条件

  • AI モデルは SageMaker でデプロイする必要があります
  • デプロイされたモデルには、[SageMaker エンドポイント呼び出し] を使用してアクセスできます。
注: このタスクは通常、管理者権限を持つオートメーション管理者によって実行されます。

手順

  1. AWS Console にログインし、プロジェクトを選択します。
  2. 選択したプロジェクトに対応する管理コンソールをクリックします。AWS SageMaker マネジメント コンソール
  3. SageMaker を検索し、[Amazon SageMaker] を選択します。AWS SageMaker の検索
  4. [ドメイン] に移動し、ドメインをクリックします。AWS SageMaker のドメインまたは、Studio (左のナビゲーション) をクリックして適切なドメインを選択し、[スタジオを開く] をクリックすることもできます。ドメインを追加するには、「AWS のカスタムドメイン追加」を参照してください。ドメインの詳細については、「Amazon SageMaker ドメイン」を参照してください。
  5. [推論] > [エンドポイント] に移動して、すでにデプロイされている既存のすべてのモデルを表示します。
    以下の例では、AWS SageMaker にすでにデプロイされているテキストおよび画像ベースのモデルを呼び出す方法を説明します。