注: 以下の翻訳の正確性は検証されていません。AIPを利用して英語版の原文から機械的に翻訳されたものです。

基本概念

このページでは、Model Studio の基本概念を紹介します。

モデル

モデルは、Foundry でモデルを統合するための共通インターフェースを提供します。Model Studio でトレーニングを実行すると、Python トランスフォーム、Pipeline Builder、関数などの下流のアプリケーションで使用できるモデルが生成されます。

実験

実験は、モデルのトレーニングジョブで生成されたメトリクスをまとめた作成物です。Model Studio が生成するモデルの各バージョンには実験が関連付けられ、トレーニングジョブの代表的なパラメーターとメトリクスが表示されます。たとえば、一部のトレーナーでは、トレーニング中に生成されたモデルアンサンブルのグラフがプロットタブに表示される場合があります。

トレーナー

Model Studio のトレーナーは、モデルのトレーニングに使用される実際のモデルのトレーニング実装です。各トレーナーは特定のタスクを対象としています。

  • 時系列予測: トレーニングデータのパターンを分析して、将来の値を予測します。
  • 回帰: トレーニングデータ内の入力特徴量と目的変数の関係を学習して、連続的な数値を予測します。
  • 分類: トレーニングデータのパターンと違いを識別して、入力データを事前定義されたカテゴリーまたはクラスに割り当てます。

トレーニングジョブ

Model Studio から起動されたトレーニングジョブは、選択したブランチの最新のトレーニング設定を使用します。複数のジョブを続けて実行しても、引き続き同じ設定が使用されますが、入力データの変化により出力が変わる場合があります。各実行は追跡され、Model Studio のホームページで確認できます。Model Studio の Global Branching を使用すると、設定の変更を main にマージする前にテストできます。

トレーニングジョブは Foundry の標準トランスフォームとして実行されるため、データリネージが維持され、入力データセットに適用されたマーキングはすべて出力モデルに適用されます。

コンピュート使用量は Foundry のコンピュート秒として測定・報告されます。詳細については、使用量の種類に関するドキュメントをご覧ください。

パラメーター

各トレーナーは、トレーニングジョブの制御に使用できるパラメーターを定義しています。また、トレーナーごとに固有のパラメーターも用意されています。

Model Studio を設定する際には、プラットフォーム内のドキュメントでパラメーターの詳細を確認できます。トレーナーのパラメーターについて詳しくは、そのトレーナーのドキュメントページをご覧ください。