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 のトレーニング実行によって、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るメトリクスをまとめた作成物です。Model Studio で生成されるモデルの各バージョンには、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を表示する実験が関連付けられます。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、モデルのトレーニング処理そのものの実装です。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相違点を識別して、入力データを事前に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 から起動されるトレーニングジョブは、常に最新のトレーニング設定で実行されます。複数のジョブを続けて実行すると、同じ設定が引き続き使用されますが、入力データの変化によって出力が変わる場合があります。各実行は追跡され、Model Studio のホームページで閲覧できます。

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も適用されます。

コンピューティング使用量は、Foundry のコンピューティング秒として測定および報告されます。詳細は、使用量の種類に関するドキュメントを参照してください。

パラメーター

各トレーナーでは、トレーニングジョブの制御に使用できるパラメーターが定義されています。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各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参照してください。