何が起こったか
AWSは、コードを書かずに機械学習モデルを構築したいと考えている、Snowflakeに運用データを保存しているチームを対象としたチュートリアルシリーズの最初のパートを公開しました。
この最初の記事では、Amazon SageMaker Canvasを使用したノーコードMLワークフローをサポートするために、AWSアカウントとSnowflake環境を設定する手順を説明します。
この設定は、今後構築する不正検知モデルの基盤となるもので、ヘルスケア、小売、ライフサイエンスなどの業界を対象としています。
なぜ重要か
データ量の多い業界の組織は、ML開発には通常コーディングの専門知識が必要なため、大規模な運用データセットを予測に変えるのに苦労することがよくあります。
SnowflakeのデータストレージとAmazon SageMaker Canvasを組み合わせることで、このシリーズは、プログラマーでない人でも使い慣れたクラウドインフラストラクチャを使ってモデルの構築を始めるための道筋を示しています。
構造化された段階的なセットアップにより参入障壁が低くなり、予測分析がビジネスチームにとってより利用しやすくなります。
重要な事実
このチュートリアルは、ノーコードMLワークフローを構築するシリーズのパート1です。
AWSアカウントとSnowflake環境の設定を扱っています。
このワークフローはAmazon SageMaker Canvasを使用し、不正検知モデルの構築を目的としています。
ヘルスケア、小売、ライフサイエンスのチームは、大量の運用データをSnowflakeに保存しています。
次に注目すべき点
シリーズの今後のパートでは、SageMaker CanvasをSnowflakeデータに接続し、実際に不正検知モデルを構築することが予想されます。
このアプローチは、挙げられている例以外の、規制対象またはデータ量の多い他の業界におけるノーコードMLのテンプレートとなる可能性があります。