機械学習を学び、実験できる無料サービス「Amazon SageMaker Studio Lab」プレビュー版が発表：「JupyterLab」ベースのノートブック開発環境でAWSリソースを利用

AWSはJupyterノートブックを使用して機械学習を学び、実験できる無料サービス「Amazon SageMaker Studio Lab」のプレビュー版を発表した。クレジットカード番号は不要であり、AWSアカウントすら必要ない。

[＠IT]

　Amazon Web Services（AWS）は2021年12月1日（米国時間）、開発者や学術関係者、データサイエンティストなどがJupyterノートブックを用いて機械学習を学び、実験できる設定不要の無料サービス「Amazon SageMaker Studio Lab」（以下Studio Lab）のプレビュー版を発表した。

　Studio Labは無料で利用でき、AWS上で動作する。クレジットカード番号は不要であり、AWSアカウントすら必要ない。電子メールアドレスを登録し、Studio Labのアカウントを作成すれば利用できる。

Amazon SageMaker Studio Labは、Webページからアカウントを申請し、承認後に登録を完了すると、使用できる（出典：Amazon Web Services）

何ができるのか

　Studio Labでは、インフラの設定や構成に煩わされることなく、機械学習についてデータサイエンスの側面から実験に集中できる。

　オープンソースWebアプリケーション「JupyterLab」をベースにしたオープンなノートブック開発環境で、最低15GBの永続ストレージ、CPUまたはGPUランタイム、JupyterLabベースのユーザーインタフェースが利用可能なプロジェクトを開いて作業できる。

　データセットのインポートやJupyterノートブックの作成と実行、ターミナルの使用、GitリポジトリのクローニングなどのGitとの連携、オープンソースパッケージのインストール、ソースコードファイルの編集などが可能だ。

　「Pytorch」「TensorFlow」「MxNet」「Hugging Face」などのフレームワークや、「SciKitLearn」「NumPy」「Pandas」などのライブラリも活用できる。

　Studio Labは自動保存機能も備えており、ユーザーセッションが自動的に保存されるので、次回のユーザーセッションでは前回の続きから開始できる。さらにGitHubとの連携により、あらゆるノートブックを開いて、表示、編集、実行できる。

無料の教育コンテンツにアクセスできる

　Studio Labを使うと、次のような無料の教育コンテンツにアクセスできる。

・AWS Machine Learning University（MLU）
　AWSで開発者の機械学習トレーニングに使用されているのと同じコースにアクセスできる。

・Dive into Deep Learning（D2L）
　機械学習やディープラーニングの背後にある考え方や数学、コードについて学べるインタラクティブ書籍を閲覧できる。

・Hugging Face
　大規模なオープンソースコミュニティーであり、トレーニング済みディープラーニングモデルのハブにアクセスできる。

　数クリックで、MLUやD2L、Hugging Faceから、関連するノートブックをStudio Lab環境にインポートできる。

　なお、AWSは機械学習のための完全IDE「Amazon SageMaker Studio」を提供中だ。今回のStudio Labは、SageMaker Studioの簡略化されたバリエーションになる。SageMaker Studioと同じアーキテクチャとユーザーインタフェースをベースにしているが、使用できるコンピュートとストレージが制限されており、SageMaker Studioの機能のサブセットを提供した形だ。