機械学習用「EC2インスタンス」選びの基本【後編】
SageMakerの「予算オーバー」を防ぐには？ 賢いインスタンスの選び方
「Amazon SageMaker」でAIワークロードを実行する際、予算オーバーになるのはよくある問題だ。SageMakerのインスタンス選びで、料金を抑えながら性能を最大限に引き出すポイントとは。
機械学習などのAI（人工知能）技術を活用する上で、機械学習モデルのトレーニング、推論といった処理（ワークロード）を実行するには、大量の計算処理能力が欠かせない。これを実現するための手段として、Amazon Web Services（AWS）の機械学習モデル構築サービス「Amazon SageMaker」（以下、SageMaker）がある。
SageMakerのインフラとなるのが、仮想マシンサービス「Amazon Elastic Compute Cloud」（Amazon EC2、以下EC2）だ。インスタンスのCPUコア数、メモリ容量、GPU、ネットワーク帯域幅などの組み合わせを定義したインスタンスタイプの選択は、AIワークロードを効果的に実行したり、SageMakerの費用を削減したりする上で重要になる。どのような点に注意してEC2インスタンスを選べばよいのか。
「どのEC2インスタンスが適切か」を見極めるには？
併せて読みたいお薦め記事
連載：機械学習用「EC2インスタンス」選びの基本
AWSサービス活用のヒント
機械学習を活用したアプリケーションを公開するまでには複数のステップがある。そのライフサイクルを通じてさまざまなタスクをこなすために、さまざまな種類の計算能力が必要になる。機械学習モデルの構築と活用に関連する主なタスクは以下の通りだ。
- モデルの設計と実装
- データの前処理と後処理
- モデル性能の評価
- モデルのトレーニング
- データの準備
- モデルによる推論
ほとんどの場合、これらのタスクごとに計算能力や処理時間、スケーラビリティ（拡張性）などに関する要件、直面する課題が異なる。そのため、実行するタスクに応じて適切なEC2インスタンスを選ぶことが重要だ。適切なインスタンスを選択する際のポイントを以下に挙げる。
ポイント1．要件を分析する
特定のインスタンスタイプやインスタンスサイズ（インスタンスを構成するリソースの規模）を選択する前に、各タスクのパフォーマンスに関する要件を明確にしよう。インスタンスを最適化すると、同等の容量を持つ汎用（はんよう）インスタンスよりも費用が高くなる場合がある。レイテンシや処理、学習、推論に必要なデータ量などに関するビジネス目標を達成するために、その費用が見合うかどうかを検討しなければならない。
汎用のインスタンスタイプでも要件を満たせる場合がある。だが高いパフォーマンスが結果的にコスト削減につながることもある。各タスクについて、想定しているデータ量やトランザクション量に応じて複数のテストを実行し、高いパフォーマンスが有効なのかどうかを評価する必要がある。複数のインスタンスタイプを試しながら費用を計算し、UX（ユーザーエクスペリエンス）やアプリケーションのパフォーマンスに影響するメトリクス（指標）を測定する。
ポイント2．メトリクスを見る
「Amazon CloudWatch」は、AWSサービスにおけるリソースの管理・監視ツールだ。呼び出し回数やレイテンシ、エラー率、CPUとメモリの使用率といったメトリクスを提供する。機械学習タスクは、コストが短期間で数千ドルに達する可能性があるため、要件ごとに最適なインフラコストを把握することが重要だ。Amazon CloudWatchが提供するメトリクスは、特定のインスタンスタイプが特定のワークロードに適しているかどうかを評価するために役立つ。
ポイント3．コストを最適化する
SageMakerの料金モデル「Amazon SageMaker Savings Plans」を利用することで、コストを削減できる可能性がある。1年または3年の契約期間において、ユーザー企業が特定の使用量を約束することで、料金の割引を受けることが可能だ。ただしAmazon SageMaker Savings Plansの適用範囲には制限がある点に注意が必要だ。
TechTarget発 世界のインサイト＆ベストプラクティス
米国TechTargetの豊富な記事の中から、さまざまな業種や職種に関する動向やビジネスノウハウなどを厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 世界のインサイト＆ベストプラクティス
米国TechTargetの豊富な記事の中から、さまざまな業種や職種に関する動向やビジネスノウハウなどを厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
事例
[フォーティネットジャパン合同会社] 複雑化しがちな「SASE運用」 IT・医療・金融などの事例に見る導入成功の秘訣 -
製品資料
[フォーティネットジャパン合同会社] 「SD-WAN」導入で失敗しないための5つの重要事項 -
技術文書・技術解説
[フォーティネットジャパン合同会社] VPNの代替候補「ZTNA」を理解できるようになる“3大要素”とは？ -
事例
[フォーティネットジャパン合同会社] すぐ分かる「SD-WAN」選定のポイント 成功企業はどんな成果を出した？ -
製品資料
[SCSK株式会社] 「Dropbox」管理・運用の困りごと解決ガイド
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
半数がブルーカラー転向を視野に？ ベテランエンジニアを追い込む“54歳の壁”
-
2
みずほ証券が「液冷サーバ」を採用 1日3.6億件の計算を支えるための要件
-
3
PHP脆弱性「PHP2Shell」で2260万件に影響 情シスの緊急チェックリスト
-
4
「Windows」の不要なファイルを安全に消して容量を空ける方法
-
5
Claude利用8割のGMO、AI人材の評価軸が「トークン管理」に変わった
-
6
MS&ADグループの目指す「AX」の全貌 本山CDOが語る変革の本質
-
7
「Microsoft 365」が乗っ取られる MFAを破る“本物の画面”の恐怖
-
8
SAP導入後も残る“Excel依存” 京急電鉄は「kintone」でどう解消した？
-
9
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
10
「テザリング依存」に潜む落とし穴 “遅いVPN”を解消するネット構築術
ホワイトペーパーランキング PR
-
1
AI駆動攻撃にどう対抗する？ 超速の攻撃からエンドポイントを保護する方法
-
2
2026年のサイバーセキュリティには何が必要か？ 最新データに学ぶ傾向と対策
-
3
経験豊富な即戦力人材に直接アプローチできる、「攻めの採用」への転換術
-
4
「IT史に名を残すシステム障害」8選
-
5
最速72分でデータが流出？ 最新の脅威トレンドや侵入手法から分かった防衛策
-
6
AI駆動開発のスピードと安全性を両立 「品質・セキュリティ管理」の実践ガイド
-
7
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
「標的型攻撃メール」事例・サンプル集
-
10
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー