SageMaker のアップデート

Amazon SageMaker Data Agentがインタラクティブなチャート生成機能、Snowflakeデータソースに対するSQL分析、具体化ビュー管理に対応しました。自然言語プロンプトのみで、データ探索、結果の可視化、クエリパフォーマンスの最適化を実現し、コード作成なしで完全な分析ワークフローが可能になります。

AWSはPartner Revenue MeasurementがAWS Marketplace MeteringでAMIおよびML製品に対応したことを発表しました。パートナーは顧客がAWS Marketplace経由でAMIやML製品を購入・利用する際のAmazon ECおよびAmazon SageMakerのサービス消費を自動的に測定できるようになります。追加実装なしに、パートナーが自社ソリューションのAWSサービス利用への影響を正確に可視化できます。

Amazon SageMaker Unified StudioがAWS Glueジョブの監視機能を強化し、CloudWatchメトリクスをジョブログと同じインターフェース内で表示できるようになりました。DPU使用率、メモリ消費、CPU負荷、データ移動サイズなどのリソース利用パターンをログ出力と相関させることで、ETLパイプラインの問題診断が高速化します。メトリクスとログを統合することで、問題解決時間(MTTR)を大幅に削減し、運用効率が向上します。

Amazon SageMaker Unified StudioのQuery Editorで、Data Agentが新たに利用できるようになりました。自然言語からSQL クエリを生成したり、失敗したクエリをデバッグしたり、データを対話的に探索できます。これにより、複雑なJOINや集計を手動で記述することなく、質問から実行可能なSQLまで素早く生成できるようになります。

AWSは、KiroとCursor IDEからAmazon SageMaker Studioへのリモート接続機能を新たに提供開始しました。データサイエンティストやMLエンジニアは、自分好みのローカルIDE環境（仕様駆動開発、会話型コーディング、自動機能生成機能を含む）を使いながら、SageMaker Studioのスケーラブルなコンピュートリソースにアクセスできます。AWS Toolkitエクステンションを使って認証し、数クリックで接続するだけで、ローカルとクラウドの間での頻繁な切り替え（コンテキストスイッチ）を排除でき、単一環境で統合的なAI/ML開発が可能になります。

AWS Toolkitを使用して、Cursor IDEからAmazon SageMaker Unified Studioへのリモート接続が可能になりました。ローカルのCursorのカスタマイズ設定やAI機能を保ったまま、SageMakerのスケーラブルなクラウドコンピュートリソースにアクセスできます。ローカル開発環境とクラウドインフラの間の行き来がなくなり、AI支援開発ワークフローを1つの統合環境で実現できるようになります。

AWS Batch は SageMaker Training ジョブに対してクォータ管理とジョブプリエンプション機能を追加しました。これにより、チームやプロジェクト間で計算リソースを効率的に割り当て・共有できます。GPU容量を使用する場合、優先度の高いトレーニングジョブを優先し、低優先度のワークロードを自動的に中断することが可能になります。

Amazon SageMaker AIが12個の新しいオープンウェイトモデルに対応し、インフラ構築・管理なしでモデルのカスタマイズと強化学習ファインチューニングが可能になりました。Qwen、DeepSeek、Meta Llamaなどの最新モデルが対応され、SFT、DPO、RLVR、RLAIFなど複数のファインチューニング手法が利用できます。使用量に応じた従量課金で、複雑なドメイン固有タスクへのモデル適応が容易になります。

Amazon SageMaker HyperPodがSlumオーケストレーターを使用するクラスターに対して継続的プロビジョニング機能を拡張しました。これにより、インスタンスグループの一部が完全にプロビジョニングされなくても、利用可能なインスタンスでトレーニングジョブをすぐに開始できるようになりました。複数インスタンスグループの同時スケーリングが可能になり、マニュアル介入なしでクラスターが目標規模に到達することを保証します。

AWS Configが、セキュリティ、耐久性、運用などの様々なユースケースに対応した75個の新しいマネージドルールをリリースしました。AWS Amplify、Amazon SageMaker、Amazon Route 53などのサービスを含む、より広範なAWS環境のガバナンスが可能になります。これらのルールはConformance Packsを使用してアカウント全体または組織全体にデプロイでき、複数アカウントのガバナンスが簡素化されます。

Amazon SageMaker Unified Studioにカスタムメタデータ検索フィルターが追加されました。組織固有の属性（ビジネス地域、データ分類、研究名など）を使用してカタログ検索結果を絞り込むことができるようになりました。複数フィルターの組み合わせやセッション間でのフィルター選択の保持も可能で、必要なデータアセットをより迅速に発見できます。

Amazon SageMaker Unified Studioにデータ系統（データリネージ）の集約ビューが追加されました。これにより、データセットに貢献するすべてのジョブを一つの画面で確認でき、データ変換と依存関係の全体像を把握できます。新しいQueryGraph APIを使用することで、メタデータとビジネスコンテキストを含むリネージ情報をプログラムから取得することも可能になりました。

Amazon SageMaker Unified Studioがデータ系統（データリネージ）の集約ビュー機能を新たに提供開始しました。これまでの特定時点でのリネージグラフ表示に加えて、複数レベルのデータ変換と依存関係を一度に可視化できるようになります。アップストリームソースからダウンストリームコンシューマまで、データセットに関わるすべてのジョブを統合的に把握でき、データ処理の全体像を素早く理解できます。

SageMaker Training Plansで予約したGPU容量を、ワークロードの再設定なしに延長できるようになりました。1日単位で最大14日間、または7日単位で最大182日間の延長が可能で、APIまたはSageMaker コンソールから簡単に申し込めます。延長購入後、ワークロードは中断なく継続実行されるため、長期化したAIトレーニングに対応できます。

Amazon SageMaker HyperPodのタスク統治機能が、保証されたクォータを超える未割り当てコンピュートリソースの動的共有をサポートするようになりました。管理者はアクセラレータ、vCPU、メモリなどのリソースタイプごとに借用制限を設定できます。高額なコンピュートインスタンスのアイドル化を自動的に検出して効率的に再配置することで、クラスタ利用率の向上と公平なリソース分配が実現します。

Amazon SageMaker Unified StudioはVisual ETLに新しいデータプレビューv2.0を導入し、ほぼ瞬時の結果表示を実現しました。ブラウザ内クエリエンジンを使用してデータをローカル処理することで、サーバー側のSparkセッション起動が不要になり、追加コスト無しで約1秒で各変換の出力を確認できます。S3、Redshift、Snowflakeなど多数のデータソースに対応し、開発者はより迅速にETLジョブを反復開発できるようになります。

Amazon SageMaker Unified Studioでライトモードのサポートが追加されました。ユーザーはプロフィール設定の「customize appearance」からダークモードとライトモードを自由に切り替えられます。ブラウザとデバイス間で設定が保持されるため、一貫した開発環境を実現できます。