翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# SageMaker AI トレーニングジョブ
<a name="customizing-models-training-jobs"></a>

[Amazon SageMaker AI Training Jobs](https://docs.aws.amazon.com/sagemaker/latest/dg/how-it-works-training.html) は、AI/ML モデルを大規模に効率的にトレーニングするために使用できるフルマネージドサービスです。SageMaker AI トレーニングジョブを使用すると、モデルのカスタマイズ用にコンピューティングインスタンスを選択および管理できます。インスタンスタイプと設定を完全に制御できます。ジョブはエフェメラル - インスタンスはトレーニング期間中にプロビジョニングされ、完了時に解放されます。SageMaker AI トレーニングジョブの詳細については、[Amazon SageMakerでモデルをトレーニング](https://docs.aws.amazon.com/sagemaker/latest/dg/train-model.html)する」を参照してください。

インスタンスを選択せずにフルマネージドエクスペリエンスを実現するには、「」を参照してください[サーバーレスモデルのカスタマイズ](customize-model.md)。

## 概要
<a name="training-jobs-overview"></a>

### リージョン別の可用性
<a name="training-jobs-regional"></a>

SageMaker AI トレーニングジョブは、すべての SageMaker AI リージョンで利用できます。

### インターフェイス
<a name="training-jobs-interfaces"></a>

recipe  
[SageMaker AI ](https://github.com/aws/sagemaker-hyperpod-recipes)レシピを使用して、事前設定されたトレーニングレシピを実行します。レシピは SageMaker AI トレーニングジョブと [HyperPod](customizing-models-hyperpod.md) の両方で動作し、データセットのロード、分散トレーニング、チェックポイント管理を自動化します。

Python SDK V3 (ModelTrainer)  
SageMaker AI Python SDK の `ModelTrainer` クラスを使用して、インスタンスの選択と設定を完全に制御してトレーニングジョブをプログラムで送信します。  

```
from sagemaker.modules.train import ModelTrainer
from sagemaker.modules.configs import Compute, InputData

trainer = ModelTrainer(
    training_image="my-training-image",
    role="arn:aws:iam::123456789012:role/SageMakerRole",
    compute=Compute(instance_type="ml.p4d.24xlarge", instance_count=2)
)

trainer.train(input_data_config=[
    InputData(channel_name="training", data_source="s3://my-bucket/train")
])
```

Studio (レガシーモデル)  
古いモデルの場合は、モデル詳細カード → Studio のトレーニングボタンを使用します。このフローにより、インスタンスの選択とハイパーパラメータの設定が可能になります。

### サポートされている手法
<a name="training-jobs-supported-techniques"></a>
+ SFT、DPO、RLVR、RLAIF (レシピ経由)
+ PPO (Amazon Nova モデルのみ)
+ CPT (継続的なトレーニング前)

### サポートされているトレーニングタイプ
<a name="training-jobs-supported-training-types"></a>
+ LoRA
+ FFT (フルファインチューニング)

## 開始方法
<a name="training-jobs-getting-started"></a>

レシピを使用して SageMaker AI トレーニングジョブを開始するには:

1. recipes リポジトリのクローンを作成します。

   ```
   git clone --recursive https://github.com/aws/sagemaker-hyperpod-recipes.git
   cd sagemaker-hyperpod-recipes
   pip3 install -r requirements.txt
   ```

1. モデルと手法`recipes_collection/recipes/fine-tuning/`のレシピを から選択します。

1. レシピ YAML ファイルでトレーニングデータパスとハイパーパラメータを設定します。

1. ランチャースクリプトを使用してトレーニングジョブを起動します。

詳細なチュートリアルについては、[SageMaker AI HyperPod レシピのドキュメント](https://docs.aws.amazon.com/sagemaker/latest/dg/sagemaker-hyperpod-recipes.html)を参照してください。