この投稿では、SageMaker HyperPod のスケーラビリティと ML インフラストラクチャのカスタマイズ性を強化する 3 つの機能を紹介しました。継続的なプロビジョニングにより、柔軟なリソースプロビジョニングが可能になり、モデルのトレーニングとデプロイをより迅速に開始し、クラスターをより効率的に管理できます。カスタム AMI を使用すると、ML 環境を組織のセキュリティ標準とソフトウェア要件に合わせることができます。