機械学習プロジェクトでは、コーディング作業以外にも対応すべき作業が数多く存在します。例えば、データの前処理や特徴量抽出から、高スペックな開発環境の運用やデプロイ後の性能監視等々が挙げられます。これらは開発者に技術的負債となって伸し掛かり、プロジェクトの進捗や難易度に負の影響を齎すことが考えられます。今回ご紹介する Amazon SageMaker Studio は、このような技術的負債となる作業を省力化する機能が多々備わっております。本セッションでは、ユースケースを交えながら Amazon SageMaker Studio の機能を紹介します。