2019.07.05
データに基づいて分類や予測などを行うための技術
機械学習の応用
価値
機械学習アルゴリズムの実装
機械学習システムの構築
主要なフレームワークをサポート
10種類のサービスを提供
Amazon Rekognition & Amazon Rekognition Video
Amazon Textract
Amazon Transcribe
Amazon Polly
Amazon Translate
Amazon Comprehend
Amazon Comprehend Medical
Amazon Lex
Amazon Forecast
Amazon Personalize
ループのステップ
よくない例
学習データの収集と準備
MLアルゴリズムの選択と最適化
トレーニング環境の整備と運用
本番環境へのデプロイ
本番環境での運用とスケーリング
SageMaker Python SDK / AWS SDK for Python(boto3)
Dockerコンテナによる環境統一
トレーニングからデプロイまでのワークフローを自動化
継続的なモデルのアップデートを実現
とにかく自動化 / 自動化しきれないところは半自動化
トレーニングジョブには以下の情報が記録
ジョブを検索可能
4種類の組み込みツール + カスタムジョブ
3種類のワーカー
Batch Transform Job
Amazon Elastic Inference
Amazon SageMaker Neo
自律化・最適化
以下の要件がある場合はエッジでの機械学習を検討する必要がある
データ集約・拡張・クレンジング
機械学習 & モデルの生成 / クラウドでの機械学習推論
ローカルでのデータ収集 / エッジでの機械学習推論
クラウドでのデータ収集 / データ変換とルーティング
AWS IoT Greengrass ML Inference
AWS IoT Analytics Continuous Analysis
要求されるケース
入力となるデータ
設計のポイント
要求されるケース
入力されるデータ
設計のポイント
要求されるケース
入力されるデータ
要求されるケース
一週間に及ぶre:Cap終了!
AWSのホットなサービスについて幅広く学ぶことができた。
機械学習にしても、データレイクの構築やデータ分析にしても、結局それを利用できるようにするためのアプリケーションの構築が欠かせないとわかった。
連携やセキュリティの部分ではIAMに関する知識も欠かせない。
ビジネスの課題を解決するようなシステムをBuilding Block的に組み立てるためにも、使えるサービスを広げつつ基礎となる部分をよりしっかり固めておきたい。