Author: AWS Japan

AWS IoTが利用可能になった2015年から、センサーネットワークやコントロールシステムアーキテクチャやマシンツーマシン(M2M)ネットワークの、成熟した長年あるドメインへクラウド開発の概念を含めように修正する必要がでています。 IoT Atlasは、使いやすく検索可能なWebサイト（https://iotatlas.net）で入手できるIoTデザインパターンです。 IoT AtlasはクラウドでIoTソリューションを構築している人が利用できるように想定し、デザインの更新や拡張を行います。 IoT Atlasは、新規および長期にわたるソリューションビルダーのためのリソースです。 デザインはクラウドサービスにとらわれないため、IoT AtlasはGitHubのリポジトリとして公開されています。 Creative Commonsライセンスの下でコンテンツを公開することで、デザインのアイデア、考慮事項、および例の顧客、フィールド、およびパートナーの貢献を促進します。 また、ソリューションにおける新しいIoTパターンについての会話と理解を促進したいと考えています。 現時点で IoT Atlasは以下のデザインが利用可能です。 コマンド：要求元のエンティティは、ステータスの確認応答とともに、デバイスに単一のアクションを実行するように要求する。 デバイスブートストラップ：未登録のデバイスが登録され、IoTソリューションとして機能するようになる。 デバイスステータスレプリカ：物理デバイスから報告された状態または望ましい将来の状態の論理表現。 ゲートウェイ：デバイスは、ローカルデバイスとデバイスおよびクラウドの間の仲介役として機能。 ソフトウェアアップデート：デバイスは新しいソフトウェアを入手し、アップデートを実行、完了の確認をする。 テレメトリ：遠隔環境のセンサーからデータを収集し、その測定値を他のコンポーネントで使用できるようにする。 テレメトリアーカイブ：デバイスの測定値が保存され、元の形式または処理された形式で使用できるようにする。 たとえば、従来のテレメトリソリューションでは、オンプレミスデバイスからセンサーデータを取得し、そのデータをFTP、HTTP、またはその他のメカニズムを使用して自分で運用しているサーバーに送信することができます。 IoT Atlasのテレメトリ設計では、マネージドなクラウドベースのIoTメッセージングプロトコルとプロトコルエンドポイントを使用しています。 このため、オリジナルのテレメトリ設計は、グローバルなハイパースケールクラウドを含む改訂の恩恵を受けます。 これはIoTデザインの初公開となるために、IoT Atlasを成長するリソースにするためのあなたの助けを待っています。 IoTの設計、考慮事項、および例についてのアイデアやコンテンツを読んで、レビューし、コメントする時間を少しいただけませんか？コントリビュートの方法はこちらをご参照ください。 私たちは一緒にIoTソリューションの成功に向かって業界を導くマップを作成することができます。 原文はこちら 翻訳はSA 小梁川が担当しました

クラウドの学習コンテンツやトレーニング環境に無料でアクセスできる教育プログラムAWS Educateの学生メンバーが利用できるクラウドの基本を学ぶコースと11の職業に紐づくクラウド学習コース（キャリアパスウェイ）が、簡体字中国語、繁体字中国語、フランス語、ドイツ語、イタリア語、スペイン語、ポルトガル語、そして新たに日本語、韓国語、およびインドネシア語の10の言語でご利用いただけるようになりました。（※）世界中のよりたくさんの学生が、クラウドを使った学習を行い、将来クラウドを使う仕事に就くチャンスを得られることになりました。 クラウドキャリアパスウェイは、何百ものコンピュータサイエンスとクラウド関連の仕事に必要な技術的スキルを組み込んだ学習コースです。各コースは、目標とする職業にもとづき設計された自習型コースで30時間から40時間程度の時間を要するコンテンツが含まれます。それぞれのコースには小テストが埋め込まれていて身に着けた知識のチェックをしながら学習を進めて行くことができます。 世界の多くの地域の40万人以上の学生や教員の方がすでにAWS Educateのクラウド学習のキャリアパスを生徒の自習課題やコンピュータサイエンスのカリキュラムに組み込んで活用しています。新しい言語への対応は、より多くの方がAWS Educateの利点を活用できるようになります。 【12の学習コース】 （基礎を学ぶコース） 　クラウドコンピューティング 101 （目標とする職種に紐づく１１のコース） 　アプリケーションデベロッパー 　クラウドサポートアソシエイト 　クラウドサポートエンジニア 　サイバーセキュリティスペシャリスト 　データインテグレーションスペシャリスト 　データサイエンティスト 　DevOpsエンジニア 　マシンラーニングスペシャリスト 　ソフトウェアデベロップメントエンジニア 　ソリューションアーキテクト 　Webデベロップメントエンジニア AWS Educateは14歳以上の学生、教員、企業のリクルータの方が参加でき、学生は学習、教員は授業、リクルータは採用活動のために利用できます。メンバーが自由に参加する機会に加え、学校が加盟することでよりクレジットの増額など多くの参加特典を学生、教員に提供することが可能になります。 これから社会にはばたいていく学生の支援を通じ、教育機関とクラウド技術を活用する企業、そしてクラウドを提供する企業の密なつながりが生まれ、社会全体のクラウド技術者の需要の増大に応えることに繋がっていきます。 （※各学習コース内からリンクがある一部の外部学習教材は英語でのご提供となります。） 【問い合わせ】aws-jpps-qa@amazon.com　パブリックセクター　エデュケーションプログラム担当　澤

概要 Amazon SageMaker では、TensorFlow、MXNet、Chainer、PyTorch、scikit-learn といった機械学習フレームワークをサポートしています。これらのフレームワークを利用して機械学習による予測結果を得るためには、学習した機械学習モデルをエンドポイントにデプロイする必要があります。複数のモデルを利用したい場合、モデル一つ一つに対してエンドポイントを作成する方法が一般的ですが、推論リクエストが少ないモデルに対してエンドポイントを常時起動すると、推論処理に対するコストが高くなってしまいます。そこで、推論リクエストの少ないモデルを、他のモデルと同じエンドポイントにデプロイし、常時起動するインスタンス数を低減する方法があります。この手法はリアルタイム処理が必要な場合は特に有効です。なお、推論処理がリアルタイム性を要求しない場合はバッチ変換ジョブをご利用ください。 本記事では、複数のモデルを一つのエンドポイントにデプロイする方法について説明いたします。Amazon SageMaker がサポートする全ての機械学習フレームワークで、複数のモデルを一つのエンドポイントにデプロイすることができますが、ここでは Tensorflow Serving を利用して、複数のモデルをデプロイする方法について説明します。例として、軽量な物体検出モデル SSD MobileNet と、軽量な画像分類モデル MobileNet を1つのインスタンスにデプロイします。デプロイまでの手順の概要は以下のとおりです。 複数の TensorFlow モデルを TensorFlow Serving にデプロイ可能な SavedModel 形式で保存します。 保存したモデルを1つのアーカイブファイル (tar.gz 形式) にして、Amazon S3 (S3) にアップロードします。 Amazon SageMaker の API を利用して、1 つのインスタンスにデプロイし、テストします。 それでは各手順について以下で説明します。 1. TensorFlow モデルの保存 Jupyter Notebook からコードを実行し、TensorFlow の学習済みモデルをダウンロードして、以下のような SavedModel 形式で保存します。model1 を SSD MobileNet、model2 を MobileNet とします。TensorFlow モデルには、SavedModel 形式以外の学習済みモデルが公開されている場合があるので、必要に応じて変換します。今回は […]

先日 (2019/2/6) 開催しました AWS Black Belt Online Seminar「Amazon SageMaker Basic Session」の資料を公開しました。当日、参加者の皆様から頂いた QA の一部についても共有しております。 20190206 AWS Black Belt Online Seminar Amazon SageMaker Basic Session AWS クラウドサービス活用資料集（すべての過去資料が閲覧できます） Q. バッチ推論とは何ですか？ A. バッチ推論とは、大量の推論対象データに対して、一括で推論処理を行うことを指します。Amazon SageMaker においては、推論用のインスタンスを立ち上げて、S3 から対象データを読み込んで推論を行い、結果を S3 に書き出す形で実現しています。 Q. SageMakerの各コンポーネントで、モデル変換とありましたが、このモデル変換後出てくるモデルの形式は何になりますでしょうか（例：Keras⇒Chainer等） A. モデル変換は、Neo-AI プロジェクトとして OSS で公開されておりますコンパイラによって実施されます。出力形式は、Neo の独自フォーマットとなり、Neo Runtime にて動作いたします。Neo-AI プロジェクトの詳細については、こちらのブロク記事も参照ください。 Q. SDKの基本コード3行目のchainer_estimator.fitはestimator.fitの間違いでしょうか？chainer_estimatorという変数が宣言されていないように思えます。 A. ご指摘の通りです。こちらの資料間違いでご迷惑をおかけして申し訳ありません。公開バージョンの資料では、こちらの間違いは修正いたしました。 Q. SageMakerのハイパーパラメータチューニングについて、通常のGridSearchやベイズ最適化をPythonで組んで実行するのと何か違いはありますか？例えばGridSearchの範囲を指定しなくても最適なものを選んでくれるとか。 A. SageMaker のハイパーパラメタチューニングは、ベイズ最適のみをサポートしています。通常の最適化ライブラリとの違いは、SageMaker 上の機能を用いると、複数の学習ジョブを並列で実行し，それを複数サイクル繰り返す形で最適化処理を行うことが可能です。1 サイクルの中で複数ジョブを並列実行することにより、最適値にたどり着くまでの時間を短縮することができます。 Q. https://github.com/aws-samples/amazon-sagemaker-script-mode にサンプルがある「SageMaker’s Script […]

クラウドの活用による公共機関のサービス（電子行政）や教育分野（ゲノム研究などの高度計算処理への活用など）のAWSの活用が加速しています。 AWSでは、毎年、AWSを活用した行政サービスの革新を立案もしくは実現した政府機関、地方自治体、公共団体やパートナー企業様などを表彰する「City on a Cloudアワード」を開催しており、AWSにおけるイノベーションの実例をお客様は知ることができます。 一方、こうしたサービス活用の背景として、多くのクラウド利用者が懸念するセキュリティに対し、AWSの活用により、よりセキュアなサービスを容易に構築、運用することが出来るようになったことも挙げられます。 先日、オーストラリア政府のThe Australian Cyber Security Centre (ACSC)によって、42のAWSサービスがオーストラリア政府の定める”PROTECTED”（最も高度なデータセキュリティに対する認証）を取得したことを公表しました。 AWS Security Blog「AWS awarded PROTECTED certification in Australia」 日本においては、2018年6月7日に公表された第77回各府省庁情報化統括責任者（CIO）連絡会議における「政府情報システムにおけるクラウドサービスの利用に係る基本方針（案）」では「クラウド・バイ・デフォルト原則」として、政府サービスの調達において”コスト削減や柔軟なリソースの増減等の観点から、クラウドサービスの採用をデフォルト（第一候補）”と考えていくことを打ち出しています。こうした動きを受けて、官公庁だけはなく、地方自治体など、多くの公共分野においてもクラウドの活用が加速することが想定されます。 しかし、従来のITとはサービスモデルや技術の異なるクラウドを採用する上で、多くの不安や疑問をもたれるお客様が多いことも事実です。セキュリティ上の不安、また、そもそも調達においてどのような点を留意すべきか、といった課題をお持ちの方も多いのではないでしょうか。 さて、海外の方と話をしていると”Apple to Apple”という言葉が出てくることがあります。これは物事の比較を行うときには、同質のものと比較しないと意味がないため、現在の物差しで無理やり新しい技術やサービスを評価することの困難を表します。 新しい技術を採用する場合、無理に従来の基準をそのまま適用せず、比較される項目や対象の目的、新しい技術を採用する目的に焦点をあてて判断を行っていくことが求められます。例えば、AWSが事実上他のすべてのテクノロジーインフラストラクチャプロバイダーと異なる点として、単一のデータセンターにサービスを構築するものではなく、規制要件などを踏まえた地理的な範囲であるリージョン内に、分散した複数のデータセンター群であるアベイラビリティーゾーンを利用することで可用性および耐障害性の高いサービスを設計、利用することが出来ます。 2/5（火） 12:00-13:00に開催されるAWSの無料のウェビナーである Blackbelt Webinar「公共機関におけるAWSの利活用」では、このようなお客様やパートナー様の疑問を解消するため、AWSが様々な政府調達などでの知見を踏まえた考え方、セキュリティやコンプライアンスの取り組みを紹介します。 本ウェビナーはどなたでも無料で聴講できます。ご興味をお持ちの方は、こちらからご登録ください。 また、お時間があわない場合でも別途、ストリーミング動画および資料の公開を予定しています。    

本日 (2019/1/29) 開催しました AWS Black Belt Online Seminar「AWS Identity and Access Management (AWS IAM) Part1」の資料を公開しました。 20190129 AWS Black Belt Online Seminar AWS Identity and Access Management (AWS IAM) Part1 AWS クラウドサービス活用資料集（すべての過去資料が閲覧できます） 今後の AWS Webinar スケジュール 直近で以下のオンラインセミナーを予定しています。各オンラインセミナーの詳細およびお申し込み先は下記URLからご確認いただけます。皆様のご参加をお待ちしております！ AWS Black Belt Online Seminar 1月分申込先 ≫ AWS Black Belt Online Seminar 2月分申込先 ≫ AWS Identity and Access Management […]

Amazon SageMaker は、すべての開発者とデータサイエンティストに機械学習モデルの構築、トレーニング、デプロイの手段を提供する AWS のマネージドサービスです。SageMaker は深層学習の主要なフレームワークをサポートしており、TensorFlow、Apache MXNet、PyTorch、Chainer などを用いてモデルを記述することができます。また、TensorFlow や MXNet をバックエンドとした Keras の高レベルな API を用いることで、モデルを簡単にすばやく作成することもできます。 これまで、Keras で書いたコードを SageMaker 上で動かす方法について、多くのお客様からご質問を頂いておりました。2018年12月に、SageMaker の TensorFlow ならびに MXNet のコンテナに、それぞれのフレームワークをバックエンドとする Keras がデフォルトでインストールされました。また両コンテナでは Script Mode をサポートしているため、SageMaker 外で開発した Keras のコードに、わずかな修正を加えるだけで動かすことができるようになりました。ここでは Keras 公式サンプルコードの mnist_cnn.py をなるべくそのまま利用して、SageMakerのTensorFlowとMXNetコンテナで実行する方法をご説明します。   TensorFlow Backend での Keras の使い方 トレーニングスクリプトの修正 AWS のマネージドコンソールから SageMaker ノートブックインスタンス (Jupyter/JupyterLab) を開き、Keras のリポジトリをクローンします (このブログのようにノートブックインスタンスの作成時に関連付けることも可能です)。keras/examples/mnist_cnn.py の中で以下の3点を修正します: 学習からモデルの保存までを train(args) 関数として定義します。ここでは次の手順で読み込む args […]

みなさん、こんにちは。アマゾン ウェブ サービス、プロダクトマーケティング エバンジェリストの亀田です。 Amazon Neptune が東京リージョンに対応しましたのでご報告します。 Amazon Neptuneはフルマネージド型のグラフデータベースです。グラフデータは例えば以下の図のような、高密度に結合したリレーショナルデータのことを指します。 このようなデータを通常のリレーショナルデータベースに格納するためのテーブル設計はそれほど難しいものではありません。一方一度テーブルに格納された上記のデータをSQLを駆使しSelectを行い上記の図を復元することを考えた場合、そのSQL実行コストは大きいものになります。グラフデータベースである、Neptuneはあらかじめこれらのデータの取り扱いに特化した機能を有しおり、ACID属性が備わっています。 数十億のリレーションシップの保存とミリ秒台のレイテンシーでのグラフのクエリに最適化され、一般的なグラフモデルである Property Graph と W3C の RDF、それぞれのクエリ言語である Apache TinkerPop Gremlin と SPARQL がサポートされています。 また、可用性は99.99%を上回るよう設計されており、リードレプリカ、ポイントインタイムリカバリ、Amazon S3 への継続的なバックアップ、およびアベイラビリティーゾーン間のレプリケーション機能などがフルマネージドサービスとしてあらかじめ備わっており、ユーザーは開発に集中することができます。データ暗号化機能も AWS Key Management Service (KMS)  との連携によりサポートされ高いセキュリティを実現できます。 レコメンデーション機能も備わっており、以下のようなデータから、新しいデータの相関を抽出することが可能です。 さらに、個人の E メールアドレスに関連付けられた複数の人物、同じ IP アドレスを共有しているが別々の住所に住んでいる複数の人物など、リレーションシップパターンを簡単に検出するグラフクエリを構築することにより、不正検出の実装などに役出ることもできます。 この Amazon Neptune はソーシャルの相関図以外にも多くの用途があります。例えば以下のようなネットワークのログなどから以下のようなデータ相関を作成し、異常なイベントの発生時にその影響範囲の特定に役立てることができます。そして、例えば、ホストで悪意のあるファイルを検出した場合、Neptune では、悪意のあるファイルを広めたホスト間の接続を特定し、その接続をたどってそのファイルをダウンロードした元のホストを突き止めることができます。   Amazon Neptuneの利用には Gremlin か SPARQL のクライアントが必要となります。 https://docs.aws.amazon.com/ja_jp/neptune/latest/userguide/intro.html のユーザーガイドを見て設定してみてください。 20180703 AWS Black Belt […]

こんにちは。マーケティングの鬼形です。2 月の AWS Black Belt オンラインセミナーについてご案内させて頂きます。 2月は、新サービスAmazon DocumentDBや2回に渡るAmazon SageMaker特集などを開催します！ぜひお役立てください。 視聴方法: オンラインセミナー登録ページよりお申し込みください 公共機関におけるAWSの利活用 2019 年 2 月 5 日 | 12:00 – 13:00 | IT 知識レベル:★★☆☆☆ | AWS 知識レベル:★★☆☆☆ 公共機関においてもAWSの利活用が加速しています。今回は、AWSの利用を推進する中でのセキュリティやコンプライアンス観点でのポイントをお伝えします。 対象者 ビジネスドライバの方 本セミナーで学習できること AWSと公共系コンプライアンス スピーカー 松本 照吾 Security Consultant, Pub Sec   Amazon SageMaker Basic Session 2019 年 2 月 6 日 | 18:00 – 19:00 | […]

先日 (2018/1/22) 開催しました AWS Black Belt Online Seminar「Amazon Redshift Update」の資料を公開しました。当日、参加者の皆様から頂いた QA の一部についても共有しております。 20190122 AWS Black Belt Online Seminar Amazon Redshift Update AWS クラウドサービス活用資料集（すべての過去資料が閲覧できます） Q. Redshiftアドバイザ実行中、Redhiftのパフォーマンスに影響を及ぼさないでしょうか？ A. Redshiftアドバイザのための各種ログ収集は内部的にスケジューリングされて自動実行され、パフォーマンスに影響を及ぼさないように動作します Q. クエリエディタについて質問です。ds2.xlargeでも、将来的に使えるようになるのでしょうか？ A. 将来的なことはご回答できませんが、お客様のRequestに答えられるよう活動してまいります​ 今後の AWS Webinar スケジュール 直近で以下のオンラインセミナーを予定しています。各オンラインセミナーの詳細およびお申し込み先は下記URLからご確認いただけます。皆様のご参加をお待ちしております！ AWS Black Belt Online Seminar 1月分申込先 ≫ AWS Black Belt Online Seminar 2月分申込先 ≫ 2019 年 1 月 22 日 | 12:00 […]