Amazon Web Services ブログ

Category: Artificial Intelligence

Udacity からの AWS DeepRacer 奨学金チャレンジが今オープン

レースが始まりました! エンジンをスタートさせよう! Udacity からの AWS DeepRacer 奨学金チャレンジに登録いただけます。 前回の記事で述べたように、AWS DeepRacer 奨学金チャレンジプログラムでは、開発者のスキルレベルに関係なく、基本的な機械学習 (ML) の概念を楽しく魅力的な方法でご紹介します。毎月、自動運転車による世界初の国際的レーシングリーグである AWS DeepRacer League のテストを通してあなたのスキルを試し、毎月ユニークなレースコースでトップ順位を競います。 2019 年 8 月、9 月、および 10 月に上位ラップタイムを記録した生徒は、Udacity 後援の機械学習エンジニアナノディグリープログラムに対する全額支給奨学金 200 枠のひとつを獲得する資格を得ます。 AWS DeepRacer とは? 2018 年 11 月、Jeff Barr が AWS ニュースブログで ML を学ぶための新しい方法、AWS DeepRacer のローンチを発表しました。AWS DeepRacer では、強化学習 (RL) によって動作する 1/18 スケールの完全自走型レースカー、3D レーシングシミュレーター、および世界的なレーシングリーグを実際に体験する機会を得ることができます。 AWS DeepRacer 奨学金チャレンジの仕組み このプログラムは 2019 年 8 […]

Read More

AWS DeepLens の新しい 2 つのサンプルプロジェクト (ステップバイステップガイド付き) の紹介

AWS DeepLens の新しい 2 つのサンプルプロジェクト、「Build a worker safety system」と 「Who drinks the most coffee?」のリリースを発表します。これらのサンプルプロジェクトで提供される手順ガイドに従うと、AWS でコンピュータビジョンを使用して完全な機能を備えた機械学習アプリケーションを構築することができます。そうしたアプリケーションはエッジとクラウドにまたがって、デバイス上で実行されるモデルとクラウド上の AWS のサービスを統合します。このサンプルプロジェクトはステップバイステップの手順で構成されていて、コードと動画チュートリアルを備えているため、開発者はアプリケーションをゼロから構築可能です。 AWS DeepLens は世界初の深層学習対応ビデオカメラで、あらゆるスキルレベルの開発者による深層学習の開始をサポートします。AWS DeepLens の新しいエディション (2019 年版) は現在、6 か国 (米国、イギリス、ドイツ、フランス、スペイン、イタリア、およびカナダ) で購入可能です。日本では先行予約を受付中です。 2019 年エディションではセットアップがより簡素化し、(Amazon SageMaker Neo のおかげで) 機械学習モデルを旧エディションの最大 2 倍の速さで実行できるようになっています。 充実したガイドを備えたサンプルプロジェクトを開始するには、AWS DeepLens マネジメントコンソールにアクセスします。ナビゲーションペインで [Recipes] をクリックし、最新のステップバイステップチュートリアルにアクセスします。レシピを選択し、表示される手順に従って機械学習アプリケーションを構築します。AWS DeepLens マネジメントコンソールは、アジアパシフィック (東京)、欧州 (フランクフルト)、米国東部 (バージニア北部) リージョンで利用可能です。 次のレシピが利用可能です。 1) Build a worker safety system AWS DeepLens […]

Read More

BlueToad と Amazon Polly による魅力的なリスニングエクスペリエンスの創造

この記事は、BlueToad の共同オーナー兼 CEO である Paul DeHart 氏によるゲストブログです。 デジタルコンテンツソリューションのトップグローバルプロバイダーのひとつである BlueToad では、イノベーションを最優先しています。2017 年以来、BlueToad は Amazon Polly を使用して、出版社 (当社のお客様) がそのデジタルマガジンに記載されている記事のオーディオバージョンを提供できるようにお手伝いしてきました。 私たちは、小説のコンテンツエクスペリエンスが今日の読者の関心を引いているのを目の当たりにしています。モバイルコンテンツエンゲージメントに見られる著しい成長に加えて、オーディオは好ましいコンテンツ消費方法として浮上してきています。2019 年の Infinite Dial 調査 は、米国消費者が 1 週間に平均 17 時間オーディオを聞いていることを報告しているとしています。ほぼ 40% 以上のアメリカ人が、現在 Amazon Echo のようなスマートスピーカーを所有しています。さらに、アメリカ人が通勤に費やす時間が上昇しており、ほとんどの乗り物ではモバイルデバイスを使ってオーディオに簡単にアクセスし、再生することができます。その結果、9,000 万人のアメリカ人が先月ポッドキャストを聞いたと言っています。 オーディオのこの流れを踏まえ、BlueToad は Amazon Polly を使用して、出版社があらゆる記事を簡単にリスニングエクスペリエンスに変換するために役立つソリューションを開発しました。読者が携帯電話でデジタル版を開くと、オーディオアイコンを選択して物語を聞き始めることができます。出版社の観点から見ると、この機能は BlueToad プラットフォームのボックスをチェックするだけでよいため、実装はいたってシンプルです。困難な作業はすべて BlueToad と Amazon Polly が行います。 このソリューションのために Amazon Polly を選択した理由は、その使いやすさと比類ないパフォーマンスです。オーディオソリューションを初めて実装したとき、私たちは Amazon Polly と他の音声サービスをいくつかテストしましたが、最終的に Polly が最も一貫して正確であることがわかりました。 Polly の新しくリリースされたニューラルテキスト読み上げ […]

Read More

行動経済学、銀行取引、および AWS の機械学習を利用して、ジェネレーション Z を経済的に強化する

これは、Pluto Money の共同創設操業者兼 CTO の Dante Monaldo 氏のゲストブログ記事です。 サンフランシスコを拠点とするスタートアップ企業である Pluto Money は、銀行、行動経済学、および機械学習 (ML) を組み合わせて、ジェネレーション Z を大学内外での経済的目標に導く、無料の資金管理アプリです。当社は、ジェネレーション Z の大学生の経済的ニーズに応え、卒業後も共に成長するように設計された初めてのモバイルバンクを構築しています。 健全な経済的習慣を早期に確立することの重要性が、私と共同創業者の Tim Yu および Susie Kim が私たち自身の経験に基づいて Pluto を設立したことにつながっています。私たちは、当社のビジネスにも同じように財政的厳密さを適用しています。クラウドサービスはコストを削減し、これまでの急成長企業には想像もできなかった柔軟性をもたらすため、クラウドを使用することは私たちにとって当然の選択でした。 AWS ソリューションは堅牢であり、シームレスに連携できるので、コアコンピューティングから ML まで、私たちは AWS を主要なクラウドプラットフォームとして選択しました。当社のチームは成長を続けており、多くのスタートアップ企業と同様に、私たち全員が様々な役割を担っています。そのため、AWS の製品を利用して時間を節約しながら、チームの規模を拡大していく中でエンタープライズクラスの技術スタックを構築することができます。 Pluto Money の心臓部は、Pluto Money モバイルアプリから発信されるすべてのリクエストを処理するクライアント API です。Node.js で書かれており、Classic Load Balancer の背後にある Amazon Elastic Compute Cloud (EC2) インスタンスで動作します。これは、AWS が Network Load Balancer […]

Read More

【開催報告】 第6回 Amazon SageMaker 事例祭り

アマゾン ウェブ サービス ジャパン株式会社 機械学習ソリューションアーキテクトの上総 (Twitter:@tkazusa) です。AWS Japan 目黒オフィスでは「Amazon SageMaker 事例祭り」(Twitter: #sagemaker_fes) を定期的に開催しています。2019年7月18日に開催された第6回 Amzon SageMaker 事例祭りでは、AWS Japan のソリューションアーキテクトによるサービスの最新情報や技術情報と、Amazon SageMaker をご利用いただいているお客様をゲストスピーカーにお招きし、実際に導入頂いたお客様による「体験談」をお話し頂きました。

Read More

AWS Lambda および Amazon SageMaker Ground Truth によるカスタムのラベル貼付ジョブの作成

 Amazon SageMaker Ground Truth は、機械学習用の高精度なトレーニングデータセットを構築するお手伝いをします。SageMaker Ground Truth を使用すると、パブリックおよびプライベートでラベル付けを行う作業者に簡単にアクセスでき、一般的なラベル付けタスクのための組み込みワークフローとインターフェイスが提供されます。Ground Truth は自動ラベル付け機能を使用して、ラベル付けコストを最大 70% 下げることができます。人間がラベルを作成したデータから Ground Truth をトレーニングすることにより機能するため、サービスはデータを独立してラベル付けすることを学習します。 組み込みワークフローに加えて、Ground Truth ではカスタムワークフローをアップロードするオプションがあります。カスタムワークフローは、人間のラベル作成者にラベル付け作業を完了するためのすべての指示と必要なツールを与える HTML インターフェイスから構成されています。また、前処理と後処理の AWS Lambda 関数も作成します。 前処理 Lambda 関数は、HTML インターフェイスへの入力をカスタマイズできるように支援します。 後処理 Lambda 関数は、データの処理を支援します。たとえば、その主な使用の 1 つは、精度向上のためのアルゴリズムをホストして、Ground Truth に対して人間が提供するラベルの質を評価する方法を指示します。 アルゴリズムは、同じデータが複数の人間のラベル作成者に提供されるときに、それが「正しい」かの同意を得るために使用されます。これはまた、質の低いデータを提供するラベル作成者も識別し、強調を押さえます。Amazon SageMaker コンソールを使用して、HTML インターフェイスと前と後処理 Lambda 関数をアップロードすることもできます。 正常に HTML インターフェイスを組み込むために、前と後処理の Lambda 関数は カスタムラベル付けワークフローの作成 で指定された入出力仕様を遵守しなければなりません。すべての可動部分をセットアップし、それらが互いに正常にやり取りできるようにするためには、何回か繰り返す必要があることが考えられます。 この記事では、カスタム HTML テンプレートと Lambda 関数のサンプルを使用して、カスタムワークフローをセットアップするプロセスを順に説明していきます。サンプルの Lambda 関数は、AWS […]

Read More

自宅からヘルスケアアクセスを可能にする: Electronic Caregiver の AWS 搭載の仮想介護者

 Electronic Caregiver の創設者兼 CEO である Anthony Dohrmann 氏は 10 年前に会社を設立したとき、1 億人のアメリカ人と世界中の数え切れない人々が直面していた困難な状況 (慢性疾患の健康管理を管理するという難題) に取り組んでいました。「患者はしばしば受けた治療の指示をよく理解していません。治療の失敗の半数は治療計画と投薬スケジュールを順守していないことに原因があると推定されています」と Dohrmann 氏は説明します。 そのため、Electronic Caregiver は「患者の経験を向上させ、患者を自身のパーソナル治療計画に積極的に参加させられるように」設計されました。「当社は医療従事者、家族、介護者の間のコミュニケーションを改善し、高齢化や病気の必要性に対して情報に基づいた対応をより一層行えるようにしています。当社は、費用のかかる合併症を減らし、健康への影響を改善し、そして寿命を延ばせるようにするつもりです」。 今日、Electronic Caregiver のソリューションは、最先端の 3D アニメーションの仮想介護者である Addison を中心に展開されています。Addison は双方向の会話をすることができ、ユーザーの個人的なニーズに合わせてプログラムされています。人間の在宅介護者と同じ様に、Addison は患者の活動を監視し、薬を服用するように思い出させ、重要な情報を収集し、そしてリアルタイムの健康診断を実施します。それをすべて患者の自宅において行うことで、安全かつ快適に実施します。Addison がいないと患者は病院をいくつも訪問し、在宅介護者への支払いが必要になりますが、Addison のおかげでユーザーはどこにいても健康上のソリューションを享受できます。 その人生を変えるような魔法の力を高めるために、Electronic Caregiver はさまざまな点で AWS に頼っています。HIPPA に準拠した方法で患者データを保存するための生データの計算能力を得るために、Electronic Caregiver のチームは AWS Lambda 関数などのサービスを利用しています。患者向けの経験を高めるために、Electronic Caregiver は Amazon Sumerian を使用して Addison という拡張現実 (AR) キャラクターを開発しました。そして、データの収集と分析などの Addison の背後にあるインテリジェンスにとっては、AWS IoT Core、AWS IoT […]

Read More

edX と Amazon SageMaker を使用するすべての開発者のための機械学習

 お客様が深層学習科学と機械学習 (ML) のバックグラウンドをお持ちでないときに、どのように始めればよいかお尋ねになることがよくあります。 AWS において、私たちの目標はすべての開発者とデータ科学者の手に ML をもたらすことにあります。 AWS トレーニングと認定では edX と提携して、素早く容易に対話形式のコース「Amazon SageMaker: Simplifying Machine Learning Application Development」で ML を使用して開始できるようにしています。 edX でのみ利用できる 「Amazon SageMaker: Simplifying Machine Learning Application Development」は ML の基礎的な理解のための中程度のデジタルコースで、Amazon SageMaker を使用して構築、トレーニング、デプロイできる方法について学ぶことができます。 Amazon SageMaker は ML のワークフロー全体を対象にした 完全マネージド型サービスです。これは、データにラベルを付けて準備し、アルゴリズムを選択し、モデルをトレーニングし、それをデプロイし、予測を行い、動作させるために、微調整して最適化するために役立ちます。 このコースは、AWS 専門家により開発されました。次のことを説明しています。 ML が対応でき、最終的に解決に役立つことができる重要な問題 Amazon SageMaker の組み込みアルゴリズムと Jupyter Notebook インスタンスを使用してモデルをトレーニングする方法 Amazon SageMaker を使用してモデルをデプロイする方法 アプリケーションでパブリッシュされた SageMaker エンドポイントを組み込む方法 Amazon SageMaker: Simplifying Machine […]

Read More

Amazon SageMaker を使用した fastai モデルの構築、トレーニング、およびデプロイ

 深層学習は世界を変えています。しかし、コンテナの構築など、その基礎的な作業の多くでは、多くの時間がかかる場合があります。この記事では、fastai モデルを Amazon SageMaker トレーニングとホスティングに構築、トレーニング、デプロイする方法を説明します。この場合は、Amazon SageMaker Python SDK および PyTorch ベースイメージを使用します。このことにより、自分のコンテナを構築するための追加手順を行わずに済みます。 Amazon SageMaker は、フルマネージドの機械学習 (ML) サービスです。これにより、データ科学者と開発者は、低コストで、素早く ML モデルを構築、トレーニングし、本番稼働にデプロイできるようになります。Amazon SageMaker Python SDK は、ML モデルのトレーニングとホスティングのためのオープンソースライブラリです。TensorFlow、MXNet、PyTorch、および Chainer などの一般的な深層学習フレームワークを容易に使用し、互換性を持たせることができます。AWS は最近 fastai ライブラリを基本の PyTorch コンテナに追加しました。これにより、自分自身おコンテナを提供する代わりに、Amazon SageMaker で fastai 深層学習モデルを利用することができるようになります。 最新のベストプラクティスを使用して、fastai ライブラリは数行のコードだけで、高度な深層学習モデルを作成するときに役立ちます。これには、コンピュータビジョン、自然言語処理、構造化データ、または協調フィルタリングなどのドメインが含まれます。 組織の fast.ai は fastai ライブラリを開発して維持します。これは、一般的な深層学習オープンソース PyTorch パッケージと共に動作します。組織は最近、DAWNBench Competitionで優位な地位を得ました。また、一般的な オンラインコースを提供して、そのモデルを使って ML のバックグラウンドも経験もない開発者のトレーニングさえもしています。 環境のセットアップ fastai ライブラリをインストールした上で新しい Amazon SageMaker ノートブックインスタンスをセットアップするためには、[Launch Stack] […]

Read More

深く掘り下げて問題を解決する: Well Data Labs が、石油およびガス分野の課題に機械学習を適用

2014 年に CEO の Josh Churlik 氏が Well Data Labs を共同設立したとき、彼は業界における奇妙な二分法を強く意識していました。石油およびガス会社にとって、「坑内」の技術革新 (つまり地下で起こること) は、データや分析の技術革新のペースをはるかに上回っていたのです。当時使用されていたデータシステムは 1990 年代の遺物であり、必要とする人々にとって有益であるよりも、歴史への敬意がより強いものでした。 業界の他の多くの人と同様に、Josh と Well Data Labs のチームは、現場のエンジニアの仕事をずっと容易にする可能性がある情報にアクセスできないことに不満を感じていました。業界がスプレッドシートで発展している間、Churlik 氏と彼のチームは、クラウドコンピューティングの急速な進歩に基づいて最新のソフトウェア会社を設立する機会を見つけました。 その結果生まれた会社である Well Data Labs は、「事業者が自社の内部データを管理、分析、報告するための最速かつ最も簡単な方法を提供するために構築された最新のウェブアプリケーション」と自称しています。 つまり、Well Data Labs は、運用中に作成された厄介な時系列データ (キャプチャ、正規化、構造化、およびそのデータに対する分析の有効化) をすべてウェブベースのアプリケーション内で効率的に処理するのです。 Well Data Labs が提供するものを使用すると、エンジニアはより迅速で、より情報に基づいた決定、つまり運用のコストと成功に直接かつ直接的な影響を及ぼす決定を下すことができます。Well Data Labs の顧客が現場での操作をリアルタイムで監視できるように、同社は手動によるフロントエンドのデータ収集と分析を AWS で実行されるカスタム開発の機械学習 (ML) モデルに置き換えました。 AWS の技術スタックがこのソリューションの原動力です。Churlik 氏は、次のように説明しています。「開始したときに、他のクラウドプロバイダーと AWS の間でベイクオフを行いました。私たちは .NET スタックと SQL データベースを使いましたが、AWS ははるかに高性能でした。」 それで、AWS […]

Read More