Amazon Web Services ブログ

Category: Amazon SageMaker

【開催報告 & 資料公開】 AI/ML@Tokyo #10 これからAI/MLを始めるために

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大渕です。AWS Japan では、AI/ML 関連情報を発信するイベント「AWS AI/ML@Tokyo」を定期的に開催しています。2021年4月8日にオンラインで開催された AWS AI/ML@Tokyo #10 では、AWS の機械学習ソリューションアーキテクト 鮫島より AWS で始める Machine Learning Journey についてご紹介し、また、お客様事例として、三菱UFJトラスト投資工学研究所 須田様よりAmazon SageMaker を活用した実践・金融データサイエンスについて、DXYZ株式会社 安永様よりAWSを利用した顔認証IDプラットフォーム構築と Amazon Rekognition 活用事例についてお話いただきました。

Read More

インスタンス料金の引き下げと Savings Plans for Amazon SageMaker で機械学習のコストを削減

AWS re:Invent 2017 で提供が開始された Amazon SageMaker は、機械学習 (ML) ワークフローを AWS で迅速に構築およびデプロイできるよう、これまでに既に数万人のお客様を支援してきたフルマネージド型サービスです。 お客様が投資に対して最大限 ML を活用できるようにするため、Managed Spot Training、Multi-Model Endpoints、Amazon Elastic Inference、AWS Inferentia など、コスト最適化のためのサービスと機能を追加してきました。実際、お客様は、3 年間の SageMaker の総所有コスト (TCO) が、セルフマネージドの Amazon EC2 や AWS 管理の Amazon EKS などの他のクラウドベースのオプションに比べて 54% 低いという事実を見出しています。 当社は、費用を削減してお客様を幸せにすることを至上の喜びとしているため、次のことを発表できることを嬉しく思います: Amazon SageMaker の CPU および GPU インスタンスの料金の引き下げ Amazon SageMaker のための Savings Plans の提供の開始。 Amazon SageMaker でのインスタンス料金の引き下げ 本日より、Amazon SageMaker […]

Read More

Amazon SageMaker ノートブックと AWS Service Catalog を使用して、セルフサービスで安全なデータサイエンスを実現する

Sanjay Garje と Vebhhav (Veb) Singh の共著あらゆる規模の企業が AWS クラウドに移行しています。エンタープライズチームのリーダーシップから、コストを抑えながら Amazon SageMaker に簡単にアクセスできる方法を模索しているという話を耳にします。これにより、データサイエンスを使った実験を促進し、新しいビジネスチャンスを開拓して現状を打破しています。このブログ記事では、Amazon SageMaker、AWS Service Catalog、および AWS Key Management Service (KMS) を使用してセルフサービスの安全なデータサイエンスを簡単に使えるようにする方法を紹介します。 このブログ記事では、AWS Service Catalog が事前設定された AWS KMS キーを使用して、複雑で不要な詳細をデータサイエンティストに公開することなく、ノートブックインスタンスにアタッチされている機械学習 (ML) ストレージボリュームで保存されているデータを暗号化する方法を説明します。ML ストレージボリュームの暗号化は、一元化されたセキュリティチームやインフラストラクチャチームが事前設定および調整した AWS Service Catalog 製品で行われます。Amazon SageMaker ノートブックインスタンス、トレーニングジョブ、またはエンドポイントを作成するときに、AWS KMS キー ID を指定できます。そのキーが、アタッチされた ML ストレージボリュームを暗号化します。トレーニングジョブ用の出力 Amazon S3 バケットを指定できます。トレーニングジョブも、AWS KMS で管理されるキーで暗号化されます。モデルのアーティファクトをその出力 Amazon S3 バケットに格納するための KMS キー ID を渡すことができます。 […]

Read More

AWS における Amazon SageMaker と AWS Data Exchange を使ったアルゴリズム取引

本投稿は AWSのソリューションアーキテクトである Diego Colombatto, Balaji Gopalan と Oliver Steffmann による寄稿を翻訳したものです。 株式取引の大部分が、こちら や こちら の記事で説明されているように、自動化されていることはよく知られています。たとえば、取引戦略を実装するためにアプリケーションや「ロボット」が使用されています。最近の金融サービス業界の新たなトレンドは、取引ソリューション (アルゴリズム取引ソリューション等) をクラウドに移行することです (こちら や こちら の記事で説明されています)。

Read More

【開催報告】 2021春の機械学習勉強会

こんにちは! アマゾンウェブサービスジャパン株式会社 ソリューションアーキテクトの黄です。 2021年3月17日に、 デジタルネイティブ企業のお客様向けに「2021春の機械学習勉強会」を開催いたしました。勉強会の開催報告として、勉強会で行った内容などを公開いたします。 開催の背景 私達ソリューションアーキテクトは日々、多くのお客様とお話しをさせていただく機会がありますが、その中で「サービスに機械学習を取り入れたい」や「機械学習をどの様に始めれば良い?」といったご相談をいただくことがあります。そこで今回は、機械学習に興味があるけどまだ試したことがない方や、これから試そうとしている方に向けて、機械学習の基礎をプログラミングを通じて学ぶ勉強会を開催しました。 勉強会の内容 勉強会は前半座学、後半ハンズオンという2部構成で行い、2名の機械学習の スペシャリストソリューションアーキテクト がそれぞれ前半と後半の講師を担当しました。 機械学習勉強会 – 座学 ( SA 呉 和仁 ) 前半の座学では、まず最初に機械学習とは何かについて解説を行い、機械学習の起源とされている最小二乗法と小惑星セレスの場所を予測した歴史から機械学習の構成要素、及び現在ビジネスへの適用の準備状況などについても解説しました。 座学中盤は、機械学習の種類について、教師あり学習・教師なし学習・強化学習の3種類があることを、画像認識、テキストの感情分析、DeepRacerなどの実例を交えながら解説しました。 座学の最後には、ビジネスに機械学習を取り入れる時に必要な要素、MLプロジェクトの進め方、MLプロジェクトを加速する為の近道などについて解説しました。   機械学習勉強会 – ハンズオン ( SA 鮫島 正樹 ) 勉強会後半のハンズオンでは、 Amazon SageMaker のノートブックインスタンス環境と深層学習フレームワークの Tensorflow を利用した実際のプログラミングを通じた機械学習の手法について体験しました。 ハンズオンでは、 MNIST とよばれる手書き数字の画像データセットと機械学習のライブラリである scikit-learnを使った画像分類を行いました。 k-近傍法 (k-nearest neighbor) 、決定木 (Decision Trees) の実装方法と MNIST へ適用する方法を実際にプログラミングしました。また、二つの手法の違いを推論時間の測定を通じて確認しました。その他のアルゴリズムとして Random Forest も取り上げました。 ハンズオンの後半には、深層学習 (Deep […]

Read More
ハッカソンで使用したアーキテクチャ

【寄稿】株式会社D2CにおけるAWSを活用した機械学習ハッカソンの取り組み

この投稿は株式会社D2Cのデータサイエンティスト 阿部 将大 氏に、自社で開催された機械学習ハッカソンの取り組みについて寄稿頂いたものです。 ※ 一部、ハッカソン開催を支援したAWSも執筆しています 1. はじめに 株式会社D2C ドコモ広告事業本部 データソリューション部の阿部と申します。D2Cは広告事業を展開しており、我々の部署はユーザーや広告主、メディアの分析を行い、広告配信システムのロジックやユーザーセグメントなどの開発をしています。

Read More

AWS 公共部門パートナー各社の取り組み – ヘルスケア・データの可視化・リモートワーク分野の事例紹介

今回のブログでは、AWS 公共部門グローバルパートナーおよびプログラム・バイスプレジデント Sandy Carter による投稿をもとに、AWSジャパン・パブリックセクターより、「AWS公共部門パートナー」各社がパンデミック発生後のヘルスケア分野においてどのような貢献をしているのか、紹介します。──── 日本の政府機関・公共機関(自治体・独法・教育・医療/ヘルスケア・NPO)のお客様向けにも、「AWS公共部門パートナー」のソリューションを広く紹介することで各機関のDXを推進していきたいと、AWSでは考えています。 今回のブログは、AWS Partner Summit 2021の開催に併せまして、AWSジャパン・パブリックセクターより同時公開する3本のブログのうちの、1本となります。

Read More

AmazonがAmazon AppStream 2.0を用いてデータサイエンティストとアナリストに分析環境を提供した方法

私たちの挑戦 2020年2月28日、COVID-19の影響を受けて、Amazonは従業員とコミュニティの健康を守るための措置をとったことを発表しました。これには、大規模なイベントの中止、ステークホルダーとのミーティングのオンライン化、フルフィルメントセンターの見学の一時停止などが含まれます。この記事を投稿した時点で、AmazonはCOVID-19に対する安全対策に80億ドル以上の投資を行なっています。 こうした安全対策の取り組みを補完するために、Amazonはそれぞれの拠点におけるCOVID-19の広がりとリスクを予測する必要性に迫られました。この予測には、インタラクティブなレポートと機械学習モデルの構築が必要でした。そこでAmazonは、機密性の高いデータを保存するためのセキュアなデータレイクと、グローバル規模で耐障害性のある分析環境を構築することになりました。このようなデータレイクを構築する際の課題は、その相反する要件です。一方ではデータを安全に、匿名化して隔離しなければならず、他方ではデータを意図した消費者に公開しなければならないのです。 このソリューションのアーキテクチャは、以下のセキュリティ要件を満たす必要がありました。 すべてのデータは、インターネットにアクセスできない隔離された環境に保存されていること 環境の管理者を含め、生データに直接アクセスできないこと IAMロールを用いて、分析インターフェースへのアクセスのみに制限すること 社用デバイスから接続し、社内ネットワーク上にある場合にのみアクセスが可能であること コピー&ペーストや印刷など、隔離された環境からデータの持ち出しを禁止すること ユーザーの利用に対して包括的な監査を行えること このような環境へのアクセスを提供するために、AmazonはソリューションとしてVDI(Virtual Desktop Infrastructure)を採用しました。VDIでは、画面描写のみがユーザーにストリーミングされ、データ自体がユーザーのデバイスに保存されることはありません。Amazonのデータサイエンティストやデータアナリストの作業環境を分離することで、セキュリティを高めることができます。さらに、ツールをデータの近くに配置することで、パフォーマンスを向上させることもできます。 Amazonは、Amazon Elastic Compute Cloud (Amazon EC2) 上でソリューションを構築するか、Amazon AppStream 2.0やAmazon WorkSpacesなどのAWSのマネージド型サービスを利用するかを検討し、最終的にAppStream 2.0を採用しました。

Read More

【開催報告】2020年 AWS re:Invent Recap ヘルスケア・ライフサイエンス

アマゾン ウェブ サービス ジャパン株式会社 インダストリー事業開発部 片岡です。 ヘルスケア・ライフサイエンス領域でクラウド活用を検討頂いているお客様を幅広く対象として、2021年1月28日に「2020年 AWS re:Invent Recapインダストリー編 ヘルスケア・ライフサイエンス」をウェビナーで開催しました。 本記事では、セッションの中でお伝えしました、最新事例や最新サービスを含む当日の資料・動画を皆様にご紹介します。

Read More