Amazon Web Services ブログ

Category: General

【開催報告】AWS Data Lake ハンズオンセミナー 2019 春

こんにちは。AWS ソリューションアーキテクトの上原誠(@pioh07)です。 4月5日に、「AWS Data Lake ハンズオンセミナー」を開催いたしました。去年から行ってきた恒例のワークショップで第6回目となります。去年も盛況でしたが、今回も100名くらいのお客様にご参加頂きました。 はじめに、AWSにおけるデータ活用のベストプラクティスである Amazon S3 を中心とした Data Lake について解説し、ビッグデータ分析基盤の考え方として有名なラムダアーキテクチャの解説を行いました。 当イベントでは、Amazon Athena や Amazon Redshift の各 AWS サービスを駆使して実際にラムダアーキテクチャを構築することがゴールです。とはいえ全てを構築するのはボリュームが大きいため、スピードレイヤー or バッチレイヤー or 全部入りでコース分けて取り組めるようハンズオンコンテンツを用意しました。最初にコースの説明を行い、出席いただいたお客様ご自身の課題に合わせてコースを選択頂き、ハンズオンを行っていただきました。今回、参加者も多くいらっしゃいましたので、サポートするソリューションアーキテクトも4名で対応させていただきました。 今回参加できなかった方も、ソリューションアーキテクトのサポートを受けながらハンズオンを行いログ分析を初めてみてはいかがでしょうか?   次回は初夏ごろに開催予定です。ご参加お待ちしております。    

Read More

AWS Amplify Console が東京リージョンに対応しました

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。 AWS Amplify Consoleが東京リージョンに対応しました。 AWS Amplify Console フルスタックのサーバーレスウェブアプリケーションをデプロイおよびホストするための、Git ベースのワークフローを利用することができます。フルスタックのサーバーレスアプリケーションは、GraphQL や REST API などのクラウドリソース、ファイルおよびデータストレージで構成されたバックエンドと、React、Angular、Vue、Gatsby などのSPA(単一ページ)のアプリケーションフレームワークで構築されたフロントエンドから構成されます。 フルスタックサーバレスアプリケーションの開発においては、フロントエンドとバックエンドの互換性を確保し、新機能が本番環境に障害が生じないことを確認するため、リリースサイクルを注意深く調整する必要があり、アプリケーションのデプロイが複雑になり、また時間のかかる作業となります。 Amplify Console では、フルスタックのサーバーレスアプリケーションをデプロイするためのシンプルなワークフローが提供されているため、アプリケーションのリリースサイクルを短縮できます。アプリケーションのコードリポジトリを Amplify Console に接続するだけで、フロントエンドとバックエンドへの変更が、コードコミットのたびに単一のワークフローにデプロイされます。 使い方は簡単です。接続するレポジトリを選択し、ビルド設定の構成を行い、アプリケーションの開発そしてデプロイを行うことフロントエンドとバックエンドが合わせて構築されます。デプロイされたアプリケーションはアプリは amplifyapp.com サブドメインでデプロイされ、ホストされます。もちろん開発者はカスタムドメイン設定することができます。 GitHub、BitBucket、GitLab、および AWS CodeCommitのパブリック、プライベート両方のレポジトリに対応しています。プライベートGitサーバには対応していません。 CloudFrontとのシームレスな統合 AWS Amplify コンソールは、使用されているフロントエンドフレームワークを自動的に判別し、アプリをグローバルに利用可能なコンテンツ配信ネットワーク (CDN) に構築してデプロイし、 29 か国 65 都市にある 144の配信拠点を介してグローバル展開されます。 AWS Mobile Hubの統合 AWS Mobile Hub は、AWS Amplify の一部になり統合されました。Mobile Hub で利用可能だったすべての機能は、オープンソースの Amplify フレームワークの一部として利用可能になりました。AWS Amplify […]

Read More

Amazon GameLift リアルタイムサーバー プレビュー開始のお知らせ

すべてのゲームのジャンルとプラットフォームにおいて、活気に満ちたオンライン体験に対するプレイヤーから要求は、マルチプレイヤーゲームの成長を促進しています。しかし、マルチプレイヤーゲームの制作は多くのゲーム開発者にとって困難な課題です。 従来のマルチプレイヤー向けの商用ソリューションの多くは、ハードウェアリソースを大量に消費する複雑なサーバシュミレーションによって、ネットワーク遅延がクリティカルなゲーム向けに最適化されています。これらのソリューションは、前払いまたは利用継続のライセンスコストが高く、急激な学習曲線と継続のためのエンジニアリングコストや、ゲームで必要とされるよりも多くのハードウェアリソースを消費するための運用コストが高いことが特徴です。これらの解決策は、モバイルゲームを含む多くのゲームにとって過剰なものです。   GameLift リアルタイムサーバーのご紹介 今回プレビューを発表したGameLiftリアルタイムサーバーは、プレイヤー間でのデータの共有、定期的なサーバロジックの実行、そしてステートフルで軽量なゲームサーバをすばやく作成することができます。GameLiftリアルタイムサーバーはたった数行のJavascriptのコードでカスタマイズ可能で、1プレイヤーあたりわずかなコストで数百万のプレイヤーにスケール可能です。 GameLiftリアルタイムサーバーはNode.jsをベースとしています。ニーズに応じたステートフルまたはステートレスの設定や、定期的なサーバーロジックの実行の動作をJavaScriptで定義します。GameLiftリアルタイムサーバーにはクライアント↔サーバー↔クライアント間通信を制御するためのネットワークスタックも含みます。 しかし、ゲームサーバーだけでは安定かつ堅牢なマルチプレイヤー環境を数百万ものプレイヤーに提供することはできません。そのため、GameLiftリアルタイムサーバーはGameLiftの既存のマッチメイキングおよび専用ゲームサーバーのホスティング機能と密接に統合されています。 新規のゲームサーバーを設定したら、GameLiftゲームサーバーを世界中の何百万人ものプレイヤーに展開することができます。また、マルチプレイヤーゲームを専用サーバーで実行することで、ラグを最小化し、不正行為を減らし、安定性を向上させることができます。GameLiftはAWSで実績のあるグローバルネットワークインフラストラクチャ上に構築されており、楽しみにあふれた信頼性のあるゲームプレイをプレイヤーに提供します。 GameLiftリアルタイムサーバーはGameLiftに含まれており、追加費用無しで1プレイヤー1ヶ月あたりわずかな金額でゲームサーバーを展開できます。GameLiftリアルタイムサーバーはコンパクトなので、1つのサーバーインスタンスでより多くのゲームセッションを実行することでコストを削減できます。そして、GameLiftでゲームサーバーをグローバルにホストする準備ができたら、プレイヤーのエクスペリエンスを犠牲にすることなく、オートスケーリングとスポットインスタンスによってさらにコストを削減することができます。   GameLiftリアルタイムサーバーのプレビューのご案内 Gameliftリアルタイムサーバーは現在プレビューの受付中です。プレビューにサインアップするには、GameLift Realtaime Servers Previewのページにアクセスして、必要事項を記入の上お申込みください。 原文:https://aws.amazon.com/jp/blogs/gametech/announcing-amazon-gamelift-realtime-servers-now-available-in-preview/ 翻訳:ゲームソリューションアーキテクト 吉田

Read More

Amazon SageMaker で Optuna を用いたハイパーパラメータ最適化を実装する

Amazon SageMaker はお客様の機械学習のワークロードにおいて様々な選択肢を提供します。深層学習フレームワークの選択肢として2018年の AWS Summit Tokyo で発表された Chainer 対応はその一つです。Chainer は 株式会社Preferred Networks により開発された深層学習フレームワークで、計算時に動的にグラフを生成する define-by-run の考え方 (imperative な実行とも呼ばれます) を世界に先駆けて取り入れました。株式会社Preferred Networks はこの Chainer とは独立に、同じく define-by-run の思想に基づいたハイパーパラメータの最適化 (HPO) のための Optuna を2018年12月に発表しました。本稿では、AWS が提供する SageMaker 上で Optuna を用いた HPO を行う方法とアーキテクチャについてご紹介します。 導入 SageMaker が提供する HPO の選択肢 Amazon SageMaker は、TensorFlow, Apache MXNet, PyTorch, Chainer, scikit-learn, Horovod, Keras, Gluon などのフレームワーク・インターフェースに対応し、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・学習・デプロイ手段を提供する AWS のサービスです。SageMaker はマネージド型の […]

Read More

【開催報告】第3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 (AWS) 機械学習ソリューションアーキテクトの宇都宮聖子です。AWS 目黒オフィスでは、お客様の事例紹介登壇を交えた Amazon SageMaker のセミナーとして、「Amazon SageMaker 事例祭り」を毎月開催しています。2019年3月12日に開催された第3回 Amzon SageMaker 事例祭りでは、株式会社ディー・エヌ・エーの加藤様、クックパッド株式会社の染谷様をゲストスピーカーにお迎えし、Amazno SageMaker の入門ハンズオンまで、130名を超えるたくさんの方々にご参加いただきました。

Read More

[AWS Black Belt Online Seminar] Amazon FSx for Windows File Server/Lustre 資料及び QA 公開

先日 (2019/3/19) 開催しました AWS Black Belt Online Seminar「Amazon FSx for Windows File Server/Lustre」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。 Amazon FSx for Lustre 20190319 AWS Black Belt Online Seminar Amazon FSx for Lustre Amazon FSx for Windows File Server 20190319 AWS Black Belt Online Seminar Amazon FSx for Windows Server 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. オンプレ環境からの接続は、VPN/DirectConnectなしで接続できないのでしょうか? A. できません。資料中のご説明の通り、Amazon FSx for Windows […]

Read More

AWS IoT Device Managementのフリートインデックスを使っての大量のモノの状態を識別する

本ブログにおいて、新しいAWS IoT Device ManagementのFleet indexingの新しい機能を紹介します。これの記事の内容ではAWS LambdaおよびAmazon CloudWatchを組み合わせてフリートの監視を自動化できます。 IoTデバイスを管理する場合、フリートの状態を監視するのは難しい場合があります。 複雑さは多くの要因によるものです:デバイスの数、監視する動的状態の数、およびフリート状態変更のための通知メカニズムの数。 AWS IoT Device Managementは、リモートで接続されたデバイスを大規模にオンボード化、整理、監視、管理することを可能にするサービスです。   AWS IoT Device Management内では、フリートインデックスを使用すると、フリート内のすべてのデバイスのレジストリ、デバイスシャドウ、および接続状態をインデックス化し、これらの属性の任意の組み合わせに基づいてデバイスを検索できます。 フリートインデックスを使用して、どのデバイスが特定のバージョンのファームウェアを実行しているかを照会したり、どのデバイスがAWS IoTサービスに接続されているかを照会したりできます。 このブログ記事は4つのステップにわけて解説します。 フリートインデックスを有効にします。 Lambda関数のAWS Identity and Access Management(IAM)ロールとアクセス許可を定義します。 Lambda関数を定義して構成します。 フリート管理ダッシュボードを構築し、CloudWatchを使用してアラームを設定します。 本ブログではAWSマネージメントコンソールで作業していきます。この作業はAWS Command Line Interface(AWS CLI)でも実行できます。

Read More

AWS Black Belt オンラインセミナーのご案内 (2019 年 4月)

こんにちは。マーケティングの鬼形です。4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。 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 Let’s dive deep into AWS Lambda Part1 | Part2 Part1 2019 年 4 月 2 日 (火) | 12:00 – 13:00 | IT 知識レベル:★★☆☆☆ | AWS 知識レベル:★★☆☆☆ Part2 2019 年 4 月 9 日 (火) | 12:00 – 13:00 | IT 知識レベル:★★★☆☆ | AWS 知識レベル:★★★☆☆ サーバーレスアプリケーション開発におけるキーコンポーネントであるAWS Lambdaについて、その概要から機能の詳細、ベストプラクティスにアンチパターンまでくまなくお伝えします。AWS Blackbelt Online SeminarでAWS Lambdaそのものを深掘りするのは約3年ぶり(!)です。というわけでボリュームたっぷりの予定なため、本Webinarは Part1、Part2と2週にわたってお届けします。 対象者 サーバーレスアプリケーション開発に興味のある開発者の方 本セミナーで学習できること […]

Read More

Amazon Comprehend MedicalとAmazon Rekognitionを使用した医療画像の匿名化

現代医学において医療画像は、臨床医が患者の診察と治療のための重要な情報を可視化する基本的なツールです。医療画像のデジタル化により、これらの画像を確実に保存、共有、表示、検索、整理する能力が大幅に向上し、医療従事者を支援しています。医療画像のためのモダリティの数も増加しています。CTスキャンからMRI、デジタル病理学、超音波まで、医療画像アーカイブに収集された膨大な量の医療データがあります。 これらの医療画像はまた、医学研究に有用です。機械学習を利用することで、世界中の医療研究機関の科学者は数十万または数百万もの画像データを解析して、医学的問題への深い洞察を得る事が可能です。医療従事者にとって、医療保険の相互運用性と説明責任に関する法令 (HIPAA)のような規制を遵守しながら、このような医療画像をどう扱うかが課題となっています。多くの場合、医療画像には画像自身にテキストとして保存されている保護対象医療情報(PHI)が含まれています。匿名化と呼ばれるPHIを除去するプロセスは、手作業で画像の確認と編集が必要となるため、歴史的に課題として挙げられてきました。この作業は画像1枚あたり何分もかかってしまい、大規模なデータセットの匿名化となると多くの時間と費用がかかります。2017年にAmazon Web Services (AWS)は、機械学習サービスであるAmazon Rekognitionを使用して画像から簡単にテキストを検出、抽出する事ができる事を発表しました。2018年には、テキスト内にあるPHIの検出と識別をサポートするAmazon Comprehend Medical と呼ばれる、医療テキストのための自然言語処理(NLP)の新しい機械学習サービスを発表しました。これら2つのサービスと数行のPythonコードで、blog記事で示しているような医療画像からPHIを安価かつ迅速に検出、識別、マスクする事ができます。 匿名化のアーキテクチャ この例では、Amazon SageMakerのJupyter Notebooksを利用してPythonコードでインタラクティブなノートブックを作成します。 Amazon SageMakerは事前にビルドされたJupyter notebookとアルゴリズムを使用して、迅速に学習用データの準備と機械学習モデルのビルドができるエンドツーエンドの機械学習プラットフォームです。このblog記事では、実際の機械学習と予測について、Amazon Rekognitionで画像からテキストを抽出し、Amazon Comprehend MedicalでPHIの特定と検出をしています。全てのイメージファイルは、Amazon Simple Storage Service (Amazon S3)という業界トップのスケーラビリティ、データの可用性、セキュリティ、パフォーマンスを提供するオブジェクトストレージサービスのバケットから読み書きされます。 Amazon Comprehend Medical を使用して保護された医療情報を検出・識別する際に留意すべきことは、識別されたエンティティごとに、そのサービスは検出したエンティティの精度に対する信頼度を示す信頼スコアを提供している点です。これらの信頼スコアを考慮に入れて、識別されたエンティティがあなたのユースケースに合致しており適切であるかを確認してください。信頼性スコアの詳細については、 Amazon Comprehend Medicalのドキュメントを参照してください。 Notebookの利用 このblog記事のJupyter NotebookはGitHubからダウンロードできます。 このnotebookは、NIH Clinical Centerによって提供されたデータセットの胸部X線画像の例を示しています。このデータセットは、こちらのリンクからダウンロード可能です。 詳細については、NIH Clinical CenterのCVPR 2017 paperを参照してください。 notebookを開始するにあたり、この例では以下の調整可能な5つのパラメータを利用して匿名化プロセスを制御します。 bucketは、読み書きされる画像が格納されたAmazon S3バケットを定義します。 objectは、匿名化したい識別画像を定義します。PNG, JPG , DICM形式の画像が利用可能です。オブジェクト名が拡張子.dcmで終わっていれば、その画像はDICOM画像であるとみなされ、ImageMagickユーティリティによって、識別処理を行う前にPNGに変換されます。 redacted_box_colorは 、画像内の識別されたPHIテキストをマスクする際の色を定義します。 dpiは、出力する画像で使用するdpi設定を定義します。 phi_detection_thresholdは、前述した信頼スコアの閾値です(0.00から1.00の間)。Amazon Comprehend Medicalで検出・識別されたテキストは、出力画像からマスクされるように設定した最小信頼スコアを満たす必要があります。デフォルト値は0.00で、この値は信頼スコアとは関係なく、Amazon Comprehend MedicalがPHIと識別して検出した全てのテキストをマスクします。 […]

Read More

[AWS Black Belt Online Seminar] AWS Well-Architected Framework によるコスト最適化 資料及び QA 公開

先日 (2019/3/12) 開催しました AWS Black Belt Online Seminar「AWS Well-Architected Framework によるコスト最適化」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。 20190312 AWS Black Belt Online Seminar AWS Well-Architected Frameworkによるコスト最適化 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. W-AレビューをSAにお願いするにあたって金銭的なコストは発生しますか?または契約すべきサポートプランはありますか? A. W-Aレビューは無料でご提供しております(2019年3月現在)。W-Aレビュー実施に際して、AWSサポートは必須ではございません(が、開発フェーズであれば開発者プラン以上、本番運用中であればビジネスプラン以上のご契約をおすすめしております) Q. リザーブドインスタンスを購入するときは、ベストなお知らせが来るのでしょうか?すでに、RIを契約している場合、変更のお知らせなどがあるのでしょうか? A. お知らせはお送りしておりませんので、コストエクスプローラーの「リザーブドインスタンスの推奨事項」をご確認ください。 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 Innovate オンラインカンファレンス ≫ 申込先 2019 年 4 月 8 日〜5 月 7 日期間中いつでもオンラインで視聴可能 AWS基礎、業種別事例、人材育成、認定対策講座などAWSが厳選した33セッションを一挙に公開 — AWS Black Belt Online Seminar […]

Read More