Amazon Web Services ブログ

Discover Financial Services が Amazon SageMaker で動作する Robocar イベントで機械学習を活用

AWS re:Invent に参加した Discover Financial Services (DFS) のチームメンバーが、Robocar Rally はインパクトがきわめて強いイベントだったと語りました。Discover のコアチームのメンバー 6 名はこのハッカソンに参加し、機械学習 (ML) および AWS に関する深層学習を使用したハンズオン体験をしました。彼らにとってその楽しい時間は、永く記憶に残るものとなりました!Discover の Cloud Center of Excellence (CCoE) はのちに、ある 1 つのアイデアを提案しました。それは、「Discover 本社のオンサイトで同じイベントを再現してみよう」というものです。Discover CCoE にはそのリーダーシップおよびデータサイエンスチームをもって機械学習実験の現状にインパクトを与えるために、AWS AI/ML サービスに対する認識を高めようという目標がありました。そのイベントが実現するのに、2 か月半かかっていません。

チーム編成

Discover はイベント開催中にチームあたり 6 名からなる 6 チームを編成し、ハッカソンに参加して、1 対 1 で直接競わせました。Discover は多数の事業領域にわたる多様な縮図を体現しています。これが開発者からセキュリティ専門家にいたる混合環境を構築しており、そこには機械学習の関係者も含まれます。チーム規模およびチーム数は、カスタマーの関心と過去の Robocar Rally のイベントから継承されてきた知見をすり合わせた結果としてそうなりました。

Robocar の役割

AWS はこのイベント運営および各チームメンバーに対する戦略的な役割分担を目指して、規範的なアプローチを使用しました。

  • ドライバー: モデルのトレーニング中はクリーンデータの収集を確保しながら、車両を管理し、イベント開催中は Robocar を管理します。
  • Robo チェアパーソン: チームのスポークスマンであり、書記官です。当初の指示、チーム全体におよぶ連絡事項、トレーニングデータ、モデル情報 (たとえば、データセットあたりの走行周回数、モデルのネーミングに関する慣例、性能など) からの変更および逸脱すべてを検討する連絡窓口です。
  • ハードウェアエンジニア: Robocar の問題点 (たとえば、誤ったケーブル配線、サーボ機構の不良、バッテリー寿命など) のトラブルシューティングを追跡します。Robocar のバッテリーが常時充電済みの状態にすることは非常に重要です。
  • ソフトウェアエンジニア: SD カードに記録された Robocar のディレクトリを管理します。各ディレクトリを把握し、ファイルの構造および目的を理解しています。モデルのデプロイやスクリプトの実行を取り扱います。
  • AWS アーキテクト: AWS マネジメントコンソールを運用します。AWS アーキテクトはトレーニングデータが Amazon S3 に格納されているか、チームのリポジトリが Amazon ECR に作成されているか、Amazon SageMaker のトレーニングが完了しているかを検証します。アーキテクトはモデルのアーティファクトを参照するとともに、その参照のために正しい IAM ポリシーがしかるべく定義されているようにします。
  • ピットボス: 考え方やトラブルシューティングの説明を支援するために過去の経験を活用することで、イベントを通じて得られた経験を活かしながらチームを引っ張ります。これは、チームメンバーと AWS アカウントチームの間で、代理人としても務める戦略的なイネーブルメントロールです。

競技チームを構成する 40 人を超えるメンバーと数百人規模の観客のほかにも、Discover の社員がライブ配信で観覧しています。

まとめ

Discover は遊び心、コミュニティ意識、ハンズオン体験を持ち込む活動を通じて、機械学習の教育経験の可能性が高まるとともに、加速されることを確信しています。 本イベントは新しい AWS サービスの可能性に関して Discover の開発者たちをワクワクさせるとともに、実際に使ってみて、本ブログ記事で説明している領域において事業価値をいち早く展開するためには革新的な手法でした。機械学習経験のないメンバーを含む Discover チームメンバーには、畳み込みニューラルネットワーク (CNN) を使用した行動クローニングの経験があり、Robocar の組み立て後、ほんの数時間でモデルを構築しました。チームは Robocar Rally を簡単に楽しく始められて、なおかつ Discover が積極的に内製する可能性を切り開く 1 つの手段として考えています。その目標は達成され、Discover からは好意的なフィードバックが圧倒的でした。「このオンキャンパスのイベントで、社員たちが共同作業して、機械学習に取り組むハンズオン体験を得る絶好の場となりました」と、ある会社幹部が語ってくれました。

Amazon SageMaker を使用してどれほど簡単に、機械学習モデルの構築、トレーニング、調整、デプロイできるかを皆さんにもぜひご覧いただきたいです。また、ディープラーニング対応のビデオカメラである AWS DeepLens も一度お試しください。拡大を続けるコミュニティプロジェクトで、ご自分の取り組みをシェアしてください。皆さんが作ったものを教えてください。そして、今年の re:Invent でお会いしましょう!


今回のブログ投稿者について

Todd Escalona はソリューションアーキテクトとして、カスタマーの目標を理解するために耳を傾け、そこから遡って作業をしながら、カスタマーとパートナーの AWS クラウドのグローバルな拡大に時間を費やしています。要件を定義し、特定のユースケースに基づいたアーキテクチャ面でのガイダンスを提供して、スケーラブルで信頼性のある恒久的なアプリケーションとサービスの設計をお手伝いします。Todd は、人工知能、機械学習、およびサーバーレスイベント駆動型アーキテクチャなどの様々なテクノロジーに広がる関心を持っています。