Amazon Web Services ブログ

Amazon at CES 2020 – 接続性とモビリティ

コンシューマーエレクトロニクスショー (CES) が明日から開催されます。この展示会は、5G、IoT、広告、自動車、ブロックチェーン、健康とウェルネス、家庭と家族、没入型エンターテイメント、プロダクトデザインと製造、ロボット工学と機械知能、スポーツなど広い分野での開発に関して、最新の情報が得られる最大の機会です。 CES での Amazon ラスベガスの CES に参加する予定であれば、ぜひラスベガスコンベンションセンターにある Amazon Automotive の展示に足を運んでみてください。ブース 5616 にて、次世代ソフトウェアによる車両の製造を行う自動車メーカーと開発者を支援している弊社の取り組みを紹介しています。 この業界は、メーカーが車両の設計と製造を行うだけでなく、複数の形態のモビリティを含むより大きなビジョンを実現することで、改革を続けていることが知られています。 ブースにはいくつかデモがあり、車両、接続性、ソフトウェア、アプリ、センサー、機械学習を新しい方法でマッシュアップした場合にどんなことが可能となるかを確認することができます。 キャデラックがたたどって来た道 – データ駆動型のショッピングを体験できる、インタラクティブかつ没入型のデモで、あらゆるタッチポイントで顧客にアプローチします。ZeroLight を搭載したこのデモは AWS で実行しており、GPU を装備した EC2 インスタンスでリアルタイムに生成される 3D 画像を使用しています。 モビリティの未来 – Alexa Auto SDK と AWS Machine Learning サービスをいくつか利用したデモで、 インタラクティブな車載サポートを作成します。ドライバープロファイルをクラウドに保存し、Amazon Rekognition を使用してドライバーの適切なプロファイルを読み込みます。機械学習を使って毎朝行く最寄りのコーヒーショップを見つけるなど、繰り返す行動を検出します。 Rivian Alexa – フルビークルのデモで、Alexa Auto SDK との深い統合をお見せします。これは Rivian が近く発表する R1T Electric Truck でのコアビークル機能の制御に使用されています。 スマートホーム/スマートガレージ – […]

Read More

AWS Data Exchange と Amazon SageMaker による機械学習ワークフローの構築

Amazon SageMaker や AWS Data Exchange などのクラウドサービスのおかげで、機械学習 (ML) がこれまで以上に簡単になりました。この記事では、AWS Data Exchange と Amazon SageMaker を使用して、NYC レストランのレストラングレードを予測するモデルを構築する方法について説明します。Amazon SageMaker とともに、AWS Data Exchange の 23,372 のレストラン検査グレードとスコアのデータセットを使用して、線形学習アルゴリズムによりモデルをトレーニングしてデプロイします。 バックグラウンド ML ワークフローは反復プロセスであり、トレーニングデータが必要かどうか、どの属性をキャプチャするか、どのアルゴリズムを使用するか、トレーニング済みモデルをどこにデプロイするかなど、多くの決定が必要です。これらの決定はすべて、学習システムの結果に影響します。問題が定義されたら、4 種類の学習システムから選択する必要があります。一部の学習システムは完全にトレーニングデータに依存していますが、他のトレーニングシステムではトレーニングデータをまったく必要とせず、むしろ明確に定義された環境とアクションスペースが必要です。アルゴリズムがトレーニングデータに依存する場合、最終モデルの品質と感度はトレーニングセットの特性に大きく左右されます。ここで多くの人が、機能の適切なバランスを見つけてバランスのとれた正確なモデルを得ようとする退屈なループに入ります。各学習システムの概要を以下に示します。 教師あり – 教師あり学習では、トレーニングセットにラベルが含まれているため、アルゴリズムは属性セットが与えられると正しいラベルを認識します。たとえば、ラベルが魚の一種である場合、属性は魚の色と重さである可能性があります。モデルは最終的に、正しいか、最も可能性の高いラベルを割り当てる方法を学習します。典型的な教師あり学習タスクは分類です。これは、テキストや画像などの入力情報をいくつかの定義済みカテゴリの 1 つに割り当てるタスクです。たとえば、メッセージヘッダーとコンテンツに基づいてスパム E メールを検出し、MRI スキャンの結果に基づいて悪性または良性としてセルを分類し、その形状に基づいてギャラクシーを分類します (Tan et al.2006)。このカテゴリで使用するアルゴリズムは通常、k 最近傍、線形回帰、ロジスティック回帰、サポートベクターマシン、およびニューラルネットワークで構成されています。 教師なし – 教師なし学習では、ラベルなしデータの関係を発見するアルゴリズムを使用します。アルゴリズムは、データを探索し、既知の特徴に基づいて関係を見つける必要があります。教師なし学習で使用される一般的なアルゴリズムには、同様のデータポイントをグループ化するクラスタリング (K-means、DBSCAN、階層クラスター分析)、異常値を見つけようとする異常検出、それに特徴間の相関を発見しようとする相関ルール学習が含まれます (Aurélien 2019)。実際には、これは犯罪率に基づいて都市をクラスタリングして類似する都市を見つけたり、顧客の年齢に基づいて食料品店で製品をクラスタリングしてパターンを発見したりすることで確認できます。 半教師あり – 半教師あり学習では、ラベル付きデータとラベルなしデータの両方で構成されるトレーニングデータを使用します。アルゴリズムは、多くの場合、教師なしアルゴリズムと教師ありアルゴリズムの両方の組み合わせです。ラベルなしデータを含むデータセットがある場合、最初のステップは、データにラベル付けすることです。データセットにラベルを付けたら、従来の教師ありの学習手法でアルゴリズムをトレーニングして、特徴を既知のラベルにマッピングできます。フォトホスティングサービスは、多くの場合、スキルを活かすことでこのワークフローを使用して、未知の顔にラベルを付けます。顔がわかると、別のアルゴリズムがすべての写真をスキャンして、現在既知の顔を特定できます。 強化 – 強化学習 (RL) は、トレーニングデータから学習する必要がないため、上記の学習システムとは異なります。代わりに、モデルは、明確に定義された環境のコンテキストにおける独自の経験から学習します。学習システムはエージェントと呼ばれ、エージェントは環境を観察し、ポリシーに基づいてアクションを選択および実行し、見返りに報酬を取得します。エージェントは、最終的にその以前の経験に基づいて、時間をかけてその報酬を最大化することを学習します。RL の詳細、またはその説明については、Amazon SageMaker […]

Read More

エバンジェリストが選ぶ AWS re:Invent 2019 の注目ローンチ Top 5

re:Invent 2019 はかなり前に終わったように感じられるかもしれませんが、私はまだその週に発表されたローンチに高揚感と好奇心を覚えています。それは私だけでしょうか、それとも新しい機能の発表は、私たちが子供の頃に思い描いた未来の SF の世界 (つまり AWS WaveLength 誰ですか?Amazon Braket の話はまだしません) に私たちを近づけてくれるように思いましたか? その未来が、まさにここにあるかもしれません。あなたはそれに対処できますか? もしできるのであれば、次の 5 つの re:Invent 2019 のローンチで最も興奮した理由を説明したいと思います。 [ご注意:親愛なる読者の皆さんへの配慮から、これらの記事には最善の詳細を盛り込むよう努めています。とにかく、勤務時間中にキーボードを枕に眠ってほしくないのです! 悲しいことに、それでは素敵な新しい数々のローンチを共有するだけに私自身が制限してしまうことにもなります。これらすべてについて読みたい場合は、re:Invent 2019 で発表された製品・機能一覧をご覧ください。]   1.Amazon Braket: 量子コンピューティングを調べる なぜこれを選択したのかをご説明します… まず、?タブー?に向き合い、私たちの 99.9% が量子コンピューティングとは何かを本当に理解しているわけではないことを認めましょう。でも、理解したいですね! とても素敵な未来像に思えるからです。では、掘り下げてみましょう… インターネット検索によると、量子コンピュータは、データ操作を実行するために、重ね合わせともつれの量子力学的現象を使用する計算デバイスです。量子コンピューティングの基本原理は、量子プロパティを使用してデータを表し、その上で操作を実行できることです。おもしろい話もあります…あなたのノートパソコンのような「普通の」コンピュータでは、データや情報はビットという名前のものに保存されます。しかし量子コンピュータでは、量子ビットとして保存されます。 量子コンピューティングはまだ初期段階にあります。どこへ向かうか気になりますか? そこでローンチしたのがこちらです。 Amazon Braket は、科学者、研究者、開発者が量子コンピューティングアルゴリズムを簡単に構築、テスト、実行できるようにする新しいサービスです。 面白そうに聞こえますが、これは実際に何を意味するのでしょうか? Amazon Braket が開発環境を提供することで、独自の量子アルゴリズムをゼロから設計したり、事前に構築されたアルゴリズムのセットから選択したりすることができ、それにより動作します。希望するアルゴリズムを選択すると、Amazon Braket はそのアルゴリズムの実装のトラブルシューティングと検証に役立つシミュレーションサービスを提供します。準備が整えば、量子ハードウェアプロバイダー (D-Wave、IonQ、Rigetti など) の 1 つから、実際の量子コンピュータでアルゴリズムを実行することもできます。 早速、始めましょう! Amazon Braket で量子コンピューティングの未来を探求してください! ??ドキュメントのチェックもお忘れなく: aws.amazon.com/braket […]

Read More

緊急かつ重要なお知らせ ー Amazon RDS、Aurora、DocumentDB の証明書をローテーションしてください

2020年2月5日追記: 2020年2月5日から3月5日の間に、RDSは再起動を行わずにRDSデータベースインスタンスに新しい証明書を自動的に配置することをご案内していました。しかし、お客様のフィードバックに基づき、証明書の更新を完了させるためにできるだけ多くの時間をお使いいただけるように、RDSは2020年3月5日まで自動的にデータベース証明書をステージングも更新も行わないこととなりました。これにより、2020年3月5日まで新しいCA証明書を使用するようにアプリケーションとデータベースの更新を行っていただけるようになりました。 ********************************** お客様には E メールやコンソール上の通知により連絡が届いていると思いますが、驚かれられた方のために、重ねてお伝えします。 すぐにローテーションを行ってください Amazon Aurora、Amazon Relational Database Service (RDS)、もしくは、Amazon DocumentDB をご使用中のお客様で、データベースインスタンスへの接続時に SSL/TLS 証明書の検証をご利用になっている方々は、最新の証明書のダウンロードとインストールをした上で対象のインスタンスにおいて認証機関 (CA) のローテーションを行い、そのインスタンスを再起動してください。 SSL/TLS 接続、もしくは証明書の検証を利用していないお客様は特に更新を行う必要はありません。ただし、将来 SSL/TLS 接続を導入することが決定済みである場合は、それに備えて更新しておくことをお勧めします。その場合は、CLI の新しいオプションを使って、再起動はさせずに最新証明書のローテーションとステージングのみ行うことができます。 この新しい証明書 (CA-2019) は、古い証明書 (CA-2015) を含む証明書バンドルの一部分として提供されるので、卵と鶏とちらが先かといった状況に陥ることなく、スムーズな変更ができるようになっています。 現在の状況 RDS、Aurora、DocumentDB 用の SSL/TLS 証明書が失効し、メンテナンスおよびセキュリティ管理に関する当社の標準規律に則った 5 年に 1 度の置き換えが行われます。それに関して、重要なスケジュールを次に明記しておきます。 2019 年 9 月 19 日 ー CA-2019 証明書が利用可能になりました。 2020 年 1 月 14 日 ー この日以降、作成されるインスタンスは、新しい証明書 […]

Read More

Amazon Athena を使った Amazon S3 分析データへのクエリ

最近、あるお客様からの問い合わせに答えました。その方々は、S3 Standard、S3 Infrequent-Access、そして S3 One-Zone Infrequent-Access など、複数ある Amazon S3 ストレージクラスに価値を感じているものの、そのストレージを最適化するのに、どの階層とライフサイクルルールを適用してよいか迷っているということでした。このお客様を含め、同様な状況にある他の方々も、複数のバケットと、各種のデータアクセスパターンを使用されています。結局、当社とお客様で協力しあい、S3 Analytics レポートが利用できるようにし、最適なライフサイクルが容易に決定できるようになりました。今回のブログ記事では、この過程で我々が学んだことや、多くの分析レポートを一度に簡単に調べるためのテクニックなどについて、概要をご説明していきます。 2016 年 11 月にリリースされた Amazon S3 分析 では、ストレージへのアクセスパターンの分析や、適切なデータを適切なストレージクラスへ移動させる機能などが提供されました。また、分析を行うためのデータを S3 バケットへ手動でエクスポートすることも可能になりました。これで、好みのビジネスインテリジェンスツールが使用でき、利用率や増加パターンについてより深い洞察を集めることができます。この機能は、利用パターンに基づきパフォーマンスを最適化しながら、ストレージのコストを削減するために役立ちます。 また、Amazon QuickSight の更新が 2017 年の 11 月に行われました。S3 コンソールでの数回のクリックにより、この QuickSight が、特定の S3 バケットに関する S3 分析を視覚化できるようにします。この処理は、手動でのエクスポートやデータに関する余計な準備作業も必要なく自動で完了します。 本記事では、こういったアナリティクスレポートのレビューをするための、代替的な方法をご紹介していきます。今回の手法では、サーバーレスで双方向性のクエリサービスである Amazon Athena、そして、完全マネージド型の ETL (エクストラクト、トランスフォーム、ロード) とデータカタログのサービスを提供する AWS Glue を使います。これらのサービスを併用することで、S3 Analytics レポートに対し直接 SQL クエリできます。QuickSight やその他のデータベースエンジンにロードする必要はありません。 この手法により、ストレージクラスのコスト削減方法が、一度にすべてのバケットに関して素早く簡単に特定できるようになります。Amazon S3 内で個別のレポートを調査したり、そのレポートを QuickSight のレポートとそれぞれリンクするより、効率的に作業できます。 […]

Read More

Cinnamon AI は、Amazon SageMaker マネージドスポットトレーニングで ML モデルのトレーニングコストを 70% 節約

開発者はモデルの予測を継続的に改善できるよう、絶えず機械学習 (ML) モデルのトレーニングと再トレーニングを行っています。データセットのサイズに応じて、モデルトレーニングジョブは数分から数時間、または数日かかることもあります。ML 開発は、複雑で費用のかかる反復的なプロセスになることがあります。コンピューティング集約型であるため、ML 開発のコンピューティングコストを低く抑えることは重要で、コスト削減はスケーラビリティを達成する上でのカギを握っています。 Amazon SageMaker は、ML モデルを大規模に構築・トレーニング・チューニングおよびデプロイするための完全マネージド型のサービスです。Amazon SageMaker のマネージドスポットトレーニングでは、Amazon EC2 スポットインスタンスをトレーニングに使用することで、トレーニングコストを最大 90% 節約できます。 EC2 スポットインスタンスは、ML トレーニングワークロードの計算コストを最適化するための優れた方法です。 Amazon EC2 の空きキャパシティを利用することでオンデマンドインスタンスよりも最大 90% の割引が可能です。特定のアベイラビリティーゾーン (AZ) で特定のオンデマンドインスタンスタイプのリクエストが急増すると、AWS は 2 分間の通知でスポットインスタンスを回収することがあります。 この記事では、Cinnamon AI が Amazon SageMaker マネージドスポットトレーニングを使用して、予算を増やすことなく、ML トレーニングコストを 70% 削減し、毎日のトレーニングジョブ数を 40% 増加させた方法について説明します。

Read More

Amazon DocumentDB をご利用中のお客様は 2020 年 2 月 5 日までに TLS 認証を更新ください

  Amazon DocumentDB (MongoDB との互換性がある) をご利用のお客様の場合、AWS から TLS 認証のローテーションについてお知らせメールを受信されたことでしょう。Amazon DocumentDB インスタンスの TLS 認定は、Amazon DocumentDB の標準的なメンテナンスとセキュリティのベストプラクティスの一環として、2020 年 3 月 5 日に有効期限が切れます。TLS を使用してクラスターに接続するすべての Amazon DocumentDB のお客様は、有効期限後に接続を維持するために行わなければならない手順があります。このブログ記事では、今後の Amazon DocumentDB 認定の有効期限について詳述し、クラスターが影響を受けるかどうかを確認する方法を説明します。そしてクラスターへの接続を維持するために何をすべきかをお教えします。 現在の状況 Amazon DocumentDB CA およびサーバー認定は、標準メンテナンスおよびセキュリティのベストプラクティスの一部として更新されています。現在のサーバー認定は、2020 年 3 月 5 日に期限切れになります。 2020 年 2 月 5 日から、Amazon DocumentDB クラスターのサーバー認定の更新を開始します。両方の手順をできるだけ早く完了するか、遅くとも 2020 年 2 月 5 日までに完了することを強くお勧めします。2020 年 2 月 5 日までに両方の手順を完了できない場合、クライアントまたはアプリケーションは […]

Read More

AWS Black Belt オンラインセミナーのご案内 (2020 年 1月)

こんにちは!AWS Webinarチームです。 令和 2 年最初の 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。 2020 年 1 月は、3 本のWebinarを実施いたします!ぜひお役立てください。 今回は Black Belt で初めて取り扱うアジェンダの2本と、2016 年に実施したAWS Cost Exploerの最新版を実施いたします。 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 1 月のスケジュール Amazon EventBridge 2020 年 1 月 22 日 (水) | 18:00 – 19:00 | IT 知識レベル:★★☆☆☆ | AWS 知識レベル:★★☆☆☆ Amazon EventBridge は、SaaSアプリケーション、独自のアプリケーションやAWSサービスからのイベントを中継してプッシュ型でタイムリーにさまざまな処理を起動するためのサーバーレスイベントバスです。本セミナーではサービスの概要に始まり、ユースケース、最新のアップデート、他のサービスとの違いなどを網羅的にご紹介します。 対象者 サーバーレスアプリケーション開発に興味がある方 SaaSとAWSの連携を考えている方 本セミナーで学習できること Amazon EventBridgeの概要 ユースケース 最新アップデート情報 […]

Read More
Weekly AWS

週刊AWS – 2019/12/23週&30週合併号

みなさま、明けましておめでとうございます。AWSソリューションアーキテクトの小林です。今年もAWSの一週間をコンパクトにまとめてご紹介する週刊AWSをどうぞよろしくお願いいたします。毎週たくさんのアップデートが発表されるAWSですが、クリスマスから年末年始にかけてはさすがに数が少なかったので、今回は12/23週と12/30週の合併号でお届けします。 それでは早速、年末年始の主要なアップデートについて振り返っていきましょう。

Read More

株式会社フジテレビジョン、ワールドカップバレー 2019 の配信において AWS を利用した超低遅延配信を実現

『 超低遅延配信は放送番組の視聴をより楽しくするマルチスクリーンでの利用や UGC におけるユーザ体験の向上を通し、インターネット配信に大きな変化をもたらすでしょう。』と株式会社フジテレビジョン(フジテレビ) 技術局 技術開発部 副部長 伊藤氏は述べます。 そして以下のように続きます。『 今回の ワールドカップバレー 2019( FIVB2019 ) では数万人が同時に視聴できる環境をわずか 3~4 週間で組み上げ本番に臨みました。我々は手軽に素早く超低遅延配信環境を実現できるようになりました。また、従量課金で利用でき、配信時における煩雑な運用から解放された事を非常に嬉しく思います。我々は既にそのユースケースを拡大しています。』 超低遅延配信はスポーツ Live 、TV と連動した配信、配信者/ユーザとのインタラクティブなやりとりを必要とする配信など様々なシーンで求められています。ただし超低遅延配信の実現には CMAF-UltraLowLAtency(ULL) 、WebRTC 、LL-HLS 、セグメント秒数を切り詰めた HLS/MPEG-DASH など様々なアプローチがありますが、超低遅延配信に対応したエンコーダ/インフラ/プレイヤーの準備が必要であり、大規模配信への対応の容易さ、到達できる遅延秒数も様々でした。 フジテレビは CMAF-ULL を用いて地上デジタル放送と同程度の約2~3秒という遅延量で FIVB2019 の配信を実現させました。それは地上デジタル放送の放送映像をさらに楽しんで頂くためのマルチスクリーンとして配信され、TV では試合のコート全体が映し出されている間、手元のスマートフォンではエース選手やフォーカスされた選手にクローズアップされるといったユーザ体験を向上させる取り組みでした。目的はユーザ体験を向上させ、これまでよりも更に試合の運び、選手の動きに注目し、放送番組にのめり込んでもらう事でした。 低遅延配信を実現した仕組みを以下の図に記します。 試合会場からの映像信号はフジテレビ局舎に伝送され、地上デジタル放送用設備と超低遅延配信用エンコーダである Videon社のEdgeCaster4K に分配して入力されます EdgeCaster4K では入力された映像信号を CMAF-ULL の HLS/DASH に処理します。1つの fMP4 ファイルの構造は 8 秒セグメント、200msec の Chunk です EdgeCaster4K からは専用線である AWS DirectConnect を通りオリジンサーバとなる […]

Read More