Amazon Web Services ブログ

Amazon SageMaker の因数分解機械アルゴリズムを拡張し、レコメンデーション上位 x 件を予測しています。

Amazon SageMaker により、機械学習ワークロードで複雑なビジネス上の問題に対応するために必要な柔軟性が向上します。組み込みアルゴリズムを使用すると、すぐに開始できます。 このブログ記事では、組み込みの因数分解機アルゴリズムを拡張してレコメンデーション上位 x 件を予測する方法について、概説します。 この手法は、ユーザーに対し一定数のレコメンデーションをバッチ処理で生成する場合に最適です。例えば、この手法を使用して、ユーザーと製品購入に関する大量の情報から、あるユーザーが購入しそうな上位 20 製品を生成することができます。その後、将来的にダッシュボードへの表示やパーソナライズメールマーケティングなどで利用するため、このレコメンデーションをデータベースに保存できます。AWS Batch または AWS Step Functions を使用して、このブログで概説する手順を自動化し、定期的な再トレーニングや予測を行うこともできます。 因数分解機は、汎用教師あり学習アルゴリズムで、分類と回帰の両方のタスクに使用できます。このアルゴリズムは、レコメンデーションシステムのエンジンとして設計されました。このアルゴリズムでは、二次係数を低ランク構造に制限しながら、特徴について二次関数を学習することで協調フィルタリング手法を拡張します。この制限は、過学習を避け、また非常にスケーラブルであるため、大きな疎データによく適してします。これにより、入力特徴が何百万である一般的なレコメンデーションの問題に対するパラメーターが、何兆とあるのではなく、何百万となるようにします。 因数分解機のモデル方程式は、つぎのように定義されます。 次のようなモデルパラメータが推定されます。 ここでは、n は入力サイズ、k は潜在空間のサイズです。これらの推定されるモデルパラメータを使用して、モデルを拡張します。 モデルの拡張 Amazon SageMaker の因数分解機アルゴリズムを使うことにより、ユーザーと項目のようなペアについて、これらが合致する程度に基づき、そのペアのスコアを予測できます。レコメンデーションモデルの適用時、ユーザーを入力すると、そのユーザーの好みに合致する上位 x 件の項目リストを返すようにしたい場合がよくあります。アイテム数が多くなければ、可能性のあるアイテムすべてに対しユーザーと項目のモデルをクエリすることができます。ただし、この手法では項目数が多くなるとうまくスケールできません。このシナリオでは、Amazon SageMaker k 近傍法 (k-NN) アルゴリズムを使用して、上位 x 件の予測タスクを高速化できます。 以下の図は、このブログ記事で扱う手順のおおまかな概要を示しています。これには、因数分解機モデルの構築、モデルデータの再パッケージ化、k-NN モデルのフィッティング、および上位 x 件予測の作成が含まれます。 先に進めるため、手引きとなる Jupyter ノートブック をダウンロードすることもできます。以下の各セクションは、このノートブックのセクションと対応していますので、読みながら各ステップのコードを実行できます。 ステップ 1: 因数分解機モデルの構築 手引きとなる Jupyter ノートブックのパート 1 で、因数分解機モデルの構築手順を確認します。因数分解機モデルの構築に関する詳細は、因数分解機アルゴリズムのドキュメントを参照してください。 ステップ 2: モデルデータの再パッケージ化 Amazon SageMaker 因数分解機アルゴリズムでは、Apache […]

Read More

Amazon DynamoDB: アドテックのユースケースと設計パターン

広告技術 (アドテック) 企業は、Amazon DynamoDB を使用して、ユーザープロファイル、ユーザーイベント、クリック数、訪問済みリンクなどのさまざまな種類のマーケティングデータを保存します。用途としては、リアルタイム入札 (RTB)、広告ターゲティング、アトリビューションなどがあります。このブログ記事では、DynamoDBを使用するアドテック企業の最も一般的なユースケースと設計パターンを特定します。 こうしたユースケースでは、高いリクエスト率 (1 秒あたり数百万件のリクエスト)、低くて予測可能なレイテンシー、および信頼性が必要です。大規模な読み取りボリュームがある場合、またはミリ秒未満の読み取りレイテンシーが必要な場合、企業は DynamoDB Accelerator (DAX) によるキャッシングを利用します。ますます多くのアドテック企業が、複数の地域で RTB や広告ターゲティングプラットフォームをデプロイしており、これには AWS リージョン間でのデータレプリケーションが必要になります。 完全マネージド型サービスである DynamoDB を使用すると、アドテック企業はデータベースの運用にリソースを投資することなく、こうした要件をすべて満たすことができます。また、こうした企業は、DynamoDB への移行によってデータベースの支出が削減されるため、DynamoDB の費用対効果も高いことに気付きます。たとえば、GumGum が自社のデジタル広告プラットフォームを DynamoDB に移行したとき、古いデータベースに比べてコストが 65〜70% 削減されたと推定しています。 この記事で使用される用語 この記事では、以下のデータモデリングと設計パターンの用語を使用します。 1:1 モデリング: パーティションキーをプライマリキーとして使用する 1 対 1 関係のモデリング。 1:M モデリング: パーティションキーとソートキーをプライマリキーとして使用する 1 対多関係のモデリング。 DAX によるキャッシング: DynamoDB の前で読み取りキャッシュとして DAX を使用すると、読み取りのレイテンシーを短縮できるだけでなく、頻繁にアクセスされるアイテムに対する高い読み取り負荷を費用効果の高い方法で処理することができます。 アドテックのユースケースと設計パターン ユースケース データモデリングまたは設計パターン RTB および広告ターゲティングでのユーザープロファイルの保存 1:1 モデリング、1:M モデリング […]

Read More

AWSアカウントが無い学生の方がAWS Educateに参加しCloud9を使う方法

AWS Educateは14歳以上の学生の方であればどなたでも参加できるクラウド学習プログラムです。実習も含まれますので実際にAWSのコンソールを使用します。 しかし世界中で多くの学生の方が年齢やクレジットカードを持っていないなどの理由でご自身のAWSアカウントを持っていません。 そこでAWS Educateではスターターアカウントという学習用の特別なアカウントを提供することで、AWS Educate内でAWSのコンソールを使っていただくことを可能にしています。 スターターアカウントを作るには登録者情報入力後に表示される画面で ・AWSのアカウントのID(12桁の数字)を入力し自身のAWSアカウントをAWS Educate内で使用する ・自身のAWSアカウントは使用しないスターターアカウントを使用する このどちらかの選択画面がありますので下のClick to here to select AWS Educate Starter Accountにチェックを入れNEXTボタンを押してください。(※高校生(18歳未満)の方はStarter Accountしか選択できません。) 登録からログインまでの全体の流れと、学生用ポータルの各タブの説明は過去のBlog記事をご参照ください。 登録したメールアドレスでログイン後、AWS Accountというタブをクリックしてください。 下のような表示になり、スターターアカウントで使える残りのクレジットの額、スターターアカウントの有効期限が表示されます。スターターアカウントは1年間または与えられたクレジットが残ってる間が利用期間となります。スターターアカウントのクレジットは所属する学校が機関加盟している場合は75ドル、機関加盟していない場合は30ドルとなり、使い切った際に一度だけ20ドルの追加クレジットのリクエストができるようになっています。なお、卒業するまでは1年ごとに新しいスターターアカウントとクレジットが提供されます。なお新しいスターターアカウントには古いスターターアカウントの環境は引き継がれませんのでその点はご注意ください。 オレンジのAWS Educate Starter Accountを押すと以下が表示されます。 これはAWSアカウントが無い方に実習用のコンソールを提供するサードベンダーのページになります。オレンジのAWS ConsoleをクリックするとAWS Consoleが開きます。 スターターアカウントで利用できるサービスに一部制限があります。こちらがスターターアカウントで利用できるリージョンの説明とサービス一覧です。 例としてクラウドベースでコードの開発・実行・デバッグができる統合開発環境であるCloud9を開いてみます。コンソールの検索窓でCloudと入力すると名称がマッチするサービスがリストアップされますのでCloud9を選びます。 Cloud9を選択すると以下の画面が開きです。 リージョンを選択しCreate Environmentのオレンジのボタンをクリックすると環境の作成画面が以下のように開きCloud9上で開発作業を始めることができます。(スターターアカウントの方はリージョンは一番上の米国東部(バージニア北部)を選択してください。(スターターアカウントではなくAWSアカウントをお持ちの方は新しくサービスを開始した東京リージョン など他のリージョンも選択可能です。) このようにAWS EducateではAWSアカウントが無い学生の方に、Cloud9を始め様々なサービスを体験してもらうことが可能です。ぜひご活用ください。 学生の方でもご自身のクレジットカードをお持ちでAWSのアカウントを作成できる方は、無料枠も活用できますのでAWSアカウントのIDを作成し、それをAWS Educateに登録する方法をお勧めします。その場合クレジットは加盟校の学生は100ドル、そうでない場合は40ドルのクレジットコードが提供されます。またサービスのリージョンも制限なく選択することが可能になります。   【問い合わせ】aws-jpps-qa@amazon.com パブリックセクター エデュケーションプログラム担当 澤

Read More

AWS Cloud9 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 Cloud9 が東京リージョンに対応しましたのでお知らせいたします。 AWS Cloud9 AWS Cloud9 は、ブラウザのみでコードを記述、実行、デバッグできるクラウドベースの統合開発環境 (IDE) です。これには、コードエディタ、デバッガー、ターミナルが含まれています。Cloud9 には、JavaScript、Python、PHP などの一般的なプログラム言語に不可欠なツールがあらかじめパッケージ化されているため、新しいプロジェクトを開始するためにファイルをインストールしたり、開発マシンを設定したりする必要はありません。 マネージド Amazon EC2 インスタンスまたは SSH をサポートする既存の Linux サーバーで実行されるため、ブラウザのみでアプリケーションを作成、実行、デバッグでき、ローカルの IDE をインストールしたりメンテナンスを行う必要はありません。Cloud9 のコードエディタおよび統合されたデバッガーには、コードのヒント、コード補完、ステップスルーデバッグなどの、便利で時間を短縮できる機能が含まれています。Cloud9 ターミナルでは、追加のソフトウェアのインストール、git push の実行、コマンドの入力ができるブラウザベースのシェルエクスペリエンスを利用できます。 ペアプログラミングサポート 開発環境をチームと共有し、ペアプログラミングを一緒に行うことができます。共同作業中にチームメンバーは互いのタイピングをリアルタイムで確認でき、IDE 内から即座にチャットを開始することができます。 サーバーレスアプリケーションとの親和性 サーバーレス開発に必要な SDK、ライブラリ、プラグインのすべてを使用して開発環境が事前設定されます。AWS Lambda 関数をローカルでテストおよびデバッグするための環境を利用することができます。 多くの言語に対応 以下のプログラミング言語に対応しています。 C++ C# CoffeeScript CSS Dart Go Haskell HTML Java JavaScript Node.js PHP Python Ruby […]

Read More

新入生の皆様、Cloudを学んでみませんか?

この4月から高校、高専、専門学校、大学などに入学された皆様、ご入学おめでとうございます。 AWSでは学生の方がクラウドの学習を行い、卒業後に学習の成果を活かせる仕事を見つけるための無料のプログラムAWS Educateを提供しています。 参加条件は 14歳以上であること なにかしらの教育機関で学んでいること 原則としてメールアドレス(できれば学校が配布したもの)を持っていること パソコンを使う環境があること AWSアカウントが無い方でも参加できます となります。クレジットカードの登録が必要なAWS Accountを取得していない方でもAWS Educateに参加し実際にAWSを利用しながら学ぶことが可能です。(教材や実習環境などの学習リソースが利用できるのは学生、教員メンバーのみです。企業のリクルータメンバーは求人活動のための機能のみの提供となります。) 申し込み方法 ステップ1 こちらのページの【AWS Educateに参加する】というオレンジの資格をクリックすると以下の申し込みカテゴリが表示されるので【学生】(英語の場合はStudent)をクリック。 ステップ2 必要情報を入力する。(高校生などで学校のメールアドレスをお持ちで無い方は他のメールを入力し、後から学生の証明するものの写真を送って頂くなどの対応策あります。)氏名は日本語でも受け付けられるのですが、サポートを日本以外のチームで行う可能性もありますので可能な限り英語表記の氏名でご登録ください。プロモーションコードは入手されている方のみ入力してください。 ステップ3 次に進みAWS Accountをお持ちの方は入力欄に12桁の数字を正確に入力してください。お持ちでない方はスターターアカウントとして登録するためオレンジで囲った下の選択肢をチェック。 ステップ4 入力したメールアドレス宛に確認のためEmail Verification – AWS Educate Applicationという件名のメールが届きますので、本文中の確認のためのURLをクリックする ステップ5 審査が完了すると(72時間以内には完了します。)Welcomeメールが届きます。Welcomeメールにはパスワード設定方法、クレジットに関する情報などが書かれていますので保存しておいてください。 ステップ6 設定したパスワードでログインすると上端に以下のメニューが表示されています。(14歳から17歳の方はメニューが異なります。) ■ポートフォリオ 自分の学校や学科を登録しましょう。キャリアパス(学習コース)の学習の進度と自身のプロフィールをメンバー企業のリクルータに開示したい場合は以下のボタンをご自身でYESにしてください。YESにするとリクルータからの就職やインターンに関するスカウトが可能になります。(参照できるのはAWS Educateに登録しているリクルータからのみです。) ■キャリアパス 目標とする職業に基づいた12の学習コースがそろっています。(キャリアパスは主に大学生対象ですがそれ以外の学校の方もAdvanced learningとして学習可能です。) (基礎を学ぶコース)  クラウドコンピューティング 101 (目標とする職種に紐づく11のコース)  アプリケーションデベロッパー  クラウドサポートアソシエイト  クラウドサポートエンジニア  サイバーセキュリティスペシャリスト  データインテグレーションスペシャリスト  データサイエンティスト  DevOpsエンジニア  マシンラーニングスペシャリスト  ソフトウェアデベロップメントエンジニア  ソリューションアーキテクト ■バッジ Alexaや注目されているAWSの技術について学習し、デジタルバッジを取得することができます。(2019年中に日本語が公開されます。) ■ジョブ […]

Read More

AWS Key Management Service を使用した Amazon DynamoDB の暗号化と、Amazon Athena を使った API 呼び出しの分析

アプリケーションが進化してウェブに対してよりスケーラブルになるにつれて、お客様は柔軟なデータ構造とデータベースエンジンをそのユースケースに採用しています。現代のアプリケーションを構築するために NoSQL の柔軟なデータモデルを使用することから、NoSQL データストアを用いることがますます一般的になってきました。Amazon DynamoDB は高速で柔軟性のある NoSQL データベースサービスで、一貫して 1 桁ミリ秒のレイテンシーで大規模なサービスを提供しています。ウェブスケールのワークロードに DynamoDB を採用する際は、DynamoDB で利用できるセキュリティ管理を理解することが重要です。 DynamoDB を安全に実行するためにさまざまな機能を使用できます。Amazon VPC エンドポイントは、VPC で実行されているアプリケーションに DynamoDB テーブルへの安全なアクセスを提供します。また Amazon VPC エンドポイントは、AWS Identity and Access Management (IAM) を介してきめ細かいアクセス制御を提供し、DynamoDB テーブルに格納されたアイテムおよび属性へのアクセスを規制します。転送中のデータを暗号化するために Transport Layer Security (TLS) エンドポイントを使用することもできます。 保存データの暗号化には、テーブルを暗号化するために 2 つのカスタマーマスターキー (CMK) オプションのいずれかを選択できます。AWS が所有する CMK はデフォルトの暗号化タイプで、キーは CMK のコレクションとして AWS が所有し、複数の AWS アカウントでの使用を管理します。AWS が所有する CMK はお客様の AWS アカウントにはありません。一方、AWS が管理する […]

Read More

Amazon SageMaker Ground Truth でのラベリングジョブ用の優れた説明の作成

Amazon SageMaker Ground Truthは、機械学習 (ML) 用の高精度なトレーニングデータセットをすばやく構築するお手伝いをします。ご自身のワークフォース、データラベリングに特化したベンダー管理ワークフォースの選択、または Amazon Mechanical Turk が提供するパブリックワークフォースを使用して、人が生成するラベルを提供することができます。質の高いのラベルを取得するには、特にパブリックワークフォースを使用している場合、簡単かつ簡潔で明確な説明が必要です。良い説明が書ければ、アノテーションの品質を向上させることができます。正しく行えば、この作業に時間を費やす価値はあります。 このブログ記事では、パブリックワークフォースに効果的な説明を作成するためのベストプラクティスをご紹介します。ここで重要なポイントが 2 点あります。ワークフォースへの認知負荷をできるだけ減らすこと、そして説明を微調整して後で発生する問題を避けるためにもプロセスの早い段階で実験することです。たとえば実験で、データの一部に自分でラベルを付けたり、プロセス全体の中でも小規模なジョブをパブリックワークフォースに行ってもらうことができます。 以下のスクリーンショットは、ワーカーの観点から見て適切な説明のある Ground Truth のバウンディングボックスのラベリングタスク例を示しています。このタスク例では、Google Open Images Dataset から取得したイメージにある花の周りを囲む四角形の枠を描くようワーカーに伝えます。ワーカーがアノテーションを付けている作業中、イメージの左側にあるサイドバーには短い説明が表示されます。はっきりと要領を得た、かつタスクに特化した説明で、サンプルのイメージに焦点を当てています。 以下の図は、サイドバーにある [View full instructions] を選択すると表示される完全な説明のサンプルです。ワーカーが混乱しやすいあいまいな説明が、明確に表記されています。この投稿を最後まで読むと、ご自身のラベリングジョブで優れた説明を作成することができるでしょう。 推奨するワークフロー Ground Truth が提供するツールを使用してデータの一部にアノテーションを付けるのが、適切な説明を作成する最も簡単な方法です。作成後、その結果を説明のサンプルとして使用できます。これを行うには、以下の手順を行います。 データからサンプルをいくつか選択する。 Ground Truth でプライベートジョブを実行し、選択したサンプルにラベルを付ける。 結果を使って、簡単な説明を作成する。サンプルイメージと少しのテキストに焦点を当てる。 タスクのあいまいさを回避し明確にするため、完全な説明を作成する。 小さなパブリックジョブを実行し、説明をテストする。満足する結果が出るまで繰り返す。 タスクの単純化を考慮し、正当な価格を設定する。 注: プライベートラベリングジョブを実行すると、1 サンプルにつき 0.08 USD の費用がかかります。料金の詳細については、Amazon SageMaker Ground Truth料金ページをご覧ください。 質の高い説明を作成したら、フルラベリングジョブをパブリックワークフォースに送信します。チェックリストの各ステップを見ていきましょう。 データからサンプルをいくつか選択する データセットを閲覧して、データの多様性を捉えたサンプルを選択します。一般的なサンプルではなく、ラベルを付けたい項目からサンプルを選択すると、ご自身の特定のタスクについてアノテーターの理解が得られやすくなります。 ここでは、さまざまな形や大きさの花が異なる数で写っているイメージを選択します。これらのイメージにある一部の花は、他の花の後ろに隠れたり、フレームの端に触れたりしています。さまざまなケースを選択すると、説明を作成するのに良いサンプルを見つけやすくなります。また、ワーカーから見て難しいタスクについて、洞察や発見を得ることもできます。 Ground Truth でプライベートジョブを実行し、選択したサンプルにラベルを付けます。 前回のブログ投稿では、AWS […]

Read More

Amazon DynamoDB: ゲームのユースケースと設計パターン

  ゲーム会社は、ゲームステート、プレイヤーデータ、セッション履歴、およびリーダーボードなどのゲームプラットフォームのあらゆる部分で Amazon DynamoDB を使用しています。これらの会社が DynamoDB から得る主なメリットは、1 桁ミリ秒で測定される一貫した低レイテンシーを確保しながら、何百万もの同時ユーザーとリクエストに確実にスケールする DynamoDB の能力です。それに加えて、完全マネージド型サービスである DynamoDB には運用上のオーバーヘッドがありません。ゲーム開発者は、データベースの管理ではなく、ゲームの開発に集中することができます。また、単一の AWS リージョンから複数のリージョンへの拡大に関心を持つゲームメーカーは、マルチリージョンでのアクティブ/アクティブ型のデータレプリケーションのために DynamoDB のグローバルテーブルに頼ることができます。 このブログ記事では、DynamoDB を使用するゲーム会社の最も一般的なユースケースと設計パターンについて詳しく説明します。 この記事で使用される用語 この記事では、以下のデータモデリング用語を使用します。 1:1 モデリング: パーティションキーをプライマリキーとして使用する 1 対 1 関係のモデリング。 1:M モデリング: パーティションキーとソートキーをプライマリキーとして使用する 1 対多関係のモデリング。 N:M モデリング: テーブルとグローバルセカンダリインデックスがあり、パーティションキーとソートキーをプライマリキーとして使用する 多対多関係のモデリング。 ゲームのユースケースと設計パターン ユースケース 設計パターン ゲームステート、プレイヤーのデータストア 1:1 モデリング、1:M モデリング プレイヤーのセッション履歴のデータストア 1:1 モデリング、1:M モデリング リーダーボード N:M モデリング ユースケース: ゲームステートとプレイヤーのデータストア プレイヤーのゲームステートとその他のプレイヤーデータを保存するための DynamoDB の使用は、ゲーム会社がミリ秒単位のアクセスレイテンシーを維持しながら、多数の同時プレイヤーに対応することを可能にします。その例として、世界中に […]

Read More

AWS DeepRacer リーグが開発者のさらなる楽しみとワクワクを目指してスタート!

  開発者から機械学習の開発者まで AWS DeepRacer リーグは、スキルレベルを問わず開発者が参加できる世界初の自走型レーシングリーグです。カリフォルニア州サンタクララで先週、開幕しました。2019 年のシーズン最初のチャンピオンに輝いたのは Chris Miller でした。Chris はカリフォルニア州サンタクルズに本拠を置く Cloud Brigade の創業者です。機械学習についてさらに理解を深めるため、AWS Summit を訪れました。 AWS では、スキルレベルを問わず全ての開発者に機械学習を身近なものにし、機械学習の体験を楽しく易しいものにすることに注力しています。サンタクララにおいて、最上位の完走者 3 人は全員オンサイトのワークショップの1つでモデルを構築し、その過程をとても楽しみました。 Chris Miller はウィニングラップタイム 10.43 秒を達成しましたが、今後 re:Invent 2019 で行われる決勝に進み、AWS DeepRacer Championship Cup獲得を目指すことになります。AWS Summit にやってくるまで、Chris には機械学習の経験がありませんでした。 Chris は語ります。「今日ここに来た時点では機械学習は未経験でした。まさにそれを学ぶためにやって来ましたし、そのためのすばらしい手段でした」 カリフォルニア州フレモントから参加した Rahul Shah は 2 位に入りました。Rahul にとって、自身で作成したモデルが好成績を収めたことはうれしい驚きで、AWS DeepRacer はたいへん楽しいものでした。Rahul は機械学習には過去数年間取り組んできましたが、強化学習は今回が初めてでした。 「今回の取り組みは簡単でした。開発者なら誰でもうまくできますよ。DeepRacer は AWS Summit の本当に楽しくてワクワクするイベントです」と、Rahul は語ります。 3 位で完走したのはカリフォルニア州サンマテオの Adrian Sarno […]

Read More

只今準備中 – インドネシアの AWS リージョン

昨年、2 つの新しい AWS リージョンを立ち上げました。米国で 2 つ目となる GovCloud リージョンと、AWS 初となるスウェーデンの北欧リージョン です。また、南アフリカのケープタウン、イタリアのミラノでも新リージョン開設のために準備中であることを発表しました。 未来のジャカルタ 今日は皆さんに嬉しいお知らせです。現在、AWS ではアジアパシフィック (ジャカルタ) リージョンの開設に向けて作業を進めています。この新しいリージョンはジャボデタベック (グレータージャカルタ) を拠点とし、3 つのアベイラビリティーゾーンで構成されます。このリージョンは、インドネシアでワークロードを実行し、データを保存する能力を AWS のお客様とパートナーに提供します。AWS アジアパシフィック (ジャカルタ) リージョンは既存の北京、ムンバイ、寧夏、ソウル、シンガポール、シドニー、東京、そして近日利用開始となる中国 (香港特別自治区) に次いでアジアパシフィック地域で 9 つ目のリージョンとなります。 AWS のお客様はすでに、世界中で 20 のインフラストラクチャリージョンにまたがる 61 のアベイラビリティーゾーンを活用しています。今日の発表は、グローバルリージョン (運用可能なリージョンと準備中のリージョン) の合計数を 25 に引き上げます。 AWS は、インドネシアの新規および既存のお客様にサービスを提供し、アジアパシフィック全体のパートナーと連携することを心待ちにしています。AWS アジアパシフィック (ジャカルタ) リージョンを加えることで、インドネシアのお客様が、分析、人工知能、データベース、IoT、機械学習、モバイルといった各種サービスの先進テクノロジーを活用し、さらにイノベーションを推進できるように支援します。無論、新リージョンはインドネシアでデータの処理や格納をご希望の既存の AWS カスタマーにもご利用いただけます。当社は、AWS Educate、AWS Activate などのプログラムを使用して、デジタルの未来のために、インドネシアの開発者を支援しています。多くのスタートアップやアクセラレーターがそうであるように、数多くの大学やビジネススクールがインドネシアの教育プログラムにすでに参加しています。 ご期待下さい! 今回およびその他の今後の AWS リージョンに関する追加情報は、分かり次第すぐにお知らせしますので、お待ちください! — Jeff;

Read More