Amazon Web Services ブログ

新規オープン – AWS アジアパシフィック (香港) リージョン

香港に AWS リージョンがオープンし、今すぐご利用を開始していただけるようになりました。このリージョンの正式名はアジアパシフィック (香港) で、API 名は ap-east-1 です。AWS アジアパシフィック (香港) リージョンは、北京、ムンバイ、寧夏、ソウル、シンガポール、シドニー、および東京に続く、アジアパシフィックおよび中国本土内 8 番目のアクティブ AWS リージョンです。このローンチに伴い、AWS は世界各国 21 の地理的地域における 64 のアベイラビリティーゾーンに広がりました。また、12 の追加アベイラビリティーゾーンと、バーレーン、ケープタウン、ジャカルタ、およびミラノの 4 つの追加 AWS リージョンの計画も発表されました。 インスタンスとサービス この 3-AZ リージョンで実行されるアプリケーションは、C5、C5d、D2、I3、M5、M5d、R5、R5d、および T3 インスタンスを使用でき、Amazon API Gateway、Application Auto Scaling、AWS Certificate Manager (ACM)、AWS Artifact、AWS CloudFormation、Amazon CloudFront、AWS CloudTrail、Amazon CloudWatch、CloudWatch Events、Amazon CloudWatch Logs、AWS CodeDeploy、AWS Config、AWS Config ルール、AWS Database Migration Service、AWS Direct Connect、Amazon […]

Read More

Alkymi が、AWS を活用して自動化されたデータ入力とドキュメントインサイトでドキュメントの煩雑さを解消

現代の高度にデジタル化された職場であっても、ドキュメントは多くの場合、金融サービスを含めて、企業のワークフローで手作業によって処理されています。 Bloomberg および x.ai からのチームによって設立された Alkymi は、こうした面倒で間違いが発生しやすい作業を合理化する自動化を推進しています。Amazon SageMaker でホストされている深層学習モデルを使用して、Alkymi は非構造化データのパターンと関係を特定し、ドキュメントを実行可能なデータに統合します。  これにより、企業は自動化に対する頑固な障壁を取り除くことで、プロセスにおいて数十億ドルを節約できる可能性があります。 Alkymi は、AWS を主な AI/ML プラットフォームとして利用しています。Alkymi の CEO である Harald Collet 氏は「当社では、AI を適用して人間の理解力を必要とするドキュメントに関するタスクを自動化しています。AWS を使用することで、金融サービスの顧客が必要とするセキュリティとスケーラビリティを備えた新しい機能を迅速に開始することができます」と述べています。  Alkymi がドキュメント、E メール、画像を取り込むと、プラットフォームはさまざまな AWS のサービスを使用してデータ抽出およびデータ入力タスクを自動化します。  「AWS によって、プラットフォームを拡張し、あらゆる規模の顧客に対応することができます。Amazon SageMaker は、モデルを実稼働に向けてトレーニングおよびデプロイする方法をデータサイエンティストに提供することによって、当社の開発プロセスを改善しました」と、Alkymi の CTO である Steven She 氏は言います。 Alkymi のデータパイプラインは、Amazon Elastic Container Service (ECS) でホストされている REST API を介して、または Amazon Simple Email Service (SES) によって受信した E […]

Read More

AWS DeepRacer League Virtual Circuit がオープンしました &#8211 – 自分のモデルのトレーニングを今すぐ始めましょう!

 AWS DeepRacer は、相当量のオンボードハードウェアおよびソフトウェアを搭載した 1/18 スケールの 4 輪駆動車です。re:Invent 2018 から始めて AWS Global Summit を続けると、DeepRacer を実際に体験することができます。これらのイベントでは、強化学習を使ってモデルをトレーニングしてから、それをトラックの周りで競争させることができます。各サミットで最速のレーサーとそのラップタイムは、リーダーボードに示されます。 新しい DeepRacer League Virtual Circuit 本日、AWS DeepRacer League Virtual Circuit を発売します。強化学習モデルをオンラインで構築、トレーニング、および評価し、素晴らしい賞品を獲得するためにオンラインで競争できます。これらはすべて DeepRacer コンソールから快適に行うことができます。 世界中の有名なレーストラックからインスピレーションを得て、新しいトラックを毎月追加します。そのため自分のモデルを洗練し、スキルセットを広げることができます。毎月リーダーボードのトップレーサーは AWS re:Invent 2019 への費用支払いパッケージを獲得し、ノックアウト方式で行われる DeepRacer リーグに参加して、チャンピオンカップへの出場権を獲得するチャンスがあります! 新しい DeepRacer コンソール 現在 DeepRacer コンソールは米国東部 (バージニア北部) リージョンで利用できます。これを使用して、強化学習の実践的な経験を実際に積みながら、DeepRacer モデルを構築およびトレーニングし、仮想サーキットで競争することができます。実践的な DeepRacer のワークショップで使用されている DeepRacer Lab の手順に従って、コンソールを開いて [はじめに] をクリックするところから始めます。 コンソールからモデルトレーニングプロセスの概要の説明があった後、モデルのトレーニングと評価に必要な AWS リソースの作成を求められます。情報を確認して、[リソースの作成] をクリックして先に進みます。 […]

Read More

新規 – Amazon Managed Blockchain – スケーラブルなブロックチェーンネットワークの作成および管理

信頼は素晴らしいものであり、ほとんどすべてのビジネスおよび個人的な関係や取引の基礎です。場合によって、信頼は長期間にわたって構築され、取引が成功するたびに強化され、関係の不可欠な部分と見なされます。他の状況では、信頼を蓄積する時間がないため、代わりに他のメカニズムを使用する必要があります。当事者は、信頼がない場合に取引を正常に完了する方法を見つけなければなりません。現在、Hyperledger Fabric や Ethereum などの新興のブロックチェーン技術がこの重要なニーズを満たし、当事者が提案された取引の有効性に関して合意に達し、信頼が存在しない場合に各取引の改変不可能なデジタル記録 (一般に元帳と呼ばれる) を作成することを可能にします。 Amazon Managed Blockchain AWS re:Invent 2018 で Amazon Managed Blockchain を発表し、プレビューへのサインアップをご案内しました。プレビューが完了し、Amazon Managed Blockchain が米国東部 (バージニア北部) リージョンで本稼働用に利用できるようになったことをお知らせいたします。Hyperledger Fabric オープンソースフレームワークを使用したスケーラブルなブロックチェーンネットワークを作成するために使用することができます。Ethereum については準備中です。すぐにわかるように、ほんの数分でネットワークを構築できます。一度作成すると、ブロックチェーンネットワークを簡単に管理および維持することができます。証明書を管理し、新しいメンバーを招待し、トランザクションをより迅速に処理するためにピアノードのキャパシティをスケールアウトすることができます。 Amazon Managed Blockchain で作成したブロックチェーンネットワークは複数の AWS アカウントにまたがることができるため、中央機関なしでメンバーのグループがトランザクションを実行してデータを共有することができます。新しいメンバーは、トランザクション要求を処理して台帳のコピーを保存するピアノードを簡単に起動および設定することができます。 Amazon Managed Blockchain の使用 AWS マネジメントコンソール、AWS コマンドラインインターフェイス (CLI) (aws managedblockchain create-network)、または API (CreateNetwork) から、独自のスケーラブルブロックチェーンネットワークを作成することができます。開始するには、Amazon Managed Blockchain コンソールを開き、[Create a network] をクリックします。 ネットワークのエディション (スターターまたは標準) を選択する必要があります。スターターエディションは、テストネットワークおよび小規模の本稼働ネットワーク用に設計されており、ネットワークあたり最大 […]

Read More

AWS Transit Gateway と Direct Connect を使用して、ネットワーク接続を一元化し合理化する

昨年、私は Use an AWS Transit Gateway to Simplify Your Network Architecture というブログ記事を書きました。その時、以下のように書きました: VPC 、Active Directory 、共有サービス、およびその他のリソースが複数の AWS アカウントにまたがっている場合であっても、既存の VPC 、データセンター、リモートオフィス、リモートゲートウェイをマネージドトランジットゲートウェイ に接続し、ネットワークのルーティングとセキュリティを完全に制御することが可能です。ネットワークアーキテクチャ全体を簡素化し、運営のオーバーヘッドを削減し、そしてセキュリティを含む外部接続の重要な側面を集中管理する能力を得ることができます。最後に重要な事として、トランジットゲートウェイを使用して既存のエッジ接続を統合し、単一の入口または出口のポイントで転送することが可能です。 その記事の中で、私は AWS Direct Connect のサポートも約束しました。そして、このサポートが米国東部 (バージニア北部)、米国東部 (オハイオ)、米国西部 (北カリフォルニア)、米国西部 (オレゴン) の各リージョンで利用できるようになったことをお知らせいたします。AWS クラウドで実行しているアプリケーションは、Direct Connect 接続ごとに最大 10 Gbps の速度で相互に、またオンプレミスアプリケーションとも通信できるようになりました。設定は数分で可能であり (既に 1 Gbps 以上で動作している専用接続またはホスト接続があると想定)、すぐに使い始めることができます。 まとめると、今日のローンチから多くの重要な利点が得られます。 単純化 – 複数の VPC、リージョン、AWS アカウントにまたがるハブアンドスポークモデルを作成することで、ネットワークアーキテクチャとネットワーク管理のオーバーヘッドを単純化できます。このルートを利用すると、使用する AWS VPN 接続の数を減らすことができます。 統合 – 専用接続またはホスト接続の数を減らし、コストを削減し、プロセスの複雑さを回避することができます。すべての接続が同じ BGP セッションを流れるように接続を統合することができます。 […]

Read More

Amazon SageMaker Object2Vec が、自動ネガティブサンプリングをサポートし、トレーニングをスピードアップする新機能を追加

本日は、Amazon SageMaker Object2Vec の 4 つの新機能を紹介いたします。ネガティブサンプリング、スパース勾配更新、重み共有、比較演算子のカスタマイズです。Amazon SageMaker Object2Vec は、汎用のニューラル埋め込みアルゴリズムです。Object2Vec についてまだ良く知らない場合は、ブログ記事 Amazon SageMaker Object2Vec の概要を参照してください。この記事は、この新機能 (Object2Vec を使用して、ドキュメント埋め込みを学習する) の一部として追加された 4 つのノートブックの例へのリンクを使用して、アルゴリズムの概要を説明します。また、技術的な詳細を提供するドキュメンテーションページ Object2Vec アルゴリズムへのリンクも提供します。これらの新機能には、Amazon SageMaker コンソールからアルゴリズムのハイパーパラメータとして、そして高レベルの Amazon SageMaker Python API を使用して、アクセスすることができます。 このブログ記事では、以下の新機能のそれぞれについて説明し、それがどのように顧客の問題点をターゲットにしているかを示します。 ネガティブサンプリング: 以前は、ポジティブにラベル付けされたデータだけが使用可能であるユースケース (この記事の後半で説明しているドキュメント埋め込みのユースケースなど) では、データ前処理の一部として手動でネガティブサンプリングを実装する必要がありました。新しいネガティブサンプリング機能により、Object2Vec は観測される可能性が低いデータを自動的にサンプリングし、トレーニング中にこのデータをネガティブとラベル付けします。 スパース勾配更新: 以前は、アルゴリズムのトレーニング速度はマルチ GPU に対応して拡張することができず、入力語彙サイズが大きくなるにつれて遅くなりました。これは、デフォルトでは、勾配のほとんどの行がゼロ値であっても MXNet オプティマイザがフル勾配を計算するためです。そのため、不要な計算が行われるだけでなく、マルチ GPU 設定での通信コストも増加します。スパース勾配更新を使用する Object2Vec は、パフォーマンスを低下させることなくシングル GPU トレーニングを高速化します。さらに、トレーニング速度はマルチ GPU でさらに向上させることができ、現在は語彙サイズとも無関係になっています。 重み共有: Object2Vec には、2 つの入力ソースからのデータをエンコードするために、それぞれ独自のトークン埋め込みレイヤーを持つ 2 つのエンコーダーがあります。両方のソースが同じトークンレベルのユニットの上に構築されているユースケースでは、トークン埋め込みレイヤーを共同でトレーニングすることは一般的なやり方です (深層学習コミュニティでは、重み共有と呼んでいます)。新しい重み共有機能により、このオプションが提供されます。 […]

Read More

最新情報 – Amazon S3 バッチオペレーション

AWS のお客様は、S3 の規模、耐久性、低コスト、セキュリティ、およびストレージのオプションを利用して、個々の Amazon Simple Storage Service (S3) バケットに何十億にも及ぶオブジェクトを定期的に保存しています。お客様は、イメージ、ビデオ、ログファイル、バックアップ、およびその他のミッションクリティカルなデータを保存し、データストレージ戦略の重要な部分として S3 を使用しています。 バッチオペレーション 今回は、Amazon S3 バッチオペレーションについて説明したいと考えています。この新機能を使用すると、数百、数百万、または数十億の S3 オブジェクトを簡単かつ直接的に処理することができます。オブジェクトを別のバケットにコピーしたり、タグを設定したり、アクセスコントロールリスト (ACL) を設定したり、Glacier から復元を開始したり、それぞれに対して AWS Lambda 関数を呼び出したりすることができます。 この機能は、インベントリレポート (詳細については、S3 ストレージ管理の更新記事を読んでください) に対する S3 の既存のサポートに基づいており、レポートまたは CSV ファイルを使用してバッチオペレーションを推進できます。コードを記述したり、サーバーフリートを設定したり、作業を分割してフリートに配信する方法を考えたりする必要はありません。代わりに、数回のクリックでジョブを数分で作成し、S3 がひそかに大規模な並列処理を行うことができます。S3 コンソール、S3 CLI、または S3 API を使用して、バッチジョブを作成、モニタリング、および管理できます。 簡単な語彙レッスン バッチジョブを開始して作成する前に、いくつかの重要な用語を確認して紹介します。 バケット – S3 バケットは、オプションの各オブジェクトのバージョニングを使用して、任意の数の S3 オブジェクトのコレクションを保持します。 インベントリレポート – 毎日または毎週のバケットインベントリが実行されるたびに S3 インベントリレポートが生成されます。レポートは、バケット内のすべてのオブジェクトを含めるように、またはプレフィックスで区切られたサブセットに焦点を合わせるように設定できます。 マニフェスト – バッチジョブで処理されるオブジェクトを識別するリスト (インベントリレポート、または CSV […]

Read More

今すぐ利用可能 – AWS上でSAP S/4HANAを迅速に展開するためのクイックスタート

Amazon Web Services (AWS)でSAPソリューションアーキテクトを務めるKuang-Shih Howard Leeによる記事です。 今日のビジネスの世界では、スピードがすべてです。企業は、複雑なテクノロジーや展開モデルに対応しながら、一歩先へ行くためにペースを上げてIT資産を変革する必要があります。Amazon Web Services (AWS)では、お客様が時間とリソースを節約できるよう、クラウドへのSAPソフトウェアの導入を簡素化し、そして迅速に追従することに取り組んでいます。手動だと完了まで数日から数週間はかかっていた導入作業に対し、SAP S/4HANAワークロードをAWSクラウド上に3時間以内で展開できる新しいSAP S/4HANA用のAWSクイックスタートを発表できたことを嬉しく思います。 SAP S/4HANAは、コアのエンタープライズビジネス機能をサポートするSAP社の最新世代のエンタープライズリソースプランニング (ERP)ソフトウェアパッケージで、SAP HANAインメモリデータベースに最適化されています。最近リリースしたAmazon EC2 High Memory インスタンスにより、現在SAPを利用しているお客様は、非常に大規模なSAP S/4HANAの展開のためにSAP HANAデータベースをスケールアップ (最大12TBメモリ)、あるいはスケールアウト (最大48TBメモリ)することができます。詳細については、AWSのWebサイトのSAP S/4HANA on AWSを参照してください。

Read More

[AWS Black Belt Online Seminar] Amazon Aurora MySQL 資料及び QA 公開

先日 (2019/4/24) 開催しました AWS Black Belt Online Seminar「Amazon Aurora MySQL」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。 20190424 AWS Black Belt Online Seminar Amazon Aurora MySQL from Amazon Web Services Japan 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. Auroraでbinlogのユースケースは、どの様なことがありますか?(※今日のウェビナーを聞いて、リストアで使う必要性はないと感じたものです) A. Amazon Auroraでは標準ではバイナリログを利用しないレプリケーションやクラッシュリカバリを採用しているため、有効にするケースは少ないと考えております。利用用途としてはAmazon Auroraに移行する際に切り戻し用途で利用されるケースがございます。バイナリログが有効な状態ですとフェイルオーバーやクラッシュリカバリの時間が無効の状態よりも長くなる可能性があるため、有効にされる際は事前の検証を推薦しております。 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

集合知と Amazon SageMaker Ground Truth を併用したアノテーション精度の向上

Amazon SageMaker Ground Truthは、Machine Learning (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、データにラベルを生成することができます。 パブリックワークフォースは大規模で経済的ですが、多様なワーカーと同様で、ミスも生まれやすくなります。このような低品質のアノテーションから高品質のラベルを作成する 1 つの方法は、同じ項目の異なるワーカーからの応答を 1 つのラベルに体系的に結合することです。Amazon SageMaker Ground Truth には、この集計を実行する組み込みのアノテーション統合アルゴリズムが含まれているため、ラベリング作業の結果として精度の高いラベルを取得できます。 このブログ記事では、分類を行う場合 (例: “owl”、“falcon”、“parrot” などの画像にラベル付けする) に焦点を当て、単一の回答と多数決の 2 つの競合するベースラインアプローチに対するメリットを示します。 背景 ラベル付きデータセットを生成する最も簡単な方法は、各画像をシングルワーカーに送信することです。ただし、各画像がシングルワーカーによってのみラベル付けされているデータセットでは、品質が低下する可能性が高くなります。スキルの低さや無関心などの要因によって、低品質のラベルを提供するワーカーからエラーが入り込むことがあります。回答を複数のワーカーから引き出し、一定の原則に沿って集計すれば、品質を向上させることができます。複数のアノテーターの回答を簡単に集計するには、多数決 (MV) を使用します。多数決では、最も多くの票を獲得したラベルを単純に出力し、任意の結びつきをランダムに解消します。そのため、3 人のワーカーがそれぞれ、“owl”、“owl”、“falcon” と画像にラベル付けした場合、MV は最終ラベルとして、“owl” を出力します。また、3 人のワーカーのうち 2 人から “owl” という回答が得られたため、この出力に 0.67(= 2/3)の信頼度を割り当てることもできます。 単純で直感的なことですが、原則として MV は ワーカーのスキルが異なると、多くのマークを見逃します。たとえば、最初の 2 人のワーカー (両方とも “owl” というラベルを指定している) は 60% の確率で正しい傾向があり、最後のワーカー (“falcon” […]

Read More