Amazon Web Services ブログ
re:Invent 2019 でのAIと機械学習の案内
re:Invent 2019 まで残り 40 日を切り、興奮が高まるなか、皆様にお会いできることを楽しみにしています。 人工知能と機械学習へのジャーニーを続ける中で、今年は 200 を超える分科会、詳細なチョークトーク、Amazon SageMaker、AWS DeepRacer、ならびに TensorFlow、PyTorch などの深層学習フレームワークをテーマとするワークショップでの実践演習を含めて豊富な技術コンテンツを提供いたします 。Vanguard、BBC、Autodesk、British Airways、Fannie Mae、Thermo Fisher、Intuit など、多数のお客様の声を聞くことができます。また、今年も機械学習サミットを開催します。研究者や起業家から、現時点で最新のブレークスルーと将来の可能性について聞くことができます。
計画を開始するために、re:Invent 2019 セッションカタログから AI および ML セッションのハイライトをいくつかご紹介します。座席の予約も始まっているので、お気に入りのセッションの席を事前に確保してください。
はじめに
AI や ML を初めて使用する場合は、こうした概念を学んで始めるためのセッションがいくつかあります。これらのセッションでは、Amazon SageMaker の概要とデモ、多くのアプリケーション向けのさまざまな AI サービス、人気がある AWS DeepLens や AWS DeepRacer など、楽しみながら学習するのに役立つ基本を取り上げます。
リーダーシップセッション: 機械学習 (セッション AIM218-L)
機械学習の黄金時代に乗り出すと、制約や妨げがなくなり、価値はさまざまな業界に広がります。このリーダーシップセッションでは、誰もが機械学習を利用できる道を模索しながら、AWS の最新の機械学習製品について学びます。当社の機械学習サービスの幅と深さについて説明します。この過程で AWS と提携しているお客様の声をお聞きください。
Amazon SageMaker の詳しい説明: A modular solution for machine learning (機械学習のためのモジュール型ソリューション) (セッション AIM307)
Amazon SageMaker は、すべての開発者やデータサイエンティストが機械学習ワークフローのあらゆる側面を利用できるようにする完全マネージド型のサービスです。このセッションでは、実験から大規模な本稼働まであらゆる ML モデルを作成するための機械学習の過程に役立つ Amazon SageMaker の技術的な詳細について説明します。また、現実のお客様の例を通して実際のデプロイについても説明します。
Starting the enterprise machine learning journey (エンタープライズ機械学習のジャーニーの開始) (セッション AIM205)
Amazon は 20 年以上にわたって機械学習に投資しており、フルフィルメントやロジスティクス、パーソナライゼーションやリコメンデーション、予測、不正防止、サプライチェーンの最適化などの分野で革新を続けています。このセッションでは、こうした専門知識を活用し、機械学習で解決できるビジネス上の問題を特定する方法を示します。機械学習パイロットのための適切なユースケースの選択、スキルの育成、パイロットの成功の測定などの検討事項についても説明します。
Finding a needle in a haystack (干し草の山で針を見つける): Use AI to transform content management (AI を使用してコンテンツ管理を変革する)(セッション AIM206)
ドキュメントからメディアまで、デジタルコンテンツを見つけるのはイライラさせられ、時間がかかる場合があります。従業員であれ顧客全体であれ、この課題は時間を浪費させ、プロジェクトを脱線させ、劣悪な体験となります。この分科会では、ドキュメントをより効果的に管理し、必要なものを見つける方法に焦点を当てながら、言語および視覚の AI サービスを使用して、すべてのデジタルコンテンツからデータ、洞察、傾向を抽出する方法を学びます。
Get started with AWS DeepRacer (AWS DeepRacer を使い始める) (ワークショップ AIM207)
キーボードを操作して、AWS DeepRacer に夢中になってみましょう。機械学習の経験がない開発者は、新しいスキルを習得し、その知識を楽しく刺激的な方法で適用できます。AWS のピットクルーのサポートを受けて、AWS DeepRacer の多数のワークショップのいずれかに参加し、トラックでレースをし、特別な AWS の賞品を獲得できる強化学習モデルを構築してトレーニングしてみましょう。このワークショップの高度なバージョンについては、「機械学習の高度なトピック」セクションを参照してください。
Start using computer vision with AWS DeepLens (AWS DeepLens でコンピュータービジョンの使用を開始する) (ワークショップ AIM229)
深層学習が初めての方は、このワークショップが最適です。AWS DeepLens 深層学習対応ビデオカメラを使用してコンピュータビジョンモデルを構築、デプロイする方法を学びます。また、Amazon SageMaker を使用して、機械学習アプリケーションとモデルをゼロから構築する方法も学びます。最後に、そのモデルを Amazon SageMaker に拡張して、エンドツーエンドの AI アプリケーションを構築する方法を学びます。このワークショップの高度なバージョンについては、「機械学習の高度なトピック」セクションを参照してください。
Improve machine learning model quality in response to changes in data (データの変化に応じて機械学習モデルの品質を改善する) (セッション AIM213)
機械学習モデルは通常、履歴データを使用してトレーニングおよび評価されます。ただし、現実のデータは、特にモデルが経年劣化し、データの分布が変化するにつれて、トレーニングデータのように見えない場合があります。この現実世界からのモデルの緩やかな分散は、モデルドリフトと呼ばれ、予測品質に大きな影響を与える可能性があります。このセッションでは、本番環境での予測品質を監視するために使用できる技法、および監査や反復的な再トレーニングなどの効果的な修正アクションについて説明します。
機械学習の実用的なアプリケーション
機械学習の最大の価値は、さまざまな業界に適用できることです。以下のセッション、チョークトーク、ワークショップでは、金融、ヘルスケア、小売、メディアとエンターテイメント、製造などを含む特定の業界向けの機械学習の実用的な側面について深く掘り下げます。
Transforming Healthcare with AI (AI によるヘルスケアの変革)(セッション AIM210)
AI の進歩により、患者のケアの改善、治療の決定、臨床試験の管理などがすべて新しい時代に移行しています。このセッションでは、患者の記録や臨床試験レポートから関連する医療情報を抽出することから、自動音声認識による臨床文書化プロセスの自動化まで、ヘルスケア業界に固有の AI ソリューションについて説明します。お客様の声を直接聞いて、すぐに始める方法に関するヒントを入手しましょう。
ML in retail (小売業における ML): Solutions that add intelligence to your business (ビジネスにインテリジェンスを付加するソリューション)(セッション AIM212)
機械学習は、最高経験責任者 (CXO) によって小売市場セグメントでナンバーワンの「ゲームチェンジャー」にランクされていますが、支出の最優先事項では 8 位に過ぎません。それでは、どのシナリオが本当なのでしょうか? このセッションでは、機械学習につていの深い経験を必要とせずに、AWS がどのようにして機械学習をあらゆる開発者の手に委ねるかについて詳しく説明します。パーソナライズされた製品のリコメンデーション、在庫予測、新しい店内体験などについて学びます。Amazon.com での経験から学び、最新のお客様の声をお聞きください。
AI document processing for business automation (ビジネス自動化のための AI ドキュメント処理)(セッション AIM211)
1 日に数百万回、金融、ヘルスケア、公共、およびその他のセクターのお客様は、ドキュメントに記載されている情報を活用しています。Amazon Textract は、人工知能を使用して、人と同じようにドキュメントを「読み取り」、設定、トレーニング、カスタムコードなしで、テキストだけでなく、テーブル、フォーム、その他の構造化データも抽出します。このセッションでは、Amazon Textract を使用して AI によってビジネスプロセスを自動化する方法を示します。また、お客様が Amazon Textract を使用して独自のビジネスプロセスをどのように効率化したかについても直接お聞きします。
Predict future business outcomes using Amazon Forecast (Amazon Forecast を使用して将来のビジネス成果を予測する)(セッション AIM312)
Amazon.com で使用されているのと同じテクノロジーに基づいて、Amazon Forecast は機械学習と時系列データを使用して、正確なビジネス予測を行います。このセッションでは、機械学習が需要予測、財務計画、リソース割り当ての精度を向上させ、予測時間を数か月から数時間に短縮する方法を学びます。
Build accurate training datasets with Amazon SageMaker Ground Truth (Amazon SageMaker Ground Truth を使用して正確なトレーニングデータセットを構築する)(セッション AIM308)
優れた機械学習モデルは、高品質のトレーニングデータセットに基づいています。通常、データラベル付けのタスクは多数の人間に分散されるため、かなりのオーバーヘッドとコストがかかります。このセッションでは、ラベル付けの精度を向上させ、人間の労力を削減するように設計された手法を使用して、Amazon SageMaker Ground Truth がコストと複雑さを削減する方法について説明します。高精度のトレーニングデータセットを構築するためのベストプラクティスを順を追って説明し、Amazon SageMaker Ground Truth を使用してそれらを実装する方法を検討します。
Build predictive maintenance systems with Amazon SageMaker (Amazon SageMaker を使用して予知保全システムを構築する) (チョークトーク AIM328)
幅広い業界で、お客様は予知保全モデルを使用して、生産に影響が出る前に予防的に問題を修正し始めています。その結果、サプライチェーンが最適化され、労働条件が改善されます。このセッションでは、機器から得られるデータを使用して予測モデルを構築、トレーニング、デプロイする方法を学びます。ターボファンの劣化シミュレーションに関するデータセットを使用してモデルをトレーニングし、潜在的な機器の故障を認識して詳細を共有するためのアーキテクチャについて詳しく説明します。
Build a fraud detection system with Amazon SageMaker (Amazon SageMaker を使用して不正検出システムを構築する) (ワークショップ AIM359)
このワークショップでは、新しい AWS 不正検出ソリューションについて説明します。不正検出の機械学習モデルを構築、トレーニング、デプロイする方法を紹介します。不正検出モデルは、不正パターンを認識し、新しい未知の不正パターンに適応できるようにする自己学習型です。自動トランザクション処理の実行方法と、不正検出ソリューションが確認のためにそのアクティビティにフラグを立てる方法を説明します。
Delight your customers with ML-based personalized recommendations (ML ベースのパーソナライズされたリコメンデーションでお客様を喜ばせる) (セッション AIM323)
リコメンデーションエンジンは、ターゲットを絞ったマーケティングキャンペーン、アイテムの再ランク付け、パーソナライズされた通知、パーソナライズされた検索を可能にします。このセッションでは、Amazon Personalize を使用してパーソナライズされたリコメンデーションを効率的に作成および管理し、ビジネスのデータの真の価値に集中できるようにする方法について詳しく説明します。エンゲージメント、クリックスルー、満足度、収益を増やすことにより、こうした深層学習の技術がビジネスの収益に直接影響することを確認します。お客様の事例から学び、いくつかのライブデモを掘り下げます。
Accelerate time-series forecasting with Amazon Forecast (Amazon Forecast で時系列予測を高速化する)(ワークショップ AIM335)
Amazon.com で使用されているのと同じテクノロジーに基づいて、Amazon Forecast は機械学習を使用して時系列データを追加の変数と組み合わせて、最大 50% より正確な予測を行います。このワークショップでは、データセットを準備し、そのデータセットに基づいてモデルを構築し、実際の観測に基づいてモデルのパフォーマンスを評価し、予測の価値を別の予測と比較する方法を学びます。ビジネスの収益に影響を与える判断を下すためのスキルを身に付けます。
Build a content-recommendation engine with Amazon Personalize (Amazon Personalize でコンテンツリコメンデーションエンジンを構築する) (ワークショップ AIM304)
機械学習は、パーソナライズされた製品とコンテンツのリコメンデーションを強化することにより、顧客エンゲージメントを向上させるためにますます活用されています。Amazon Personalize を使用すると、Amazon.com で長年使用してきた機械学習テクノロジーを使用して、高度なパーソナライズ機能をアプリケーションに簡単に組み込むことができます。このワークショップでは、トレーニングデータを提供し、選択したアルゴリズムに基づいてモデルを構築し、Amazon Personalize キャンペーンをデプロイしてモデルをテストし、それを独自のアプリケーションに統合することにより、独自のリコメンデーションエンジンを構築します。
機械学習の高度なトピック
TensorFlow、PyTorch、Apache MXNet などの深層学習フレームワークだけでなく、サービスポートフォリオ全体にわたって機械学習の技術的な詳細を掘り下げるセッションも多数あります。こうしたコードレベルのセッションや実践的なワークショップによって、上級の開発者やデータサイエンティストは、奥深い技術ソリューションを使用して多くの課題をカスタマイズ、統合、解決できます。
Deep learning with TensorFlow (TensorFlow を使用した深層学習) (セッション AIM410、ワークショップ AIM401)
TensorFlow は、機械学習の開発で使用される最も定評あるオープンソースの深層学習フレームワークです。高度な分科会では、分散トレーニング、費用対効果の高い推論、ワークフロー管理など、Amazon SageMaker を使用した TensorFlow による機械学習モデルのトレーニングについて詳しく説明します。コードレベルのワークショップには、TensorFlow モデルのトレーニングとデプロイ、Amazon SageMaker を使用した自動モデルチューニングの適用、および本番稼働環境で予測を行う実践演習が含まれます。
Deep learning with PyTorch (PyTorch を使用した深層学習) (セッション AIM412、ワークショップ AIM402)
PyTorch は、研究用プロトタイピングから本番稼働環境へのシームレスな移行に使用される深層学習フレームワークとして、業界で急速に人気を集めています。分科会では、BERT モデルの使用やきめ細かいコンピュータービジョン用のインスタンスセグメンテーションなど、複数のユースケースで Amazon SageMaker を使用して、PyTorch によって深層学習モデルを開発する方法を学びます。ワークショップでは、テキストを分析するための自然言語処理モデルを構築します。
Deep learning with Apache MXNet (Apache MXNet を使用した深層学習) (セッション AIM411、ワークショップ AIM403)
Apache MXNet は、コンピュータービジョン、音声認識、自然言語処理 (NLP) などの多様なアプリケーションで広く使用されている深層学習フレームワークです。分科会では、MXNet を使用してコンピュータービジョンや NLP のモデルを構築し、ドキュメントから情報を自動的に抽出する方法について説明します。ワークショップでは、MXNet を使用してコンピュータービジョンモデルを構築し、モデルを高精度でトレーニングし、最終的に Amazon SageMakerを 使用して本番稼働にデプロイします。
Deep dive on Project Jupyter (Project Jupyter の詳細) (セッション AIM413)
Amazon SageMaker は、クラウドで使用できるフルマネージド型の Jupyter ノートブックを提供しているため、データを探索して視覚化し、機械学習モデルを開発できます。このセッションでは、Jupyter ノートブックを選んだ理由と、AWS が Project Jupyter に貢献している方法と理由を説明します。Jupyter の全体的な戦略を深く掘り下げ、データサイエンス、分析、シミュレーションなど、Jupyter のさまざまなユースケースを説明します。
Under the hood of AWS DeepRacer (AWS DeepRacer の内部): Advanced RL driving course (上級 RL 運転コース) (ワークショップ AIM428)
この技術的な探求は、AWS DeepRacer と Amazon SageMaker RL を使用して、より複雑な強化学習の概念を学ぼうとしている上級の機械学習開発者に適しています。AWS のデータサイエンティストが、ニューラルネットワークアーキテクチャの革新を必要とするモデルの構築、アルゴリズムの拡張、パフォーマンスのための AWS DeepRacer モデルのカスタマイズを支援します。また、AWS DeepRacer のレーシングカーを動かす内部のテクノロジーについても詳しく説明します。
Optimize deep learning models for edge deployments with AWS DeepLens (AWS DeepLens を使用したエッジデプロイメント向け深層学習モデルの最適化) (ワークショップ AIM405)
このワークショップでは、AWS DeepLens と Amazon SageMaker Neo を使用したエッジデプロイメント向けにコンピュータービジョンパイプラインを最適化する方法を学びます。また、Amazon SageMaker を使用してサンプルオブジェクト検出モデルを構築し、AWS DeepLens にデプロイする方法も学びます。最後に、深層学習モデルとコードを最適化して、速度が重要なユースケースのパフォーマンスを高速化する方法を学びます。
Take an ML model from idea to production using Amazon SageMaker (Amazon SageMaker を使用して、アイデアから生産まで ML モデルを作成する) (ワークショップ AIM427)
Amazon SageMaker を使用して、可能な限り最も正確なテキスト分類モデルを構築しましょう。このサービスを使用すると、組み込みアルゴリズムまたはカスタムアルゴリズムを使用して ML モデルを構築、トレーニング、デプロイすることができます。このワークショップでは、Keras/TensorFlow 深層学習フレームワークを活用して、Amazon SageMaker のカスタムアルゴリズムによってテキスト分類ソリューションを構築する方法を学びます。カスタムトレーニングコードを Docker コンテナにパッケージ化し、ローカルでテストしてから、Amazon SageMaker を使用して深層学習モデルをトレーニングします。次に、モデルを繰り返し改善して、高い精度を達成します。最後に、アプリケーションが分類サービスを活用できるように、本番稼働環境でモデルをデプロイします。
Implement ML workflows with Kubernetes and Amazon SageMaker (Kubernetes と Amazon SageMaker を使用して ML ワークフローを実装する) (セッション AIM326)
最近まで、データサイエンティストは、CPU と GPU のフレームワーク、ランタイム、ドライバーの連携を確保するなど、運用タスクの実行に多くの時間を費やしてきました。さらに、データサイエンティストは、エンドツーエンドの機械学習 (ML) パイプラインを設計および構築して、本番稼働環境で ML モデルをデプロイするための複雑な ML ワークフローを調整する必要がありました。Amazon SageMaker を使用することで、データサイエンティストは、組織がエンドツーエンドの ML パイプラインを簡単に構築および自動化できるようにしつつ、可能な限り最適なモデルを作成することに集中できます。このセッションでは、Amazon SageMaker とコンテナテクノロジーについて詳しく説明し、モデルのトレーニングやデプロイなどのタスクを Kubernetes や Kubeflow ベースの ML パイプラインに統合することがいかに簡単であるかを説明します。
Security for ML environments with Amazon SageMaker (Amazon SageMaker を使用した ML 環境のセキュリティ) (セッション AIM327)
Amazon SageMaker は、開発者やデータサイエンティストがあらゆる規模の機械学習モデルを迅速かつ簡単に構築、トレーニング、デプロイできるようにするモジュール型で完全マネージド型のプラットフォームです。このセッションでは、ノートブック、トレーニング、エンドポイントのホスティングなど、Amazon SageMaker コンポーネントのセキュリティ設定について詳しく説明します。Vanguard が加わり、同社による Amazon SageMaker の使用と、きめ細かなアクセスコントロール、転送中のエンドツーエンド暗号化、リソースおよびデータアクセスの包括的な監査証跡など、高度に規制された環境でのキー制御の実装について説明します。安全な ML 環境の構築を望んでおられるなら、このセッションは最適です。
機械学習サミット
データサイエンティスト、機械学習の実践者、ビジネスプロフェッショナルのいずれであっても、今年の re:Invent での機械学習サミットをお楽しみいただけます。これは、機械学習の進歩と新しいトレンドを紹介します。災害管理から小児科まで、フェイクニュースとの戦いから屋内農業まで、専門家の知識や展望を共有することができます。
セッションの一部は以下のとおりです。
災害管理と対応のための深層学習
Cornelia Caragea 准教授、サイエンスおよびエンジニアリング学科、
コンピューターサイエンス学部、イリノイ大学シカゴ校
機械学習でフェイクニュースやディープフェイクと戦う
Delip Rao 氏、研究担当副社長、AI Foundation
ディープネットでの深層学習: 世界の養魚家をサポートする
Bryton Shang 氏、創業者兼 CEO、Aquabyte
小さな患者のためのビッグデータ: ML を小児科に適用する
Judith Dexheimer 博士、准教授、シンシナティ大学小児科
シンシナティ小児科病院医療センター
機械学習と社会: バイアス、公平性、説明可能性
Pietro Perona、Amazon フェロー、AWS
種から店舗へ: AI を使って将来の屋内農場を最適化する
Henry Sztul 科学技術担当上級副社長、Bowery Farming
機械学習サミットは、機械学習の今後の展望についてお知らせします。このイベントは、2019 年 12 月 3 日火曜日、午後 1 時 30 分から午後 6 時まで、Venetian Theater で開催されます。サミットのホームページにアクセスして、今すぐ登録しましょう。
著者について
Shyam Srinivasan は、AWS Machine Learning マーケティングチームに所属しています。彼はテクノロジーを通じて世界をより良い場所にすることに関心があり、このジャーニーの一員であることを誇りに思っています。余暇には、家族や友人と走ったり、旅行したり、楽しんだりするのが大好きです。