AWS Startup ブログ

Category: SageMaker

【寄稿】dely株式会社における機械学習の取り組み

この投稿はdely株式会社 データサイエンティスト 辻 隆太郎 氏に、クラシルでの Amazon SageMaker を中心とした機械学習の取り組みについて寄稿頂いたものです。 クラシルというサービスについて dely株式会社の辻と申します。delyでは、70億人に1日3回の幸せを届けるというミッションを掲げ、レシピ動画サービスのクラシルを展開しています。 AWSはサービス開始当初から利用しており、様々なサービスを組み合わせながら柔軟なアーキテクチャを構築できることにとても魅力を感じています。また、AWSを利用する上で直面する課題についても、AWSの担当者さんからのフォローアップや、直接サービス開発チームの方へフィードバックできるなど、手厚いサポートにいつも助けられています。 図: AWSサービスの組み合わせによって不確実性に対処する  現在、クラシルがユーザに届けられている価値は、単にレシピを見つけられるという点が最も大きいと言えますが、実際の調理プロセスには困難な課題がいくつも潜伏しており、レシピを見つけられるのはこのうちのほんの氷山の一角をサポートしているに過ぎません。 例えば、一口にレシピを見つけると言っても、今日の献立をどうするかを決めるためには、まず冷蔵庫の残り物を確認したり、家族の好き嫌いに配慮したり、お子さんの給食や家族のランチと被らないようになど、考慮すべき課題がたくさんあります。また、買い物に出かけた後にも、食材の価格や鮮度など最適な選択を行い、そして実際に作る際にも失敗しない様に、家族の帰宅に間に合うように効率よく、などなど不確実な課題が山積です。 我々delyでは、クラシルというアプリを通じて、こうした「料理に関する工程全体の課題」に対して可能な限り解決に導くサービスを提供していくことで、本当の意味でのクラシルの価値をユーザお届けできるようなサービスへと進化していきたいと考えています。本日はそこに至る取り組みについて、ほんの一部ですがご紹介させて頂ければと思っています。前半でレシピの素性抽出、後半ではユーザの素性抽出について具体的にご紹介します。   図: 調理は氷山の一角

Read More

【前編】AWS Startup Day 2019 Tokyo: スタートアップのためのビジネスとテクノロジーの最先端の知が集結したイベントを詳報

みなさんこんにちは、AWSでスタートアップマーケティングを担当している石渡です。今回は、2019年3月27日に行われた、AWS Startup Day 2019 Tokyoの模様をお伝えします。 はじめに: AWS Startup Dayとは? AWS Startup Dayは、世界中の主要都市で開催されるイベントシリーズで、日本では今回が2回目の開催です。昨年は、東京・恵比寿にて、300名を超える参加者の熱気に包まれたイベントでしたが、今年はその2倍の規模に見合う新規企画なども多数取りそろえた形で実施しました。 Amazon Fashion Studio:一般には非公開のシークレットエリアでイベントを実施

Read More

【新規事例ご紹介】dely 株式会社:マネージドサービスを活用してスピード感のある開発を実践

皆さんこんにちは、AWS のスタートアップアップマーケティング、石渡です。 レシピ動画サービスの「クラシル」を提供中の dely 株式会社の執行役員/CTOの大竹様に動画事例の作成にご協力頂きました。創業当初から AWS をご利用頂き、2018年の夏に、機械学習ソリューションである Amazon SageMaker の導入に至るまでの過程などをお話し頂きました。ビデオは以下からご覧いただけます。   今回は、編集上カットしたスクリプトの部分も含めて、大竹さんにお話し頂いた内容を紙上再現します。

Read More

SmartNews の San Francisco オフィスで Amazon SageMaker の活用に関するお話を伺いました

こんにちは、Startup担当SAマネージャーの篠原英治(@shinodogg)です。 サンフランシスコのダウンタウンにあるSmartNewsのオフィスで、KeiさんとYuheiさんからAmazon SageMakerを活用した機械学習基盤のお話を伺いました。 現在、機械学習エンジニアとしてご活躍されているKeiさんは、経営企画やファイナンスのお仕事をされた後にアフリカでの起業経験もあるユニークなご経歴をお持ちの方。全体の処理の流れの中から機械学習の肝になる部分に至るまで分かりやすく説明してくださいました。 SmartNewsでは、記事の収集からエンドユーザーにそれを届けるまでの全体のシステムをAmazon Kinesis, Amazon DynamoDB, Amazon CloudSearchといったAWSによるマネージドサービスを活用して下記のようなフローで構成していますが、その中でKeiさんは”Analysis”の部分でAmazon SageMakerを利用しています。 Keiさんは、堅実な機械学習モデルの管理やモニタリングと早い開発サイクルの両立について特に強調されていました。そして、Amazon SageMakerを使えば、チームで開発を進めていく中で、誰が/いつ/どの パラメーターやアルゴリズムを変更したのかをトラックしながら、呼び出し側はエンドポイントを変えるだけでいい。プロダクション環境に持っていくプロセスが以前と比べて格段に楽になった、とおっしゃっていました。 現在、KeiさんがAmazon SageMakerを活用して取り組んでいるのは、アイデアを形にしてプロダクション環境に持ち込むまで5日間(1週間)という短期間で行うというもの。このサイクルを早くしていくためには、機械学習エンジニアがビジネスに関するコンテキストを理解していることが重要で、それが精度の高いError Analysisにも活かされる、とのこと。 この点に関して、プロダクトマネジメントディレクターのYuheiさん(先日、日本からアメリカに移住され、そのことに関して執筆されたブログ記事の 【退職エントリー】ニュースとテクノロジー – SmartNews Engineering Blog が話題に)は、今後ビジネスをより拡大していく中で、コンテキストを理解した機械学習エンジニアがインフラのことを意識せずに、スピード感を持って開発を進められるようなプラットフォームを構築していくことに注力されているとおっしゃっていました。 今後の開発計画のお話などもお聞かせいただきましたが、ワクワクするようなエキサイティングなプロジェクトがいくつも動いていて、これからのスマートニュースに目が離せません。 Keiさん、Yuheiさん、お忙しい中、お時間をいただきありがとうございました!また是非お話を伺わせてください。

Read More