【レポート】AWS の機械学習サービス入門 #AWSSummit

こんにちは、坂巻です。

2019/6/12(水)～14(金) の期間で開催されている、AWS Summit Tokyo 2019からセッションをレポートします。 本記事は「【初級】AWS の機械学習サービス入門」のレポートになります。

セッション情報

スピーカー：鮫島 正樹氏 （アマゾン ウェブ サービス ジャパン株式会社）

Amazon では過去20年以上にわたって機械学習に投資をしてきました。そのなかで培われてきた技術や経験をもとに、AWS は様々な機械学習サービスを開発しています。本セッションでは、AWSの機械学習サービスを導入しようと検討されている方に向けて、AWSにおける機械学習の考え方、機械学習の導入に必要な準備、機械学習の各サービスの特徴について、具体例を交えつつ紹介します。

レポート

agenda

• 機械学習とは
• 機械学習に対するAWSのミッション
• AWSの機械学習サービス
• 機械学習をさらに進める次のステップ
• まとめ

機械学習とは

データにもとづいて分類や予測などを行うための技術

• 分類／カテゴリを推定
• 予測／数値を推定

機械学習の応用

• レコメンデーション
• 推薦商品を推定
• チャットボット
• 応答内容を推定
• 製品の外観検査 -異常箇所を推定
• 医療診断
• 健康状態を推定

顧客体験の向上、業務、製品の改善、新サービスの開発

機械学習におけるハードル

• 機械学習アルゴリズムの実装
• アルゴリズムの実装には、数学、統計学などの知識が必要
• 機械学習システムの構築 -アプリ開発、セキュリティ等のシステム構築の知識が必要

機械学習に対するAWSのミッション

Amazonにおけるの機械学習の経験をすべての開発者に届けること

AWSが選ばれる理由

• 成熟したサービスを幅広く提供
• 200以上の機能・サービス
• 機械学習の困難な課題を解決
• 分類・予測コスト削減、データ準備コスト削減
• 主要なフレームワークをサポート
• TensorFlowプロジェクトの85%がAWSで稼働
• 機械学習に最適化された環境
• DAWNのベンチマークで優れた結果

AWSの機械学習サービススタック

• AIサービス 機械学習の深いスキルなくアプリに組み込める
• MLサービス 機械学習のモデルを高速に開発，学習、デプロイ
• MLフレームワーク ＆ インフラストラクチャー 高性能なインフラを自由に選択

AIサービス

• データを用意するだけでAPIから機械学習を利用できる
• 利用する機械学習はAWSによって最適な実装がされている

AIサービスの範囲

• 10種類のAIサービスを提供し機械学習が必要な分野をカバー
• 6つのカテゴリ
• 静止画、動画認識
• 音声処理
• テキスト処理
• チャットボット
• 時系列データ予測
• レコメンデーション

静止画、動画認識

• Amazon Rekognition & Amazon Rekognition Video
• 静止画、動画の物体認識、顔分析（女性？幸せ？笑顔？）
• Aamzon Textract
• 画像の英数字テキスト認識

会場では、Amazon Rekognitionのデモがありました！！

音声処理

• Amazon Transcribe
• 音声からテキストへ変換（13種の言語対応、日本語非対応）
• Amazon Polly
• テキストから音声へ変換

テキスト処理

• Amazon Translate
• 言語間の機械翻訳
• 日本語含む25言語対応
• Amazon Comprehend
• 文書の解析（6言語対応、日本語非対応）
• Amazon Comprehend Medical
• 医療文書に特化

チャットボット

Amazon Lex - 英語音声やテキストを利用した対話可能なボット構築サービス - 困難な音声認識や意味理解はAmazon Lexが行う - GUIを利用して、対話内容を開発できる

時系列データ予測

• Amazon Forecast
• 高精度な予測
• 高速に予測可能
• あらゆる履歴データに対応
• 特徴
• 複数時系列データを利用可
• 機械学習の自動化
• 結果の可視化、アプリ組み込み

レコメンデーション

• Amazon Personalize
• 高精度なレコメンデーション
• リアルタイム
• 粒度は１日単位
• 様々な商品、サービスに適用化
• 特徴
• エンドユーザの操作を逐次反映
• 機械学習の自動化

MLサービス／Amazon SageMaker

• ニーズにあわせて独自の機械学習サービスを実装する場合
• Amazon SageMakerがサービス実装に必要な環境を提供

MLフレームワーク／インフラストラクチャー

• エッジデバイスも含め、機械学習の環境を自由に構築

機械学習を進める次のステップ

• 機械学習のススメ方
• 1.機械学習のためのループを作る
• 2.データの管理
• 3.機械学習のための組織を作る

機械学習のためのループを作る

• 1ループを回して評価すれば、機械学習が役にたつかわかる
• AIサービスを利用すればループを効率よく回せる

機械学習サービスありきではなく、ビジネス課題から出発すること

データの管理

• AWSの機械学習は様々なサービスと連携
• オブジェクトストレージ（S3）によるデータ管理
• データの保存／イレブン9の耐久性
• データの抽出・分析／最大400%高速なデータ抽出
• データの保護／詳細レベルのセキュリティ・暗号化

機械学習のための組織を作る

• 事例からの学習
• AWSのWebサイト、イベントでお客様の照会
• 機械学習へのアプローチのヒントに

機械学習の実践

• 開発者ガイド（AWS公式ドキュメント）には機械学習サービスの利用手順が記載

認定とレーニング

• 2018年11月に認定が追加
• AWS認定 機械学習 – 専門知識
• 機械学習に関する多くのAWSトレーニング

まとめ

• 3層の機械学習サービススタックで示したように、成熟した機械学習サービスを幅広く提供
• AIサービスで、AWSの機械学習を簡単に試すことが可能
• ビジネス課題から出発し、AWSの様々なサービスを組み合わせて機械学習のループを回すことが重要

感想

よく聞くサービスばかりでしたが、触れたことがないサービスがほとんどでした。どういったサービスなのか理解することができましたので、折を見て、手を動かしてみたいと思いました！