【レポート】クイックスタート機械学習 Amazon SageMaker 編 AWS-41 #AWSSummit

AWS Summit Online Japan 2022

#Amazon SageMaker

#SageMaker Canvas

#AWS

森田力

2022.05.26

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

こんにちは、森田です。

本記事は、2022年5月26日(木)に行われたAWS Summit Onlineのセッション「クイックスタート機械学習 Amazon SageMaker 編」のセッションレポートとなります。

こちらのセッションでは、AWS を利用した機械学習活用の第一歩を始めることができるような内容となっております。

また、本セッションの資料には機械学習習得のためのリソースのリンク紹介もあります。

ぜひチェックしてみてください！

セッション概要

蓄積されたデータからビジネス成果を生み出すために、機械学習は強力な武器になり得ます。その一方で、機械学習を活用したい、学びたいと思ってもその学習量の多さから途方に暮れる方も多いのではないでしょうか。本セッションでは、ビジネスアナリストとこれから機械学習を学び始めようとされているエンジニアの方を対象に、 Amazon SageMaker を使ってデータの活用をどのように進めていけるのかレベル感ごとに掘り下げていきます。また、機械学習について馴染みのない状態からの活用の始め方と、さらなるステップアップに向けた機械学習習得の進め方についてイメージをつけ機械学習活用の第一歩を踏み出すことを目指します。

スピーカー

AWS 技術統括本部

ソリューションアーキテクト

尾原颯氏

セッションレポート

データ活用に使われる技術

データサイエンス
- データからビジネスインサイトを得るアプローチ
  - 統計
  - 機械学習
データ活用の課題
- ビジネスドメインと機械学習の専門知識が必要だが人材不足
AWS ML Vision

AWS での機械学習の始め方 2選

ノーコードで機械学習を実践
- Amazon SageMaker Canvas
  - ノーコード、GUIベースで可能
  - Auto ML サービス
  - SageMaker Studio とも連携可能
- 多彩なソースからデータを統合
  - データの可視化も可能
- 自動的な学習とモデルのビルド
  - 性能指標一覧
  - 重要項目のランキング
- 推論
  - 単体、バッチ単位での推論可能
  - GUI上で入力して、推論を確認
- SageMaker Studioとの連携
  - 共有リンク発行可能
統合的な開発環境を利用した更なる解析
- 画像や自然言語処理を行うケース
- Amazon SageMakerを利用
  - 目的別に作成されたツール群
    - データアクセス
    - データの準備
    - MLモデルのビルド
    - MLモデルの学習やチューニング
    - デプロイと結果のモニタリング
- IDE環境 Amazon SageMaker Studio
- Amazon SageMaker Data Wrangler
  - データクレンジング・探索
    - Athena, Redshift, Snowflake
    - コードなしでデータ変換
    - PySpark, SQLなどでカスタム変換
  - データの可視化
    - 箱髭図, 折れ線グラフ
    - リーケージの確認
  - データのエンリッチ

機械学習習得のためのリソースの紹介

機械学習について学ぶ
- 手を動かして学ぶ
  - AWS Machine Learning University（英語）
  - Dive into Deep Learning（英語, 一部日本語）
- 学ぶための環境
  - Amazon SageMaker Studio Lab
    - 無料で設定不要
    - Git 統合
    - ターミナルアクセス
    - チュートリアルに素早くアクセスできる
    - 共同作業可能
- AWS DeepRacer
  - ハンズオンを通して強化学習を学べる
AWS ツールの使い方を学ぶ
- SageMaker Immersion Day
  - AWS の知識なしで始められる
  - ワークショップの資料が公開
  - MLワークフローを一通り体験できる
- AWS SageMaker Examples
  - 使用ケースを紹介