【レポート】 はじめての機械学習ワークフローの作り方 〜データに集中したいあなたのために〜 AWS-31 #AWSSummit

こんにちは。森田です。

本記事はAWS Summit Tokyoで行われたセッション「AWS-31 はじめての機械学習ワークフローの作り方 〜データに集中したいあなたのために〜」のセッションレポートです。

セッション視聴

AWS Summit Tokyoの登録を行うことでオンデマンドで視聴可能です。（現地参加された方は改めての登録は不要です。）

セッション概要

スピーカー

アマゾン ウェブ サービス ジャパン合同会社

スタートアップ事業部　ソリューションアーキテクト

尾原 颯 氏

アジェンダ

• Data-Centric について
• 機械学習ワークフローと Data-Centric
• Amazon SageMaker による解決
• まとめ

セッション内容

• Data-Centric とは
  • データの品質などに注力して開発するアプローチ
• Model-Centric アプローチ
  • 機械学習の選択
  • パラメータのチューニングなど
• Data-Centric アプローチ
  • データをきれいにしていく
    • フォーマットや欠損値
• Data-Centric アプローチ効果
  • 綺麗なデータと汚いデータで10%精度が違う場合がある
• 機械学習ワークフローと Data-Centric
  • 3 Step
    •  データ処理
      • データの収集
      • データのラベルづけ
      • データ探索
      • 特徴量エンジニアリング
    • モデル開発
      • 前処理
      • モデルの選択
      • モデルの学習
      • モデルのチューニング
      • モデル評価
    • デプロイ
      • モデルのデプロイ
  • 機械学習プロジェクトが失敗する理由
    • データの品質が不十分
    • データサイエンティストなどの専門職不在
  • プロジェクト成功に導くワークフローを構築するために必要なこと
    • 機械学習の知識
    • 高速な試行錯誤
    • 差別化要素への注力
      • より重要になっている
  • モデル開発 → デプロイ
    • AutoML などの技術を使った自動化・固定化
  • データ処理 → モデル開発
    • ツールを使ったサイクルの高速化
  • データ処理に注力（Data-centric）
    • 1つの有効なアプローチで銀の弾丸ではない
• Amazon SageMaker による解決
  • 構造化データパターン（テーブルデータ）
    • SageMaker Data Wrangler
      • 機械学習用のデータを準備するための最も迅速かつ簡単な方法
        • データ品質の向上と探索
        • データの可視化と理解
        • データのエンリッチ
      • データのアクセス
        • 40種類を超えるデータソースをサポート
      • データの探索と可視化
        • 機械学習を使ってデータ品質の問題を発見
      • 特徴量エンジニアリング
        • GUI で300 以上の組み込み変換
        • カスタム変換も可能
        • Quick Model で期待できるモデル精度を推定
    • SageMaker Autopilot
      • 完全可視性を備えた機械学習モデルを自動的に作成
        • モデル開発を可視化
      • 自動機械学習モデル選択
        • 予測の種類を自動的に推測
      • SageMaker Data Wrangler から連携可能
      • モデルデプロイ
        • リアルタイム予測
        • SageMaker Data Wrangler のデータ処理を予測時にも適用可能
    • SageMaker Canvas
      • 機械学習による正確な予測コード不要で生成
  • 非構造化データパターン（画像、文書、音声など）
    • SagaMaker Ground Truth
      • 機械学習向けの高品質なデータセット作成
    • SageMaker JumpStart
      • 数クリックで 350 以上の公開モデルなどを素早く学習し、デプロイする
        • 機械学習のコードを記述する必要なしで始めることができる
• Next Step
  • ハンズオンで SageMaker Data Wrangler や SageMaker Ground Truth を使い始めてみよう！
    • https://catalog.us-east-1.prod.workshops.aws/workshops/327375b8-425b-49d4-b0da-241da0595ecf/en-US
    • https://aws.amazon.com/jp/getting-started/hands-on/machine-learning-tutorial-label-training-data/

まとめ

本セッションを通して、Data-Centric とは何なのか、Data-Centricのアプローチについて学ぶことができました。

データの前処理を行うか否かで、同じモデルを使用した場合でも精度が10%近く変わることもあり、いかにデータの品質を改善していくことが重要であるかを再確認しました。

また、AWS では、モデルの構築部分を自動化できるサービスが豊富であるため、データに集中できる環境が整っています。

Data Centric に 機械学習プロジェクトを始める際には、AWS を利用することで非常に簡単に実現できそうですね！