【セッションレポート】AWS AIサービスを使ってあなたのシステムにも機械学習を導入しよう！ #AWSSummit
はじめに
AWS Summit Tokyo に参加しました！
1日目 AWS-09 「AWS AIサービスを使ってあなたのシステムにも機械学習を導入しよう！」のセッションレポートを投稿いたします。
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。）
登録済みの場合、以下から直接遷移できます。
https://jpsummit.awsevents.com/public/session/view/528
セッション概要
2024 年末までに、 75%の企業が機械学習を運用するフェーズに入ると言われています。AWS AI サービスを用いることで、初めてAWSをお使いになる方はもちろん、 既にAWS上でソリューションを展開されている方も簡単に機械学習を導入すること ができます。 本セッションでは Amazon Kendra と Amazon Forecast を例に取りサービスの概要を紹介した後、既存のシステムに文書検索ソリューションや需要予測ソリューションを導入する方法をご紹介し ます。
対象者とゴール
対象者
- AWS AIサービスを触ったことがないが、他のAWSサービスは利用経験がある方
- 機械学習の知識がない方
ゴール
- AIサービスがどのようなユースケースに適しているかを自分で探し、PoCをはじめられるようになる
- 文書検索 or 需要予測に対応するAIサービスの概要、具体的な実装方法について理解できる
アジェンダ
- 機械学習が求められる背景
- 文書検索 - Amazon Kendra
- 需要予測 - Amazon Forecast
セッションレポート
機械学習が求められる背景
- 拡大する機械学習の適用範囲
- 支出の増大
- AIによる変革
- 機械学習を導入することで解決できるユースケース
- チャットボット
- インテリジェント検索
- 予防治療
- 自動運転
- 機械学習を導入してビジネス課題を解決するためのサイクル
- ビジネスゴールの特定
- 機械学習の問題に適用
- データ処理
- モデル開発
- AWS AIサービスが利用できる
- デプロイ
- モニタリング → ビジネスゴールの特定に戻る
- システムにAWS AIサービスを導入する手順
- AI Services Hubから AWS AIサービスの概要とそのユースケースを学習する
- ユースケースに適したサンプル実装ソリューションを探す
- AWSソリューションライブラリから探す
- 無料利用枠を活用し、AIサービスを触ってみる
- 今回解説するユースケース（AIサービスを導入する手順）
- 文書検索
- 需要予測
ユースケース：文書検索
- 要件
- 一括でドキュメント検索できるようにしたい
- 動画も検索したい
-
- AI Services Hubでユースケースに対応するAIサービスを探す
- Amazon Kendraが適している
- Amazon Kendra
- 機械学習を利用した検索サービス
- 開始方法
- Indexを作成 （ドキュメント内容を格納し、検索できるようにする）
- データソースの追加
- Amazon Kendraのデモ
- Indexを作成
- S3に日本語のドキュメントを格納
- Kendraにデータソースとして、S3に追加
- Kendraに同期するタイミングも設定する
- 日本語で検索してみる
- Indexを作成
- AWS AIサービスを既存システムに追加する時のポイント
- 入力データの形式
- 非構造化テキスト
- PDF,word
- 構造化テキスト
- CSV,JSON
- 非構造化テキスト
- データ連携
- S3などのAWSサービスや3rdパーティのデータソースに対応
- API
- Factoid 型質問
- 記述的な質問
- キーワード検索
- データ出力
- 関連するパッセージ
- クエリにマッチしたFAQ
- 関連するドキュメント
- 入力データの形式
- ドキュメント検索用のUI
- Kendra コンソール
- Kendora Experience Builder によるUI
- AWS SDKで実装した
- Custom Document Enrichment機能
- 連携するAWSサービス
- Amazon Transcribe
- 音声をテキストに変換
- Amazon Translate
- 翻訳機能
-
- ユースケースに適したサンプル実装ソリューションを探す
- Kendraを用いたソリューション
- 動画を文字起こしし、kendraにインポートする
- https://aws.amazon.com/jp/blogs/news/make-your-audio-and-video-files-searchable-using-amazon-transcribe-and-amazon-kendra/
- https://dev.classmethod.jp/articles/simple-lex-kendra-japanese-sample/
- https://dev.classmethod.jp/articles/solution-aws-qnabot/
-
- 無料枠
- Kendraも無料枠がある
需要予測ユースケース
- 要件
- 発注数を勘で予測しているため、人的コスト発生
- 機会損失が生まれる
- 価格変化による需要変化をしりたい
-
- AI Services Hubでユースケースに対応するAIサービスを探す
- ビジネスメトリクスの予測には、Amazon Forecastが適している
- Amazon Forecast
- 機械学習をベースにした時系列予測サービス
- 開始方法
- データセットをインポート
- AutoPredictorを作成 (データセットによって学習されたモデル)
- 予測を実行
- AWS AIサービスを既存システムに追加する時のポイント
- 入力データの形式
- CSV、Parquetに対応
- ターゲット時系列、関連時系列、項目メタデータ
- データ連携
- S3に対応
- API
- データセットを作成し、インポート
- AutoPredictorを作成
- 予測の実行、結果の出力
- データ出力
- 予測対象アイテムごとに予測結果を出力
- 入力データの形式
-
- ユースケースに適したサンプル実装ソリューションを探す
- Forecastを用いたソリューション
- S3のデータからForecastを実行し、Glueを用いてデータを整形し、QuickSightで可視化
-
- 無料枠
- Forecastも無料枠がある
感想
- 機械学習の知識があまりなくても、AWS AIサービスを用いることで、文書検索や需要予測の結果を取得できることを理解できました。
- 既存サービスに簡単にAIサービスを追加できる点もうれしいですね。
- 本セッションでは、適切なAIサービスの選択方法、実装方法について学ぶことができましたので、自分で検証する際の参考になりました！
- 個人的には、KendraのCustom Document Enrichment機能が気になりましたので、触ってみようと思いました。
- 紹介されたKendraを用いたソリューションを実際にやってみることで、Kendraを深く理解できそうです。
![[アップデート] Amazon Bedrock Agents のメモリ保持期間が最大 30 日から 365 日に変更されました](https://images.ctfassets.net/ct0aopd36mqt/wp-thumbnail-e3065182082062711612153bbdcf1d96/c04359de689df2f56eb066576ab63fb5/amazon-bedrock)
![[アップデート]Amazon Connect のキューとルーティングプロファイルを管理コンソールから削除できるようになりました](https://images.ctfassets.net/ct0aopd36mqt/wp-thumbnail-a14da8621c55bd17addadcead8e0e00f/c928a36480d9593938e8d8f65ba92537/amazon-connect)
