【登壇（禊）レポート】「エッジAIに捧ぐ、ぼくのふゆやすみ」というタイトルで登壇しました
歴史シミュレーションゲーム好きのくろすけです！
AWS x アンチパターン x Fusic AWSについて語ろう in 九州にて、「エッジAIに捧ぐ、ぼくのふゆやすみ」というタイトルで登壇しました！
このブログでは、登壇資料の共有と発表の概要をご紹介します。
謝意（と禊）
今回登壇のお誘い、機会をくださった関係者の皆様ありがとうございました！！
一番の脇役であるにも関わらず10分枠で20分も喋るという愚行、本当に申し訳ございませんでした。m(_ _)m
直前に「僕全然10分もたないっすよ ハハッ 」とちゃんと前振りまでかましてました。
改めて10分ってあんなに短いんですね...以後タイムマネジメント気をつけます。
登壇資料
登壇概要
今回の登壇では、AWSを使ったエッジAIのキャッチアップをテーマに、冬休みの個人プロジェクトとして進めている検証内容について、SageMaker PipelineとStep Functionsの比較や、関連サービスの進化を交えてご紹介しました！
発表内容の主なポイント
下記が発表の主なポイントです！
1. エッジAIの概要
- ネットワークの末端機器（エッジデバイス）内で推論を完結するAI技術
- 低レイテンシ、プライバシー保護、オフライン動作が可能
- 通信帯域幅とクラウドコストの削減が可能
- 個人的な興味と市場のニーズから、エッジAIをキャッチアップすることを決意
2. 検証テーマと目的
- 検証テーマ: 米粒の物体検出（簡単に準備できるし、実家が米農家だというそれだけの理由）
- 学習データ: Roboflowのデータセット（Rice Object Detection Model）を活用
- 目的: AWSにおけるエッジAI関連サービスのキャッチアップ
- 現状: まだ完成には至っておらず、冬休みの計画段階
3. MLパイプラインサービスの比較
検証を通じて見えてきた SageMaker Pipeline と Step Functions の使い分けについて整理しました。
SageMaker Pipeline
- MLワークフロー特化で迅速な構築が可能
- モデルレジストリ、データ系統、実験管理などML特化機能が充実
- AIエンジニアが自由に変更できる反面、インフラエンジニア視点では管理しづらい
- 適用場面: PoCやモデルの研究開発向け
Step Functions
- 200以上のAWSサービスと直接統合可能
- インフラエンジニアが管理しやすい構造
- AWSサービス全般の知識が必要だが、汎用的で応用範囲が広い
- 適用場面: MLOpsとして実運用向け
4. AWSサービスの進化
検証を進める中で気付いた、関連サービスの進化について共有しました。
Step Functionsのワークフロー定義方法
- 以前: AWS Step Functions Data Science Python SDKを使った定義（boto3ですらなかった）
- 現在: GUI → ASL → Terraformという流れで、1つのIaCツールで管理可能に
コンテナLambdaのデプロイ方法
- 以前: アプリ用とインフラ用で別々のCI/CDパイプラインが必要
- 現在: Terraformの中でイメージビルド、プッシュ、バージョン発行、エイリアス付け替えまで一気通貫で実施可能
- terraform-aws-modulesのlambdaモジュール（docker-buildサブモジュール、aliasサブモジュール）を活用
あとがき
今回の登壇では、まだ形になっていない検証内容を「冬休みの計画」として発表するという、少し恥ずかしい内容になってしまいました。
冬休みにしっかり検証してどこかの機会にお話しできればと思います。
愚行については、本当に申し訳ありませんでした。
またお誘いいただけると泣いて喜びます。m(_ _)m
以上、くろすけでした！
