【レポート】JAWS-UG福岡で「Amazon Personalize」ハンズオンを開催しました #jawsug #jawsugfuk

JAWS-UG福岡で開催した「Amazon Personalize ハンズオン」のレポートです

福岡だより

#勉強会

#機械学習

#Amazon Personalize

#AWS

青柳英明

2019.07.07

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。

みなさん、こんにちは！
AWS事業本部の青柳＠福岡オフィスです。

今日7月7日は弊社クラスメソッドの創立記念日です。
ということで、流れに乗って私もブログを書きました。まあ、内容は創立記念日と全く関係ないんですけどね。

閑話休題。

先月、機械学習の新しいサービス「Amazon Personalize」が GA となりました。

私が運営メンバーとして参加している JAWS-UG福岡では、さっそく「Amazon Personalize」のハンズオン勉強会を開催しました。
その様子をレポートしたいと思います。

ハンズオン勉強会レポート

ハンズオンの講師として、アマゾンウェブサービスジャパン株式会社 Product Marketing エバンジェリストの亀田治伸氏をお招きしました。

まず最初の10分ほどの時間は、Amazon Personalize の概要と事例について説明して頂きました。

Amazon Personalize ハンズオン

ハンズオンの題材は「映画の視聴履歴をもとにしたレコメンデーション」です。

これは、600人のユーザーによる延べ10万件の映画視聴履歴サンプルデータを機械学習で処理して「レコメンデーション推論モデル」を作成し、推論モデルを使用してユーザーへお薦め映画を提示 (レコメンデーション) する、という作業を Amazon Personalize の GUI コンソールを使ってノーコーディングで行うというものです。

ハンズオンの内容は Amazon Personalize の開発者ガイドにある「Getting Started」がベースになっています。
亀田さんに画像付きの分かり易い手順書と事前加工済みのデータを準備していだたいたので、スムーズにハンズオンに取りかかることができました。

ハンズオンの流れ
1. トレーニングデータを S3 バケットへアップロードするする
2. Personalize で「データセットグループ」を新規作成して、S3 のデータをインポートする
3. 「ソリューション」作成 (データを機械学習して推論モデルを作成する)
4. 「キャンペーン」作成 (推論モデルをデプロイして利用できる状態にする)
5. 推論モデルを使ったレコメンデーションを動作確認する

今回のハンズオンは機械学習サービスということもあり、各ステップの所要時間 (待ち時間) がやや大きいということでした。

ステップ2： 10～20分
ステップ3： 50～60分
ステップ4： 10～20分

予期しないトラブルが発生！？

S3 の準備、データセットの作成、データのインポート、と順調に進み、参加者のみなさんは概ね「ソリューションの作成」を開始するところまで進みました。
ソリューション作成は約50～60分かかるということで、待ち時間に各自「Amazon Rekognition」の画像認識で遊んだりしてソリューション作成が終わるのを待っていたところ・・・

20分くらい経過したところで、ひとりの方が「ソリューション作成がエラーで失敗したのですが・・・」と手を上げました。
他の数人からも「自分もエラーになった」との声。
私も見事にエラーとなりました(;_;)

これはおかしいぞ？ということで、亀田さんにはサポートに問い合わせて確認していただき、参加者の中にも「画面に表示されているここのパラメーター、ヘンじゃない？」などと怪しいところを探ったり、ハンズオンは一転、原因調査の時間に突入しました。

原因調査をしつつ、再度ソリューションを実行してみたりしたものの、勉強会の予定時間いっぱいを使ってタイムオーバーとなりました。
結局、エラーとならずに成功した方は参加者20数名のうち数名 (2～3名？) で、ほとんどの方は最後まで進めることができないという結果になりました。

結末：一時的な問題だった？その後は問題なく最後まで終わらせることができました！

勉強会の終了後、亀田さんから「その後、何度か試したところ、うまくいくようになった」との連絡がありました。
参加者の方や運営メンバーの中にも「後でもう一度試したら成功した」との連絡が。
はっきりとした原因は分かりませんが、どうも一時的な問題 (負荷？メンテナンス？) によるものだったようです。

私もあらためて試してみましたが、無事、最後の動作確認まで行うことができました！

数字の列挙で「なんじゃこりゃ？」という感じですが、「User ID」を指定して「Get recommendations」を選択すると、レコメンデーション推論モデルによって指定されたユーザーに対してお薦めする映画 (のID) がリストアップされる、というものです。

亀田さんによると、Amazon Personalize による推論モデル／推論 API を Web サービスやアプリなどに組み込むことで、簡単に機械学習によるレコメンデーションを利用したサービス／アプリを作成できるということです。(サンプル画面を見せてもらいましたが、写真を撮るのを忘れました・・・)