Submit Search
Upload
Amazon machine leaning の紹介
•
0 likes
•
806 views
A
Akinori Abe
Follow
Amazon machine leaning の紹介
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 13
Download Now
Download to read offline
Recommended
Amazon ML(あるいは他社のサービス)の簡単なデモレベルはやったことあるけど、それっきりってエンジニアに聞いてほしいですね
Amazon ML(あるいは他社のサービス)の簡単なデモレベルはやったことあるけど、それっきりってエンジニアに聞いてほしいですね
Takuya Tachibana
Microsoft Azure Machine Learning "ちょっと"だけ触ってみた
Microsoft Azure Machine Learning "ちょっと"だけ触ってみた
Yuki Katada
테드 강의
테드 강의
Hye Bin Bae
아마존 Aws 서비스_연구
아마존 Aws 서비스_연구
knight1128
Amazon Web Servicesで未来へススメ!
Amazon Web Servicesで未来へススメ!
Genta Watanabe
JAWS-UG CLI専門支部 #58 KMS入門
JAWS-UG CLI専門支部 #58 KMS入門
Nobuhiro Nakayama
Mohan Chaddha - Machine Learning & Content Marketing
Mohan Chaddha - Machine Learning & Content Marketing
introtodigital
Machine Learning with R and Tableau
Machine Learning with R and Tableau
Kayden Kelly
More Related Content
Viewers also liked
환경부제안서 2010.03.16
환경부제안서 2010.03.16
Yeonmoon Jeong
Basic of influencer marketing
Basic of influencer marketing
introtodigital
AWS re:Invent 신규 서비스 총정리 (윤석찬, AWS테크에반젤리스트)
AWS re:Invent 신규 서비스 총정리 (윤석찬, AWS테크에반젤리스트)
AWSKRUG - AWS한국사용자모임
Elastic Beanstalkでアプリ/インフラかんたん一括管理
Elastic Beanstalkでアプリ/インフラかんたん一括管理
Yusuke Komahara
Microsoft azure service 소개자료
Microsoft azure service 소개자료
Alvin You
Comment l'intelligence artificielle améliore la recherche documentaire
Comment l'intelligence artificielle améliore la recherche documentaire
Antidot
bootstrap-scaffolding
bootstrap-scaffolding
SangHun Lee
에너지 관리시스템 구축모델 및 합리적 운영방법 (ML)
에너지 관리시스템 구축모델 및 합리적 운영방법 (ML)
Hunter Shin
AWS Step Functions 実践
AWS Step Functions 実践
Shuji Kikuchi
ニューラルネットと深層学習の歴史
ニューラルネットと深層学習の歴史
Akinori Abe
Cloud Native Hadoop #cwt2016
Cloud Native Hadoop #cwt2016
Cloudera Japan
Machine learning for_finance
Machine learning for_finance
Stefan Duprey
AWS re:Invent 특집(1) – 파이선(Python) 개발자를 위한 AWS 활용 방법 (윤석찬)
AWS re:Invent 특집(1) – 파이선(Python) 개발자를 위한 AWS 활용 방법 (윤석찬)
Amazon Web Services Korea
IA et Traitement Automatique des Langues (TAL) -- quel panorama ?
IA et Traitement Automatique des Langues (TAL) -- quel panorama ?
Eric De la Clergerie
2016 kcd 세미나 발표자료. 구글포토로 바라본 인공지능과 머신러닝
2016 kcd 세미나 발표자료. 구글포토로 바라본 인공지능과 머신러닝
JungGeun Lee
AWS re:Invent 특집(4) – 개발자를 위한 신규 서비스 총정리(윤석찬)
AWS re:Invent 특집(4) – 개발자를 위한 신규 서비스 총정리(윤석찬)
Amazon Web Services Korea
Machine learning use cases in finance
Machine learning use cases in finance
David Guerineau
[2A4]DeepLearningAtNAVER
[2A4]DeepLearningAtNAVER
NAVER D2
Viewers also liked
(18)
환경부제안서 2010.03.16
환경부제안서 2010.03.16
Basic of influencer marketing
Basic of influencer marketing
AWS re:Invent 신규 서비스 총정리 (윤석찬, AWS테크에반젤리스트)
AWS re:Invent 신규 서비스 총정리 (윤석찬, AWS테크에반젤리스트)
Elastic Beanstalkでアプリ/インフラかんたん一括管理
Elastic Beanstalkでアプリ/インフラかんたん一括管理
Microsoft azure service 소개자료
Microsoft azure service 소개자료
Comment l'intelligence artificielle améliore la recherche documentaire
Comment l'intelligence artificielle améliore la recherche documentaire
bootstrap-scaffolding
bootstrap-scaffolding
에너지 관리시스템 구축모델 및 합리적 운영방법 (ML)
에너지 관리시스템 구축모델 및 합리적 운영방법 (ML)
AWS Step Functions 実践
AWS Step Functions 実践
ニューラルネットと深層学習の歴史
ニューラルネットと深層学習の歴史
Cloud Native Hadoop #cwt2016
Cloud Native Hadoop #cwt2016
Machine learning for_finance
Machine learning for_finance
AWS re:Invent 특집(1) – 파이선(Python) 개발자를 위한 AWS 활용 방법 (윤석찬)
AWS re:Invent 특집(1) – 파이선(Python) 개발자를 위한 AWS 활용 방법 (윤석찬)
IA et Traitement Automatique des Langues (TAL) -- quel panorama ?
IA et Traitement Automatique des Langues (TAL) -- quel panorama ?
2016 kcd 세미나 발표자료. 구글포토로 바라본 인공지능과 머신러닝
2016 kcd 세미나 발표자료. 구글포토로 바라본 인공지능과 머신러닝
AWS re:Invent 특집(4) – 개발자를 위한 신규 서비스 총정리(윤석찬)
AWS re:Invent 특집(4) – 개발자를 위한 신규 서비스 총정리(윤석찬)
Machine learning use cases in finance
Machine learning use cases in finance
[2A4]DeepLearningAtNAVER
[2A4]DeepLearningAtNAVER
Amazon machine leaning の紹介
1.
LT Thursday(サイバーエージェントA.J.A. 社内勉強会) 2016/8/19
阿部晃典 Amazon Machine Leaning の紹介
2.
Amazon ML とは? ●
AWS 上で使える機械学習サービス ○ Amazon 社内でも使っているらしい ● スケーラビリティ・簡単さが売り ○ データさえ用意すればボタンをポチポチするだけで、モデル生成・評価・予測 API の準備を自動で やってくれる ○ 大規模なデータも扱えるらしい ○ 柔軟性はあまりない ● 構造化データに対する統計的教師あり学習のみをサポート ● Region: 米国東部(バージニア北部)、EU(アイルランド)のみ ● チュートリアルあるよ ○ ポルトガルの銀行によるダイレクトマーケティングで、定期預金口座を開設してくれた or してくれな かった顧客の情報 ○ 元データ:https://archive.ics.uci.edu/ml/datasets/Bank+Marketing
3.
Concepts ● Data source ○
学習データの在処 ○ 統計情報の表示 ● ML model ○ 機械学習モデルの選択 ○ 前処理・正則化 ● Evaluation ○ 学習済みモデルの評価 ● Prediction ○ 学習済みモデルによる予測
4.
Data source ● 学習データの在処:Redshift
もしくは S3 上の CSV ● 特徴抽出済みのデータのみ扱える(画像・音声等は直接は扱えない) ● できること ○ 学習に使うカラム(特徴量=入力)の指定 ○ 予測対象のカラム(出力)の指定 ○ 統計情報の表示(分布・統計量など)
5.
Data source (統計情報の表示)
6.
Data source (統計情報の表示)
7.
ML model ● 機械学習モデルの自動判定(教師あり学習のみ) ○
2 クラス分類:ロジスティック回帰 ○ 多クラス分類:ロジスティック回帰 ○ 時系列予測:線形回帰 ● Recipe:簡単な前処理 ○ N-gram、大文字小文字変換、デカルト積、離散化など ● 正則化:L1 or L2 ● 料金:0.42 USD/時
8.
ML model (前処理)
9.
ML model (正則化)
10.
Evaluation ● 学習したモデルの評価(予測精度の計算) ○ Cross-validation
もできる ● 評価指標 ○ クラス分類:precision、accuracy、recall、F 値など ○ 時系列予測:RMSE (root mean square error)
11.
Evaluation (評価結果)
12.
Prediction ● 学習済みモデルによる予測 ● バッチ予測:大量のデータを入力して、一度に予測 ○
0.0001 USD/predictions ● リアルタイム予測:データを一つずつ入力して、その都度予測 ○ 0.0001 USD/predictions + 0.001 USD/(10 MB * 1 hour)
13.
まとめ ● Amazon ML
の特徴 ○ クラス分類(ロジスティック回帰)、時系列予測(線形回帰) ○ 簡単にモデル構築・評価・予測 API の準備ができる ■ UI は使いやすいと思う ○ 統計情報を見やすく表示 ● 気をつけたほうが良さそうなこと ○ 特徴抽出・前処理はガッツリやるべき ○ 簡単な反面、できることが少ない ○ 非線形モデル・教師なし学習は使えない ○ 学習済みモデルもない
Download Now