Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

AWS AI Solutions

2,187 views

Published on

2017/11/15 に開催された,AWS Solution Days AI & Machine Learning Day の発表資料です.
https://pages.awscloud.com/jp.AWSSolutionDays2017.aidlml.20171115.html

Published in: Technology
  • Be the first to comment

AWS AI Solutions

  1. 1. © 2017, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Makoto Shimura, Data Science Solution Architect Amazon Web Services Japan, K. K. 2017.11.15 AWS AI Solutions
  2. 2. 所属: アマゾンウェブサービスジャパン株式会社 業務: ソリューションアーキテクト (データサイエンス領域) 経歴: Hadoopログ解析基盤の開発 データ分析 データマネジメントや組織のデータ活⽤ 志村 誠 (Makoto Shimura)
  3. 3. © 2017, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon における機械学習の取り組み
  4. 4. 過去20年間にわたる継続的な AI への投資 Search & Discovery Fulfilment & Logistics Existing Products New Initiatives
  5. 5. Amazon における Deep Learning の取り組み • 応⽤研究 • 基礎研究 • Alexa • 需要予測 • リスク分析 • 検索 • レコメンド • AI サービス群 • Q&A システム • サプライチェーン最適化 • 広告 • 機械翻訳 • ビデオコンテンツ分析 • ロボティクス • さまざまなコンピュータビジョン • 種々の⾃然⾔語処理/理解 5
  6. 6. AI 活⽤の基本的な流れ データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  7. 7. © 2017, Amazon Web Services, Inc. or its Affiliates. All rights reserved. AWS が提供する機械学習サービス
  8. 8. 4 レイヤーから構成される AWS の AI サービス 10 Services Amazon Rekognition Amazon Polly Amazon Lex Platform Amazon Machine Learning Engines TensorFlow Caffe Torch Theano CNTK Keras CPU IoT MobileInfrastructure GPU Apache Spark & Amazon EMR Amazon Kinesis AWS Batch Amazon ECS MXNet AWS Deep Learning AMI
  9. 9. 4 レイヤーから構成される AWS の AI サービス 11 Services Amazon Rekognition Amazon Polly Amazon Lex Platform Amazon Machine Learning Engines TensorFlow Caffe Torch Theano CNTK Keras CPU IoT MobileInfrastructure GPU Apache Spark & Amazon EMR Amazon Kinesis AWS Batch Amazon ECS MXNet AWS Deep Learning AMI
  10. 10. AI Services の役割 データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  11. 11. AI Services 13 ⽂章をリアルな⾳声 に変換するサービス Polly Lex 声やテキストを使⽤した会話 型インターフェイスを様々な アプリケーションに構築する ためのサービス Rekognition 画像分析機能をアプリケーション に簡単に追加できるようにする サービス ※これらは,fine-tuning された AWS が提供する深層学習モデルを API で簡単に利⽤できるマネージドサービスとなります
  12. 12. AI Services 14 ⽂章をリアルな⾳声 に変換するサービス Polly Lex 声やテキストを使⽤した会話 型インターフェイスを様々な アプリケーションに構築する ためのサービス Rekognition 画像分析機能をアプリケーション に簡単に追加できるようにする サービス ※これらは,fine-tuning された AWS が提供する深層学習モデルを API で簡単に利⽤できるマネージドサービスとなります
  13. 13. Polly の概要 • テキストをリアルな⾳声に変換するサービス • 24 の⾔語で 50 のリアルな声優の⾳声を提供 • 低レイテンシーで応答が速いため,リアルタイムシステム を構築する際の選択肢となりえる • ⽣成された⾳声の保存とリプレイ,配信が可能
  14. 14. Polly - 24種類の⾔語で50種類の⾳声 ⾔語 ⼥性 男性 英語(オーストラリア) Naja Mads 英語(インド) Raveena ⽇本語 Mizuki Takumihtt ps://docs. aws.amaz on.com/p olly/latest/ dg/voicelis t.html ヨーロッパ/中東/アフリカ地域: アジア太平洋地域:北アメリカ/南アメリカ地域: ⾔語 ⼥性 男性 フランス語(カナダ) Chantal ポルトガル語(ブラジル) Vitória Ricardo 英語(⽶国) Joanna Joey Salli Justin Kendra Matthew Kimberly Ivy スペイン語(⽶国) Penélope Miguel ⾔語 ⼥性 男性 デンマーク語 Naja Mads オランダ語 Lotte Ruben フランス語 Céline Mathieu ドイツ語 Marlene Hans Vicki アイスランド語 Dóra Karl イタリア語 Carla Giorgio ノルウェー語 Liv ポーランド語 Ewa Jacek Maja Jan ポルトガル語(イベリア) Inês Cristiano ルーマニア語 Carmen ロシア語 Tatyana Maxim スペイン語(カスティリヤ) Conchita Enrique スウェーデン語 Astrid トルコ語 Filiz 英語(英国) Amy Brian Emma 英語(ウェールズ) Geraint ウェールズ語 Gwyneth https://docs.aws.amazon.com/polly/latest/dg/voicelist.html
  15. 15. Polly の品質 ⾃然に聞こえる⾳声 テキスト変換処理の正確さ • Today in Las Vegas, NV it's 90°F. • "We live for the music", live from the Madison Square Garden. ⾼度なわかりやすさ • ” 庭には⼆⽻の鶏がいる”
  16. 16. SSML による話速や話し⽅の調整 Speech Synthesis Markup Language (SSML) v1.1 に準拠したド キュメントを⼊⼒テキストとして利⽤できる SSML タグを使⽤することで、発⾳、ボリューム、話す速度など、⾳ 声のさまざまな要素をカスタマイズできる ねぇちょっとちょっと,ここだけの話だけどさ <speak> <prosody rate="x-fast"> ねえ,ちょっとちょっと, <amazon:effect name="whispered"> ここだけの話だけどさ </amazon:effect> </prosody> </speak>
  17. 17. レキシコンによる特殊な単語の発話 Pronounciation Lexicon Specification(PLS) v1.0 に準拠したドキュメン トをレキシコンとして登録て利⽤できる 『単語とフレーズのマッピング』や『⾔語で⼀般的でない単語の発⾳』を 定義し,発⾳をカスタマイズすることができる <lexeme> <grapheme>W3C</grapheme> <alias>World Wide Web Consortium</alias> </lexeme> W3C is a Consortium 単語 (graphme) に対応する 発話フレーズ (alias) を設定できる <lexeme> <grapheme>Kaja</grapheme> <grapheme>kaja</grapheme> <grapheme>KAJA</grapheme> <phoneme>"kaI.@</phoneme> </lexeme> My daughterʼs name is Kaja ⾳素 (phoneme) に紐づく 単語 (graphme) は複数指定できる
  18. 18. スピーチマークによる⾳声と映像の同期 • ⽂:1⽂要素 • 語句:1単語要素 • ビゼーム:⾳に対応する唇の形 • SSML:<mark>タグ
  19. 19. 東京リージョンと男性ボイスの追加 • 東京リージョンで Polly が利⽤可能に • より⾼速にレスポンスを返すことができるように • ⽇本語の男性ボイス「Takumi」が利⽤可能に • 従来の⼥性ボイス「mizuki」に加えて,さまざまなユース ケースで利⽤していただけるように • 新しい声の出し⽅が可能に • ⼤きな⼈の声と⼩さな⼈の声 22
  20. 20. AI Services 23 ⽂章をリアルな⾳声 に変換するサービス Polly Lex 声やテキストを使⽤した会話 型インターフェイスを様々な アプリケーションに構築する ためのサービス Rekognition 画像分析機能をアプリケーション に簡単に追加できるようにする サービス ※これらは,fine-tuning された AWS が提供する深層学習モデルを API で簡単に利⽤できるマネージドサービスとなります
  21. 21. Rekognition • 深層学習に基づく画像認識サービス • 以下の各種機能を API で提供し,アプリケーションに簡単に追加できる • イメージモデレーション機能が新たに追加,性的・暴⼒的な画像を検出 24 物体とシーンの検出 顔分析 顔照合 顔認識
  22. 22. Rekognition - 物体とシーンの検出 • DetectLabels API を利⽤すると、画像から識別した⾞、ペット、家具など、 数千もの物体にラベルを付け、信頼スコアを取得できる • 信頼スコアは 0〜100 の値で⽰され、識別結果が正しいかどうかの可能性を 意味する Maple Plant Villa Garden Water Swimming Pool Tree Potted Plant Backyard ❖ ⼤規模な画像ライブラリを 検索、フィルタリング、管 理するために必要な情報を 取得できる ❖ 写真、不動産、旅⾏アプリ など様々なアプリケーショ ンに利⽤可能
  23. 23. Rekognition - 顔分析 • DetectFaces API を利⽤すると、画像内の顔の位置を検出し、感情、ポーズ、 瞳が開いているかどうかなどの顔属性を分析できる ❖ 画像のトリミングや広告を 重ねる際に顔を避けるよう な処理 ❖ ユーザがどのようなカテゴ リに属するか、ユーザが抱 いている感情などの推定 ❖ ⼀番良い写真のレコメンド
  24. 24. Rekognition - 顔の⽐較 • 顔の⽐較機能を利⽤すると、2 つの画像の顔が同⼀⼈物である可能性を 推定可能 ❖ アプリケーションやデバイス に顔認識機能を追加可能 ❖ 物理的なセキュリティ制御を 拡張可能
  25. 25. Rekognition - 顔認識 • IndexFaces API と SearchFacesByImage API を利⽤すると、⼤規模な顔の コレクションの中から似た顔を⾒つけることで画像の中にいる⼈物を識別する ことが可能 ❖ ソーシャルやメッセージング アプリのタグ付機能 ❖ ⾏⽅不明の⼈を写真から探す 機能
  26. 26. Rekognition - 有名⼈認識 • 画像内の有名⼈が認識され、信頼スコアが提供される機能 • 有名⼈を認識する際の学習データには IMDb が利⽤されている
  27. 27. Rekognition - イメージモデレーション 明示的なヌード - Explicit Nudity • ヌード • 男性のヌード画像 • 女性のヌード画像 • 性的な行為 • 部分的なヌード 暗示的 - Suggestive • 女性の水着または下着 • 男性の水着または下着 • 露出の多い衣服
  28. 28. Rekognition – Deep Learning 処理 Conv 1 Conv 2 Conv n … … Feature Maps Labrador Dog Beach Outdoors Softmax Probability Fully Connected Layer
  29. 29. Rekognition – Ground Truth データ⽣成 版管理された トレーニング&テストデータ トレーニング ラベル付された画像 QA 評価 利用者 APIレスポンス フィードバック DNNモデル ラベル付前画像 人間参加型 アクティブ・ラーニングシステ ム 推論 画像元 ローカリゼーション 画像検証 画像注釈付
  30. 30. Rekognition 事例: 千株式会社さま • 「はいチーズ!」 • スクールフォトの撮影とネット販売 • 利⽤者はサイト上で,⾃分の⼦どもが映っている写真を探して,選 んで,購⼊ • 写真が⼤量で探すのが⼤変
  31. 31. Rekognition 事例: 千株式会社さま 顔検索により,⾃分の⼦どもの写真を簡単に探せるように
  32. 32. AI Services 35 ⽂章をリアルな⾳声 に変換するサービス Polly Lex 声やテキストを使⽤した会話 型インターフェイスを様々な アプリケーションに構築する ためのサービス Rekognition 画像分析機能をアプリケーション に簡単に追加できるようにする サービス ※これらは,fine-tuning された AWS が提供する深層学習モデルを API で簡単に利⽤できるマネージドサービスとなります
  33. 33. Lex の概要 ⾳声やテキストを使⽤して、任意のアプリケーションに対話型インター フェイス(ボット)を構築するサービス AWS プラットフォームのセキュリティ、モニタリング、ユーザー認証、 ビジネスロジック、ストレージ、モバイルアプリケーション開発を実現す るためのスイート • AWS Lambda、AWS MobileHub、および Amazon CloudWatch との 組み込み統合を提供 • Amazon Cognito や Amazon DynamoDB など 他の多くのサービスと 簡単に統合できる 36
  34. 34. Lex – 仕組み: ボットの構成要素 Utterances BookHotel Intents Slots Fulfillment intent はユーザが⼊⼒した⾃然⾔語 に応答してfulfillmentを実⾏する intent を発動する⼝頭、もしくは、 ⼊⼒されるフレーズ Slot は intent を満たすために 要求される⼊⼒データ intent を実現する ビジネスロジック Prompt Slot を引き出すためのフレーズ
  35. 35. Lex - ユースケース: 情報ボット 患者向け診察予約ボットを構築する 1.患者がケア施設に午後3時の 予約を要求する 2.Lex は予約のスケジューリングが リクエストされたことを認識する 3.Lex が予約について都合の良い 曜日を尋ねる 4.予約時間が確保される 5.患者は木曜日の午後3時に 予約完了の通知を受ける ユーザ入力情報 Lex のテキストレスポンス
  36. 36. Lex - 仕組み: “Book a Hotel” “Book a Hotel in NYC” Hotel Booking City New York City CheckIn CheckOut ⾳声 ⾃然⾔語理解(NLU) Book Hotel NYC ⾃動⾳声認識(ASR) Hotel Booking New York City a in テキスト Intent/Slot モデル
  37. 37. Lex - 仕組み: “Book a Hotel” “When would you check in ?” Polly(TTS) テキスト⾳声 Hotel Booking City New York City CheckIn CheckOut “Can I go ahead with the booking? Prompt “When would you check in ?” No
  38. 38. Lex - 仕組み: “Book a Hotel” “When would you check in ?” Polly(TTS) テキスト⾳声 Prompt “When would you check in ?” “November 30th“ Hotel Booking City New York City CheckIn CheckOut
  39. 39. Lex - 仕組み: “Book a Hotel” “November 30th“ Hotel Booking City New York City CheckIn CheckOut ⾃然⾔語理解(NLU)⾃動⾳声認識(ASR) Hotel Booking November 30thNovember 30th テキスト⾳声 Intent/Slot モデル November 30th
  40. 40. Lex - 仕組み: “Book a Hotel” “When would you check out ?” Polly(TTS) テキスト⾳声 Hotel Booking City New York City CheckIn CheckOut “Can I go ahead with the booking? Prompt “When would you check out ?” No November 30th
  41. 41. Lex - 仕組み: “Book a Hotel” “When would you check out ?” Polly(TTS) テキスト⾳声 Prompt “When would you check out ?” Hotel Booking City New York City CheckIn CheckOut “Can I go ahead with the booking? No “December 2nd“ November 30th
  42. 42. Lex - 仕組み: “Book a Hotel” “December 2nd“ Hotel Booking City New York City CheckIn CheckOut ⾃然⾔語理解(NLU)⾃動⾳声認識(ASR) Hotel Booking December 2ndDecember 2nd テキスト⾳声 Intent/Sl ot モデル December 2nd November 30th
  43. 43. Lex - 仕組み: “Book a Hotel” Hotel Booking City New York City CheckIn CheckOut December 2nd “Your hotel is booked for Nov 30th” Confirmation: “Your hotel is booked for Nov 30th” Yes Polly(TTS) テキスト⾳声 “Can I go ahead with the booking? November 30th
  44. 44. マネジメントコンソールの開発画⾯
  45. 45. 4 レイヤーから構成される AWS の AI サービス 48 Services Amazon Rekognition Amazon Polly Amazon Lex Platform Amazon Machine Learning Engines TensorFlow Caffe Torch Theano CNTK Keras CPU IoT MobileInfrastructure GPU Apache Spark & Amazon EMR Amazon Kinesis AWS Batch Amazon ECS MXNet AWS Deep Learning AMI
  46. 46. Amazon Machine Learning データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  47. 47. Amazon Machine Learning フルマネージドの予測モデル & API を提供 50 • 線形回帰,2項ロジスティック回帰,多項 ロジスティック回帰の3種類のアルゴリズ ムをサポート • Cross Validation や正則化,精度評価ま で含んでおり,簡単にモデル構築が可能 • 構築したモデルを使って,新しいデータを API経由で予測可能 • お⼿軽にシンプルな予測モデルをシステム に組み込んで利⽤できる
  48. 48. Amazon EMR (Elastic MapReduce) データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  49. 49. Amazon EMR (Elastic MapReduce) フルマネージドな Hadoop を提供しており,ク ラスタの構築,構成変更,破棄まで管理可能 データの加⼯整形を⾏なって,機械学習に必要な データを抜き出すことが可能 MLlib を使った Spark アプリケーションを開発す ることで,スケーラブルに機械学習を実⾏するこ とができる 開発・本番と,ワークロードに応じて異なるクラ スタを⽴ち上げてジョブを実⾏可能 52
  50. 50. AWS Batch によるバッチ処理の管理 データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  51. 51. • 多量のバッチジョブ実⾏をクラスタの 管理を⾏う事なしに容易に実現できる • ジョブとして登録したアプリケーショ ンやコンテナイメージをスケジューラ が実⾏ • 利⽤するインスタンスタイプや数、ス ポット利⽤有無などCompute Environmentとして任意に指定可能 フルマネージド型のバッチ処理実⾏サービス AWS Batchで管理 処理を 依頼 スケジュール 実⾏ AWS Batch によるバッチ処理の管理
  52. 52. 4 レイヤーから構成される AWS の AI サービス 55 Services Amazon Rekognition Amazon Polly Amazon Lex Platform Amazon Machine Learning Engines TensorFlow Caffe Torch Theano CNTK Keras CPU IoT MobileInfrastructure GPU Apache Spark & Amazon EMR Amazon Kinesis AWS Batch Amazon ECS MXNet AWS Deep Learning AMI
  53. 53. Deep Learning AMI による⾼速な環境構築 データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  54. 54. Deep Learning AMI による⾼速な環境構築 57 AWS Deep Learning AMI MXNet TensorFlow Caffe & Caffe2 Theano Cognitive Toolkit Torch Keras Nvidia CUDA & cuDNN Python 2 & Python 3 Intel MKL Anaconda Amazon EC2 (Amazon Linux / Ubuntu)
  55. 55. AWS は MXNet を全⾯的にサポート マルチ GPU でのスケーラビリティに優れている AWS 社員もコミッターとして活躍 Keras や CoreML 対応など,積極的に開発が進められている 58 http://aws.typepad.com/sajp/2016/11/mxnet-default-framework-deep-learning-aws.html
  56. 56. 4 レイヤーから構成される AWS の AI サービス 59 Services Amazon Rekognition Amazon Polly Amazon Lex Platform Amazon Machine Learning Engines TensorFlow Caffe Torch Theano CNTK Keras CPU IoT MobileInfrastructure GPU Apache Spark & Amazon EMR Amazon Kinesis AWS Batch Amazon ECS MXNet AWS Deep Learning AMI
  57. 57. 次世代GPUインスタンス P3 Instances! データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  58. 58. 次世代GPUインスタンス P3 Instances! • NVIDIAの最新GPU Tesla V100 • 最も強⼒な GPU-based プラットフォーム • ディープラーニングで P2 に⽐べ最⼤ 14 倍の性能向上 61 NVIDIA Roadmap (GTC 2017)
  59. 59. GPU 性能⽐較 NVIDIA GPU アーキテクチャ Kepler (P2 インスタンス) → Maxwell → Pascal → Volta (P3 インスタンス) 0 1000 2000 3000 4000 5000 6000 K80 P100 V100 Resnet-50 8 GPU (Images/sec) 7.2X
  60. 60. EC2の新インスタンスファミリ C5 データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  61. 61. EC2の新インスタンスファミリ C5 AVX-512 命令セットを利⽤可能で,機械学習やマルチメ ディア,科学技術計算などに向く https://aws.amazon.com/jp/blogs/news/now-available-compute-intensive-c5-instances-for-amazon-ec2/ Instance Name vCPUs RAM EBS Bandwidth Network Bandwidth c5.large 2 4 GiB Up to 2.25 Gbps Up to 10 Gbps c5.xlarge 4 8 GiB Up to 2.25 Gbps Up to 10 Gbps c5.2xlarge 8 16 GiB Up to 2.25 Gbps Up to 10 Gbps c5.4xlarge 16 32 GiB 2.25 Gbps Up to 10 Gbps c5.9xlarge 36 72 GiB 4.5 Gbps 10 Gbps c5.18xlarge 72 144 GiB 9 Gbps 25 Gbps
  62. 62. Greengrass による IoT デバイス上での推論 データ 学習 推論 ⼤量の GPU ⼤規模データの処理 試⾏錯誤の繰り返し データの⾼速な加⼯整形 ⼤規模データの保管 ⼤量の GPU と CPU 継続的なデプロイ IoT デバイスで動作
  63. 63. Greengrass による IoT デバイス上での推論 機械学習の推論処理を,デバイス上で直接⾏うことができる 通信が発⽣しないため,⾼速に推論結果を返すことが可能 クラウドと同期することで,新しい機械学習モデルに更新する ことができる Device State Action Device Gateway Messages Authentication & Authorization Security
  64. 64. © 2017, Amazon Web Services, Inc. or its Affiliates. All rights reserved. 事例 67
  65. 65. Motorola Solutions における画像認識の活⽤事例 警察官が利⽤できるデバイス, サービスを提供 不明者の発⾒にAmazonの画像認識、⾳声認識を活⽤ AWS re:Invent 2016: Machine Learning State of the Union Mini Con (MAC206) – YouTube https://youtu.be/HqsUfyu0XJc?t=183329 • カメラでリアルタイムに顔を抽出して AWS に送信 • DBにデータを保存して Rekognition に 顔認識顔リクエストを送信 • マッチしたら、イベントでPollyを呼び 出して,⾳声でアラートを通知
  66. 66. RoomClip さま Rekognition + Amazon Machine Learning の事例 部屋のインテリア実例共有サイト 「部屋全体を映している画像かどうか」を判定 マネージドサービスを組み合わせることで,低コストで機械学 習サービスを構築 69 Amazon RekognitionとMachine Learningで画像判定機を気軽に作る http://engineer.roomclip.jp/entry/20 部屋画像の ラベルを抽出 特定ラベルの確信度を 独⽴変数として 部屋写真か否か判定する モデルを構築 構築したモデルで その他画像を判定 Rekognition Amazon Machine Learning
  67. 67. Gunosy さま 配信するニュース記事の⾃動分類 それぞれの記事に対して,どのカテゴリに分類されるかを判定 教師あり多クラス分類 https://d1.awsstatic.com/events/jp/2017/summit/devday/D2T8-6.66aa102dbe8d99e0b223956201db984762d204c5.pdf
  68. 68. Capital One さま ⾳声認識の活⽤事例 • 全⽶最⼤のネットバンク,4位のクレジットカード発⾏会社 • Amazon Alexa を活⽤した⾳声ベースのバンキングアプリ • ユーザのアクセシビリティを改善する取り組み AWS re:Invent 2016: How Capital One Built a Voice-Based Banking Skill for Amazon Echo (ALX201) – YouTube https://www.youtube.com/watch?v=-MtwpZFmexg
  69. 69. Zillow さま Spark MLlib によるレコメンデーション • Zillow は住宅のマーケットプレイスに関するWebサービスを展開 • さまざまなレコメンデーションを活⽤ • セール物件 / 貸出可能物件をメールで利⽤者にプッシュ • 「この物件に似た物件」 • パーソナライズド検索 • 住宅購⼊確率,物件売却 確率の予測 • 類似画像 / 動画 AWS re:Invent 2016: Zillow Group: Developing Classification and Recommendation Engines with Amazon EMR and Apache Spark (MAC303) https://www.slideshare.net/AmazonWebServices/aws-reinvent-2016-zillow-group-developing-classification-and-recommendation-engines-with-amazon- emr-and-apache-spark-mac303
  70. 70. まとめ
  71. 71. まとめ Amazon では機械学習技術を活⽤した取り組みを実施 4 つの形で機械学習技術を提供しており,ビジネスの状況 に合わせて活⽤可能 • サービス • プラットフォーム • エンジン • インフラストラクチャ 74
  72. 72. まとめ : Amazon AI サイト、Amazon AI Blog https://aws.amazon.com/jp/amazon-ai/ https://aws.amazon.com/jp/blogs/ai/
  73. 73. re:Invent 11/27-12/1 @ ラスベガス • ENT301 - Real-World AI and Deep Learning for the Enterprise • ATC302 - How to Leverage AWS Machine Learning Services to Analyze and Optimize your Google DoubleClick Campaign Manager Data at Scale • ALX319 - Itʼs All in the Data: The Machine Learning Behind Alexaʼs AI Systems • GPSBUS201 - GPS: Artificial Intelligence, Machine Learning, Deep Learning: Cutting through the Hype • ALX304 - Five Ways Artificial Intelligence Will Reshape How Developers Think 77

×