エウレカBIチームでSageMakerを導入した話です。メリットや他ツールとの雑比較をします。

1. Copyright © 2009-2017 eureka, inc. All rights reserved.
SageMakerを導入した話
Mizuki Kobayashi / eureka, inc.

2. じこしょうかい
About me

3. Copyright © 2009-2017 eureka, inc. All rights reserved.
なまえ Mizuki Kobayashi
しょぞく BIチーム
たんとう 分析 / 機械学習
じこしょうかい
ぶんせき きかいがくしゅう
びいあい

4. Copyright © 2009-2017 eureka, inc. All rights reserved.

5. Copyright © 2009-2017 eureka, inc. All rights reserved.

6. Copyright © 2009-2017 eureka, inc. All rights reserved.

7. 今日のお話

8. - 今までの分析環境(少し)
- SageMaker を導入した話
今日のお話

9. 現在の分析環境
い ま

10. 使用ツール：
Redash, Spreadsheet, SageMaker, Tableau
使用用途：
Redash - Adhocな可視化、定期実行、データソースへのアクセス
Spreadsheet - 施策単位での可視化
Tableau - ダッシュボード
SageMaker - 複雑な分析、機械学習
現在の分析環境
い ま

12. SageMakerとはなんぞや

13. SageMakerとはなんぞや
Amazon SageMaker はフルマネージドなエンド・エンド機械学習サービスで、データサイエンティストや開発
者、機械学習のエキスパートがクイックに機械学習モデルをスケーラブルにビルド・学習・ホストすることを
可能とします。このサービスが機械学習に関する全ての試みを急激に加速し、プロダクションアプリケー
ションに素早く機械学習を追加可能とします。
引用元：https://aws.amazon.com/jp/blogs/news/amazon-sagemaker/

15. - 機械学習系のライブラリが一通り入ったJupyter Notebook
- モデルの学習プロセスを簡単便利に
- 学習したモデルのホスティングが楽
SageMakerとはなんぞや
Amazon SageMaker はフルマネージドなエンド・エンド機械学習サービスで、データサイエンティストや開発
者、機械学習のエキスパートがクイックに機械学習モデルをスケーラブルにビルド・学習・ホストすることを
可能とします。このサービスが機械学習に関する全ての試みを急激に加速し、プロダクションアプリケー
ションに素早く機械学習を追加可能とします。
引用元：https://aws.amazon.com/jp/blogs/news/amazon-sagemaker/

16. 使ってる雰囲気を感じ取れるコンテンツ

17. 使ってる雰囲気を感じ取れるコンテンツ

18. 使ってる雰囲気を感じ取れるコンテンツ

19. 便利だSageMaker

20. 便利だSageMaker
- 簡単にDBからデータを持ってこれる
- Jupyter notebookを簡単に共有できる
- 作ったモデルはそのままデプロイできちゃう

21. 簡単にDBからデータを持ってこれる
- 各自で環境を作らなくても分析用DBにクエリを投げられる！
- SageMakerから直接DBにつなぐのではなくRedashを経由する
- Redashを経由することで認証を一つにまとめられる
- https://github.com/Mizkino/redquery
-
- AWS上にあってセキュリティの設定が簡単
- Redashもプロダクトも基本AWS上にあるので設定を寄せられる

22. - ローカルで環境を作成しなくてOK
- あらかじめある程度のライブラリがインストールされてる
- 各自の環境は保存できる
-
- 分析の途中経過が見られる
- コードやコメントを残すことができる
- クエリや前処理、結果やグラフを一つの流れで見られる
Jupyter notebookを簡単に共有できる

23. - Built-inのアルゴリズムだとGUIだけでイケる
- コードを一行も書くことなく学習ジョブもモデルのホスティングもできる
- 簡単な回帰系からトピック分析とかレコメンド系もある
-
- モデルの学習とホスティングが完全に切り分けられてる
- 学習させたモデルを他で用いることも可能
- 独自のモデルのDockerイメージをホスティングすることもできる
- 複数モデルを使ってのA/Bテストもできる
作ったモデルはそのままデプロイできちゃう

24. 他との比較

25. - jupyter hub, jupyter server
- 共有やアカウント周りは自分たちでできて楽
- とはいえ、自分たちで環境を作ってメンテし続けるのだるい
- Google Cloud Lab
- 一人一環境なので結局共有がだるい
- Google Colaboratory
- 共有すごい楽
- 時間が経つと環境がリセットされるの面倒臭い
- 検討段階でPython3に対応してなかった
他との比較

26. まとめ

27. まとめ
- SageMaker便利だ（まだ100%使いこなしていないけど）
- SageMakerもっと使っていきたい
- Redashすごい

28. CONFIDENTIAL
Thank you
:)
Thank you :)