SlideShare a Scribd company logo
© 2017, Amazon Web Services, Inc. or its Affiliates. All rights reserved.
2017年8月26日
AWS
Managed Serviceを活用したAI戦略
アマゾン ウェブ サービス ジャパン株式会社
プロダクトマーケティング
エバンジェリスト 亀田 治伸
自己紹介
亀田 治伸(かめだ はるのぶ) 44歳
•出身:石川県→兵庫県→新潟県
→米国イリノイ州シカゴ→神奈川県横浜市
•好きなもの:ガンダム、焼肉、焼酎
•得意領域:暗号、認証、動画配信
Background
•某セキュリティ系独立型ASP
•動画・音楽配信システム構築
•決済代行事業者
•暗号アプライアンス販売
•Amazon Web Services Japan
プロダクトマーケティング, エバンジェリスト
機械学習とはなにか
大量の
データ
学習
アルゴ
リズム
機械
学習
モデル
学習
予測
入力
データ
機械
学習
モデル
予測
判断
結果
Input
Output
4 レイヤーから構成される AWS の機械学習サービス
4 レイヤーから構成される AWS の機械学習サービス
AI Services
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
Amazon Polly
• 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 47 のリアルな声優の音声を提供
• 音声の保存と配信,SSML* と Lexicon** によるカスタマイズが可能
• リップシンクのためのスピーチマーク機能や,ささやき声の発話機能が追加
*Speech Synthesis Markup Language **語彙目録
<lexeme>
<grapheme>Kaja</grapheme>
<grapheme>kaja</grapheme>
<grapheme>KAJA</grapheme>
<phoneme>"kaI.@</phoneme>
</lexeme>
My daughter’s name is Kaja.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>
SSML Lexicon
Pollyユースケース: FM和歌山
❑ 完全に自動化されたキャスター不要のニュース配信が可能に
❑ 安定してアナウンサーを確保するのが難しい状況でも、タイムリーにニュー
ス配信が可能
❑ 今後は災害情報等のタイムリーな発信にも確保していく予定
PollyとCMSの融合例
Amazon
S3原稿
AWS
Lambda
Amazon
RDS
Amazon
ElastiCache
Amazon
DynamoDB
Amazon
EC2
自動化レイヤ
CMS連携
(手作業)
Amazon Polly
Amazon Rekognition
❏ 深層学習に基づく画像認識サービス
❏ 各種機能を API で提供し,アプリケーションに画像認識機能を簡単に追加可能
❏ 新機能:イメージモデレーション機能 / 性的・暴力的な画像を検出
❏ 新機能:有名人顔検索機能 / 有名人かどうかの判定
物体とシーンの検出 顔分析 顔照合 顔認識
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
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
Amazon Lex
❏ 音声やテキストを使用して,自動音声認識と自然言語理解の機能を通じて任意のアプ
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
❖ AWS Lambda,Amazon Cognito や Amazon DynamoDB などと統合可能
❖ GA に合わせて Slack, Twilio 統合や SDK サポートなどの機能追加
BookHotel Intents
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
Utterances
Slots
Fulfillment
intent を発動するフレーズ
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
20170826 Oita JAWS
AIを組み合わせて実現する音声言語処理
“What’s the weather
forecast?”
Weather
Forecast
“The temperature
in WA is 75°F”
“The temperature
in Washington is 75
degrees Fahrenheit”
Amazon
LEX
Amazon
Polly
Lex - 仕組み: Prompt
I’d like to book a hotel
What date do you check in?
New York City
Sure what city do you want to book?
Nov 30th Check In
11/30/201
6
City
New York City
4 レイヤーから構成される AWS の機械学習サービス
Amazon machine Learning
❏ スケーラビリティ:
システムの拡張や運用を考える必要がない
❏ パッケージ化:
テストデータ分割や評価手法,予測 API の提供などが組み込まれている
Amazon Redshiftアプリケーション
Redshift上の取引データ
を使ってAmazon MLで
不正取引の抽出を行い、
S3に出力される結果を
Redshiftに戻して利用。
2クラス分類
ロジスティック回帰
多クラス分類
多項ロジスティック回帰
回帰分析
線形回帰
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
❏ HDFS ではなく S3 上のデータを直接読み書きすることで
コンピュートとストレージを分離
❏ ワークロードに応じたクラスタを複数立ち上げ、同一データを
並列に処理可能
❏ ETL 処理から機械学習まで幅広く利用可能
機械学習・分析処理のためのソフトウェアスタック
http://docs.aws.amazon.com//emr/latest/ReleaseGuide/emr-release-components.html
4 レイヤーから構成される AWS の機械学習サービス
Deep Learningに最適なP2インスタンス
❏ GPU アクセラレータ NVIDIA Tesla K80 を最大 16 個搭載可能
❏ 大量の GPU を使うことで,ディープラーニングのモデル構築にかかる時間を大幅に
短縮可能
❏ AMI(Amazon Machine Image) を使うことで,ディープラーニングの学習環境を
容易に構築可能
Instance
Name
GPU
Count
Memory
GPU
Memory
Network
Performance
P2.xlarge 1 61GiB 12 GiB High
P2.8xlarge 8 488GiB 96 GiB 10 Gigabit
P2.16xlarge 16 732GiB 192 GiB 20 Gigabit
IoTの利用は活発に
(出典:国内IoT市場 テクノロジー別予測 2016年5月18日 IDC Japan株式会社)
予測
2015年 約6.2兆円
2020年 約13.8兆円
2015年
ハードウェア
コネクティビティ
2020年
IoTプラットフォーム
アナリティクス
導入/運用サービス
IoTにAWSを活用する日本のお客さま
鮮度/生産管理 動線把握
モニタリング/操作
故障改善
遠隔制御
車両モニタリング/操作 畜産・生産性改善スマートホーム
スイング把握/改善
IoTでビッグデータで利益向上
年間10億件にものぼるデータをクラウド上で解析
現在の消費状況から
「15分後の需要予測」を個々の店舗で実現
株式会社グッデイさま
お客様及び従業員の方の動線を「可視化」
バックヤード作業を効率化、従業員のお客様対応時
間増で売上増(5~10%)
AWS IoTとは?
接続されたデバイスが簡単かつ安全にクラウドアプリケーションや
デバイスとやり取りできるマネージド型クラウドプラットフォーム
接続されたデバイスが簡単かつ安全に
クラウドアプリケーションやデバイスと
通信できるマネージド型クラウドプラットフォーム
AWS IoT
IoTプラットフォーム
データ
収集
データ保存
データ処理・分析
活用
デバイス
制御
デバイス管理
アラート
業務支援
システム
Report/Dashboard
(故障予知・予測)
デバイス管理
データ収集・分析
リモート制御
アラート
業務支援
システム
Report/Dashboard
(故障予知・予測)
デバイス管理
デバイス制御
データ収集 データ処理・分析
データ保存
デバイス管理
データ活用
S3
Kinesis
S3 RDS DynamoDBGlacier
RedshiftEMR Machine Learning QuickSight
ElasticSearch
Kinesis
API GW
Lambda
SNS
AWS IoT Solution
Lambda
AWSで構築するIoTプラットフォーム
モニタリング
位置情報管理・状態監視・
実績把握・動線把握
予防予知保全
稼働実績・異常監視
作業効率・自動化
保守作業指示
遠隔制御
機器運用・
ファームアップ
IoTで求められる主な要件
アラート
業務支援
システム
デバイス制御
データ収集 データ処理・分析
データ保存
デバイス管理
データ活用
S3
Kinesis
S3 RDS DynamoDBGlacier
RedshiftEMR Machine Learning QuickSight
ElasticSearch
Kinesis
API GW
Lambda
SNS
AWS IoT Solution
Lambda
AWSで構築するIoTプラットフォーム
モニタリング
位置情報管理・状態監視・
実績把握・動線把握
予防予知保全
稼働実績・異常監視
作業効率・自動化
保守作業指示
遠隔制御
機器運用・
ファームアップ
IoTで求められる主な要件
IoT
IoT IoT
Report/Dashboard
(故障予知・予測)
デバイス管理
AWS IoT Overview
AWS IoT: ルールエンジン
ルールエ
ンジン
シンプル&慣れた構文
- SQL文を使ったトピックのフィルタ
- WHERE句をオプションで付けるこ
とも可能
- JSONサポート
メッセージ変換機能
- 文字列操作 (regex support)
- 算術計算
- 暗号
- UUID, Timestamp, 乱数など
AWS IoT ルールエンジン概要
SELECT * FROM ‘things/thing-2/color’
WHERE color = ‘red’
AWS IoT AWSサービス
ルールエンジンは、受け取った
メッセージを評価し、適切に変
換とエンドポイントへの配信を
ルールに従って実行
外部のエンドポイントは、
LambdaかSNSを使って呼び
出す
Lambda の呼び出し
S3 bucketへのデータ格納
DynamoDBテーブルへの
挿入、更新と読み出し
SNS に対するパブリッシュ
Kinesis へのパブリッシュ
アクション
AWS IoTへのリパブリッシュ
AWS IoT : シャドー
THING SHADOW
Persistent thing state
during intermittent
connections
シャドー
アプリケーション
AWS IoT シャドー
Shadow
AWS IoT シャドーのフロー
Shadow
Device SDK
1. 現在の状態を送信
2. JSON形式で保存
3. アプリによる状態確認
4. 状態変更指示5. ステータスSync
6. 最新ステータスの送信 7. ステーテス変更の通知
AWS IoT
IoTとクラウドの特性と相性
• 実証実験先行型
• 急激なスケール爆発
IoTとクラウドの特性と相性
• 実証実験先行型
• 急激なスケール爆発
捨てれるIT
いつでも変更できるIT
無尽蔵のコンピュートリ
ソース
数分でデプロイ
IoTサービス構造
センサ 機器 センサ 機器
広域なネットワーク
狭域なネットワーク
ゲートウェイ
C:フィールド
領域
B:ネットワーク
領域
A:インフラ
領域
IoTプラットフォーム
デバイス管理 ストレージ データ解析 デバイス制御
エッジ・コンピュー
ティング
遅延要求の厳しいリ
アルタイム・アプリ
ケーションを実現
IoTアプリケーション
可視化
予測/分析/通知/制御
物理法則 経済の法則 (決まり)
ローカルで処理することの価値
• 通信速度
• Latency
• 回線敷設のコスト
• 常時オンラインの機能
要件
Lambda
• 特徴 (http://aws.amazon.com/jp/lambda/)
– OS、キャパシティ等インフラの管理不要
– S3、Kinesis、SNS等でのイベント発生を元に
ユーザが用意したコードを実行
• Python, Node.js, Java, .NET
– ユーザアプリからの同期/非同期呼び出し
• 価格体系 (http://aws.amazon.com/jp/lambda/pricing/)
– コード実行時間(100ms単位)
– Lambdaファンクションへのリクエスト回数
– 1月あたり100万リクエスト、400,000GB/秒が
無料で利用可能
イベントをトリガーにコードを実行するコンピュートサービス
AWS LambdaAmazon S3 Bucket イベン
ト
元画像 サムネイル画像
1
2
3
AWS
Lambda
Amazon
DynamoDB
Table and Stream
プッシュ通知
別テーブルを更新
■イメージのリサイズやサムネイルの作成
■値チェックや別テーブルへのコピー
AWS Greengrass
Greengrass SDK
Local環境
MQTT
• Status Sync
• サービスとの接続
Greengrassのメリット
ローカル処理による高速レスポンス
常時接続不要
センシティブ情報の処理(暗号化/削除)
Greengrass Core
Lambda
Device shadow
AWS内部で動作するプログラム
実行基盤をローカルで実行
Amazon Greengrass
広域なネットワーク
狭域なネットワーク
ゲートウェイIoTゲートウェイ
IoTデバイス
・各種センサ
・アクチュエータ
Greengrass
必要なデータのみ
リアルタイム性
高いアクセス頻度
Local で実行される Lambda
AWS Greengrass のLambda
functionsはPython 2.7をサポート
メッセージング / shadow update
を契機にLambdaを実行できる
Long-run(永続起動型)サポート
開発はクラウドで行い、ローカル
へデプロイできるようになる
AWS IoTユースケース: 株式会社ウフル
「enebular」 活用事例
データ分析に
基づく
価値の再発見
効率化
高機能化
高性能化
省力化
省エネ化
見える化
(1)生産性向上
従来のITシステム
データ収集能力向上
大規模データ活用
AI分析(機械学習) (2)付加価値創出
ビジネスモデルの革新、新ビジネスモデルの創出
既
存
ビ
ジ
ネ
ス
の
改
善
IoTイノベーション
20170826 Oita JAWS

More Related Content

What's hot

2021 days opening
2021 days opening2021 days opening
2021 days opening
Kameda Harunobu
 
Reinvent2017 recap-gaming-session-2
Reinvent2017 recap-gaming-session-2Reinvent2017 recap-gaming-session-2
Reinvent2017 recap-gaming-session-2
Amazon Web Services Japan
 
[CTO Night & Day 2019] CTO のための一歩進んだコンテナ入門 #ctonight
[CTO Night & Day 2019] CTO のための一歩進んだコンテナ入門 #ctonight[CTO Night & Day 2019] CTO のための一歩進んだコンテナ入門 #ctonight
[CTO Night & Day 2019] CTO のための一歩進んだコンテナ入門 #ctonight
Amazon Web Services Japan
 
Reinvent2017 recap-gaming-session-1
Reinvent2017 recap-gaming-session-1Reinvent2017 recap-gaming-session-1
Reinvent2017 recap-gaming-session-1
Amazon Web Services Japan
 
クラウドとコミュニティのこれまでとこれから 20150322_#JAWSDAYS
クラウドとコミュニティのこれまでとこれから 20150322_#JAWSDAYSクラウドとコミュニティのこれまでとこれから 20150322_#JAWSDAYS
クラウドとコミュニティのこれまでとこれから 20150322_#JAWSDAYS
Hideki Ojima
 
AWS Black Belt Online Seminar 2018 re:Invent 2017 Recap Machine Learning / Da...
AWS Black Belt Online Seminar 2018 re:Invent 2017 Recap Machine Learning / Da...AWS Black Belt Online Seminar 2018 re:Invent 2017 Recap Machine Learning / Da...
AWS Black Belt Online Seminar 2018 re:Invent 2017 Recap Machine Learning / Da...
Amazon Web Services Japan
 
[CTO Night & Day 2019] グローバルのサービス展開に向けたマルチリージョンアーキテクチャ- #ctonight
[CTO Night & Day 2019] グローバルのサービス展開に向けたマルチリージョンアーキテクチャ- #ctonight[CTO Night & Day 2019] グローバルのサービス展開に向けたマルチリージョンアーキテクチャ- #ctonight
[CTO Night & Day 2019] グローバルのサービス展開に向けたマルチリージョンアーキテクチャ- #ctonight
Amazon Web Services Japan
 
AWSが誕生するまでの秘話
AWSが誕生するまでの秘話AWSが誕生するまでの秘話
AWSが誕生するまでの秘話
Yasuhiro Horiuchi
 
Amazon GameLift FlexMatch
Amazon GameLift FlexMatchAmazon GameLift FlexMatch
Amazon GameLift FlexMatch
Amazon Web Services Japan
 
AWS Black Belt Online Seminar 2018 AWS上の位置情報
AWS Black Belt Online Seminar 2018 AWS上の位置情報AWS Black Belt Online Seminar 2018 AWS上の位置情報
AWS Black Belt Online Seminar 2018 AWS上の位置情報
Amazon Web Services Japan
 
[CTO Night & Day 2019] CTO のためのセキュリティ for Seed ~ Mid Stage #ctonight
[CTO Night & Day 2019] CTO のためのセキュリティ for Seed ~ Mid Stage #ctonight[CTO Night & Day 2019] CTO のためのセキュリティ for Seed ~ Mid Stage #ctonight
[CTO Night & Day 2019] CTO のためのセキュリティ for Seed ~ Mid Stage #ctonight
Amazon Web Services Japan
 
[CTO Night & Day 2019] AWS のコスト最適化 #ctonight
[CTO Night & Day 2019] AWS のコスト最適化 #ctonight[CTO Night & Day 2019] AWS のコスト最適化 #ctonight
[CTO Night & Day 2019] AWS のコスト最適化 #ctonight
Amazon Web Services Japan
 
[CTO Night & Day 2019] 高可用性アーキテクチャについて考える #ctonight
[CTO Night & Day 2019] 高可用性アーキテクチャについて考える #ctonight[CTO Night & Day 2019] 高可用性アーキテクチャについて考える #ctonight
[CTO Night & Day 2019] 高可用性アーキテクチャについて考える #ctonight
Amazon Web Services Japan
 
【IVS CTO Night & Day】アマゾンのイノベーション 〜それを支えるカルチャー〜
【IVS CTO Night & Day】アマゾンのイノベーション 〜それを支えるカルチャー〜【IVS CTO Night & Day】アマゾンのイノベーション 〜それを支えるカルチャー〜
【IVS CTO Night & Day】アマゾンのイノベーション 〜それを支えるカルチャー〜
Amazon Web Services Japan
 
AWS Black Belt Online Seminar 2018 Amazon WorkSpaces
AWS Black Belt Online Seminar 2018 Amazon WorkSpacesAWS Black Belt Online Seminar 2018 Amazon WorkSpaces
AWS Black Belt Online Seminar 2018 Amazon WorkSpaces
Amazon Web Services Japan
 
Microservice and agile development
Microservice and agile developmentMicroservice and agile development
Microservice and agile development
Kameda Harunobu
 
20180306 AWS Black Belt Online Seminar 働き方改革を実現するAWSのエンドユーザーコンピューティングサービス
20180306 AWS Black Belt Online Seminar  働き方改革を実現するAWSのエンドユーザーコンピューティングサービス20180306 AWS Black Belt Online Seminar  働き方改革を実現するAWSのエンドユーザーコンピューティングサービス
20180306 AWS Black Belt Online Seminar 働き方改革を実現するAWSのエンドユーザーコンピューティングサービス
Amazon Web Services Japan
 
Migartion to AWS
Migartion to AWSMigartion to AWS
Migartion to AWS
Kameda Harunobu
 
Gaming cicd-pipeline gaming-technight-2
Gaming cicd-pipeline gaming-technight-2Gaming cicd-pipeline gaming-technight-2
Gaming cicd-pipeline gaming-technight-2
Amazon Web Services Japan
 

What's hot (20)

2021 days opening
2021 days opening2021 days opening
2021 days opening
 
Reinvent2017 recap-gaming-session-2
Reinvent2017 recap-gaming-session-2Reinvent2017 recap-gaming-session-2
Reinvent2017 recap-gaming-session-2
 
[CTO Night & Day 2019] CTO のための一歩進んだコンテナ入門 #ctonight
[CTO Night & Day 2019] CTO のための一歩進んだコンテナ入門 #ctonight[CTO Night & Day 2019] CTO のための一歩進んだコンテナ入門 #ctonight
[CTO Night & Day 2019] CTO のための一歩進んだコンテナ入門 #ctonight
 
Reinvent2017 recap-gaming-session-1
Reinvent2017 recap-gaming-session-1Reinvent2017 recap-gaming-session-1
Reinvent2017 recap-gaming-session-1
 
インフォバーングループにおけるAWS活用事例5選
インフォバーングループにおけるAWS活用事例5選インフォバーングループにおけるAWS活用事例5選
インフォバーングループにおけるAWS活用事例5選
 
クラウドとコミュニティのこれまでとこれから 20150322_#JAWSDAYS
クラウドとコミュニティのこれまでとこれから 20150322_#JAWSDAYSクラウドとコミュニティのこれまでとこれから 20150322_#JAWSDAYS
クラウドとコミュニティのこれまでとこれから 20150322_#JAWSDAYS
 
AWS Black Belt Online Seminar 2018 re:Invent 2017 Recap Machine Learning / Da...
AWS Black Belt Online Seminar 2018 re:Invent 2017 Recap Machine Learning / Da...AWS Black Belt Online Seminar 2018 re:Invent 2017 Recap Machine Learning / Da...
AWS Black Belt Online Seminar 2018 re:Invent 2017 Recap Machine Learning / Da...
 
[CTO Night & Day 2019] グローバルのサービス展開に向けたマルチリージョンアーキテクチャ- #ctonight
[CTO Night & Day 2019] グローバルのサービス展開に向けたマルチリージョンアーキテクチャ- #ctonight[CTO Night & Day 2019] グローバルのサービス展開に向けたマルチリージョンアーキテクチャ- #ctonight
[CTO Night & Day 2019] グローバルのサービス展開に向けたマルチリージョンアーキテクチャ- #ctonight
 
AWSが誕生するまでの秘話
AWSが誕生するまでの秘話AWSが誕生するまでの秘話
AWSが誕生するまでの秘話
 
Amazon GameLift FlexMatch
Amazon GameLift FlexMatchAmazon GameLift FlexMatch
Amazon GameLift FlexMatch
 
AWS Black Belt Online Seminar 2018 AWS上の位置情報
AWS Black Belt Online Seminar 2018 AWS上の位置情報AWS Black Belt Online Seminar 2018 AWS上の位置情報
AWS Black Belt Online Seminar 2018 AWS上の位置情報
 
[CTO Night & Day 2019] CTO のためのセキュリティ for Seed ~ Mid Stage #ctonight
[CTO Night & Day 2019] CTO のためのセキュリティ for Seed ~ Mid Stage #ctonight[CTO Night & Day 2019] CTO のためのセキュリティ for Seed ~ Mid Stage #ctonight
[CTO Night & Day 2019] CTO のためのセキュリティ for Seed ~ Mid Stage #ctonight
 
[CTO Night & Day 2019] AWS のコスト最適化 #ctonight
[CTO Night & Day 2019] AWS のコスト最適化 #ctonight[CTO Night & Day 2019] AWS のコスト最適化 #ctonight
[CTO Night & Day 2019] AWS のコスト最適化 #ctonight
 
[CTO Night & Day 2019] 高可用性アーキテクチャについて考える #ctonight
[CTO Night & Day 2019] 高可用性アーキテクチャについて考える #ctonight[CTO Night & Day 2019] 高可用性アーキテクチャについて考える #ctonight
[CTO Night & Day 2019] 高可用性アーキテクチャについて考える #ctonight
 
【IVS CTO Night & Day】アマゾンのイノベーション 〜それを支えるカルチャー〜
【IVS CTO Night & Day】アマゾンのイノベーション 〜それを支えるカルチャー〜【IVS CTO Night & Day】アマゾンのイノベーション 〜それを支えるカルチャー〜
【IVS CTO Night & Day】アマゾンのイノベーション 〜それを支えるカルチャー〜
 
AWS Black Belt Online Seminar 2018 Amazon WorkSpaces
AWS Black Belt Online Seminar 2018 Amazon WorkSpacesAWS Black Belt Online Seminar 2018 Amazon WorkSpaces
AWS Black Belt Online Seminar 2018 Amazon WorkSpaces
 
Microservice and agile development
Microservice and agile developmentMicroservice and agile development
Microservice and agile development
 
20180306 AWS Black Belt Online Seminar 働き方改革を実現するAWSのエンドユーザーコンピューティングサービス
20180306 AWS Black Belt Online Seminar  働き方改革を実現するAWSのエンドユーザーコンピューティングサービス20180306 AWS Black Belt Online Seminar  働き方改革を実現するAWSのエンドユーザーコンピューティングサービス
20180306 AWS Black Belt Online Seminar 働き方改革を実現するAWSのエンドユーザーコンピューティングサービス
 
Migartion to AWS
Migartion to AWSMigartion to AWS
Migartion to AWS
 
Gaming cicd-pipeline gaming-technight-2
Gaming cicd-pipeline gaming-technight-2Gaming cicd-pipeline gaming-technight-2
Gaming cicd-pipeline gaming-technight-2
 

Similar to 20170826 Oita JAWS

【JAWS-UG AI/ML支部 第14回勉強会】Amazon EC2 Trn1 GA ! ~ AWSが提供するML向けインスタンスの豊富な品揃えと 専...
【JAWS-UG AI/ML支部 第14回勉強会】Amazon EC2 Trn1 GA !  ~ AWSが提供するML向けインスタンスの豊富な品揃えと 専...【JAWS-UG AI/ML支部 第14回勉強会】Amazon EC2 Trn1 GA !  ~ AWSが提供するML向けインスタンスの豊富な品揃えと 専...
【JAWS-UG AI/ML支部 第14回勉強会】Amazon EC2 Trn1 GA ! ~ AWSが提供するML向けインスタンスの豊富な品揃えと 専...
TakeshiFukae
 
Aws seminar-tokyo dan-jp-final-publish
Aws seminar-tokyo dan-jp-final-publishAws seminar-tokyo dan-jp-final-publish
Aws seminar-tokyo dan-jp-final-publish
awsadovantageseminar
 
re:Invent 2018 ML サービスアップデート
re:Invent 2018 ML サービスアップデートre:Invent 2018 ML サービスアップデート
re:Invent 2018 ML サービスアップデート
Amazon Web Services Japan
 
Amazonでのレコメンド生成における深層学習とAWS利用について
Amazonでのレコメンド生成における深層学習とAWS利用についてAmazonでのレコメンド生成における深層学習とAWS利用について
Amazonでのレコメンド生成における深層学習とAWS利用について
Amazon Web Services Japan
 
AWS Black Belt Online Seminar 2017 Amazon EC2
AWS Black Belt Online Seminar 2017 Amazon EC2AWS Black Belt Online Seminar 2017 Amazon EC2
AWS Black Belt Online Seminar 2017 Amazon EC2
Amazon Web Services Japan
 
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンクラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
Amazon Web Services Japan
 
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようMicrosoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Hideo Takagi
 
Serverless analytics on aws
Serverless analytics on awsServerless analytics on aws
Serverless analytics on aws
Amazon Web Services Japan
 
20180619 AWS Black Belt Online Seminar データレイク入門: AWSで様々な規模のデータレイクを分析する効率的な方法
20180619 AWS Black Belt Online Seminar データレイク入門: AWSで様々な規模のデータレイクを分析する効率的な方法20180619 AWS Black Belt Online Seminar データレイク入門: AWSで様々な規模のデータレイクを分析する効率的な方法
20180619 AWS Black Belt Online Seminar データレイク入門: AWSで様々な規模のデータレイクを分析する効率的な方法
Amazon Web Services Japan
 
Japan wrapup reinvent2018
Japan wrapup reinvent2018Japan wrapup reinvent2018
Japan wrapup reinvent2018
Amazon Web Services Japan
 
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンクラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
Amazon Web Services Japan
 
20180220 AWS Black Belt Online Seminar - Amazon Container Services
20180220 AWS Black Belt Online Seminar - Amazon Container Services20180220 AWS Black Belt Online Seminar - Amazon Container Services
20180220 AWS Black Belt Online Seminar - Amazon Container Services
Amazon Web Services Japan
 
[CTO Night & Day 2019] ML services: MLOps #ctonight
[CTO Night & Day 2019] ML services: MLOps #ctonight[CTO Night & Day 2019] ML services: MLOps #ctonight
[CTO Night & Day 2019] ML services: MLOps #ctonight
Amazon Web Services Japan
 
Gaming on aws 〜ゲームにおけるAWS最新活用術〜
Gaming on aws 〜ゲームにおけるAWS最新活用術〜Gaming on aws 〜ゲームにおけるAWS最新活用術〜
Gaming on aws 〜ゲームにおけるAWS最新活用術〜
Amazon Web Services Japan
 
BrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AIBrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AI
Daiyu Hatakeyama
 
2011年12月 アタックス共同セミナー「先行投資を最小化するクラウドの最新事情」
2011年12月 アタックス共同セミナー「先行投資を最小化するクラウドの最新事情」2011年12月 アタックス共同セミナー「先行投資を最小化するクラウドの最新事情」
2011年12月 アタックス共同セミナー「先行投資を最小化するクラウドの最新事情」
Serverworks Co.,Ltd.
 
[CTO Night & Day 2019] よくある課題を一気に解説!御社の技術レベルがアップする 2019 秋期講習 #ctonight
[CTO Night & Day 2019] よくある課題を一気に解説!御社の技術レベルがアップする 2019 秋期講習 #ctonight[CTO Night & Day 2019] よくある課題を一気に解説!御社の技術レベルがアップする 2019 秋期講習 #ctonight
[CTO Night & Day 2019] よくある課題を一気に解説!御社の技術レベルがアップする 2019 秋期講習 #ctonight
Amazon Web Services Japan
 
研究用途でのAWSの利用事例と機械学習について
研究用途でのAWSの利用事例と機械学習について研究用途でのAWSの利用事例と機械学習について
研究用途でのAWSの利用事例と機械学習について
Yasuhiro Matsuo
 
今からでも間に合う!インフラ自動化超入門 @渋谷
今からでも間に合う!インフラ自動化超入門 @渋谷今からでも間に合う!インフラ自動化超入門 @渋谷
今からでも間に合う!インフラ自動化超入門 @渋谷
Daigou Harada
 

Similar to 20170826 Oita JAWS (20)

【JAWS-UG AI/ML支部 第14回勉強会】Amazon EC2 Trn1 GA ! ~ AWSが提供するML向けインスタンスの豊富な品揃えと 専...
【JAWS-UG AI/ML支部 第14回勉強会】Amazon EC2 Trn1 GA !  ~ AWSが提供するML向けインスタンスの豊富な品揃えと 専...【JAWS-UG AI/ML支部 第14回勉強会】Amazon EC2 Trn1 GA !  ~ AWSが提供するML向けインスタンスの豊富な品揃えと 専...
【JAWS-UG AI/ML支部 第14回勉強会】Amazon EC2 Trn1 GA ! ~ AWSが提供するML向けインスタンスの豊富な品揃えと 専...
 
Aws seminar-tokyo dan-jp-final-publish
Aws seminar-tokyo dan-jp-final-publishAws seminar-tokyo dan-jp-final-publish
Aws seminar-tokyo dan-jp-final-publish
 
Aws dan jp-final-publish
Aws dan jp-final-publishAws dan jp-final-publish
Aws dan jp-final-publish
 
re:Invent 2018 ML サービスアップデート
re:Invent 2018 ML サービスアップデートre:Invent 2018 ML サービスアップデート
re:Invent 2018 ML サービスアップデート
 
Amazonでのレコメンド生成における深層学習とAWS利用について
Amazonでのレコメンド生成における深層学習とAWS利用についてAmazonでのレコメンド生成における深層学習とAWS利用について
Amazonでのレコメンド生成における深層学習とAWS利用について
 
AWS Black Belt Online Seminar 2017 Amazon EC2
AWS Black Belt Online Seminar 2017 Amazon EC2AWS Black Belt Online Seminar 2017 Amazon EC2
AWS Black Belt Online Seminar 2017 Amazon EC2
 
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンクラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
 
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようMicrosoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
 
Serverless analytics on aws
Serverless analytics on awsServerless analytics on aws
Serverless analytics on aws
 
20180619 AWS Black Belt Online Seminar データレイク入門: AWSで様々な規模のデータレイクを分析する効率的な方法
20180619 AWS Black Belt Online Seminar データレイク入門: AWSで様々な規模のデータレイクを分析する効率的な方法20180619 AWS Black Belt Online Seminar データレイク入門: AWSで様々な規模のデータレイクを分析する効率的な方法
20180619 AWS Black Belt Online Seminar データレイク入門: AWSで様々な規模のデータレイクを分析する効率的な方法
 
Japan wrapup reinvent2018
Japan wrapup reinvent2018Japan wrapup reinvent2018
Japan wrapup reinvent2018
 
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンクラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
 
20180220 AWS Black Belt Online Seminar - Amazon Container Services
20180220 AWS Black Belt Online Seminar - Amazon Container Services20180220 AWS Black Belt Online Seminar - Amazon Container Services
20180220 AWS Black Belt Online Seminar - Amazon Container Services
 
[CTO Night & Day 2019] ML services: MLOps #ctonight
[CTO Night & Day 2019] ML services: MLOps #ctonight[CTO Night & Day 2019] ML services: MLOps #ctonight
[CTO Night & Day 2019] ML services: MLOps #ctonight
 
Gaming on aws 〜ゲームにおけるAWS最新活用術〜
Gaming on aws 〜ゲームにおけるAWS最新活用術〜Gaming on aws 〜ゲームにおけるAWS最新活用術〜
Gaming on aws 〜ゲームにおけるAWS最新活用術〜
 
BrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AIBrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AI
 
2011年12月 アタックス共同セミナー「先行投資を最小化するクラウドの最新事情」
2011年12月 アタックス共同セミナー「先行投資を最小化するクラウドの最新事情」2011年12月 アタックス共同セミナー「先行投資を最小化するクラウドの最新事情」
2011年12月 アタックス共同セミナー「先行投資を最小化するクラウドの最新事情」
 
[CTO Night & Day 2019] よくある課題を一気に解説!御社の技術レベルがアップする 2019 秋期講習 #ctonight
[CTO Night & Day 2019] よくある課題を一気に解説!御社の技術レベルがアップする 2019 秋期講習 #ctonight[CTO Night & Day 2019] よくある課題を一気に解説!御社の技術レベルがアップする 2019 秋期講習 #ctonight
[CTO Night & Day 2019] よくある課題を一気に解説!御社の技術レベルがアップする 2019 秋期講習 #ctonight
 
研究用途でのAWSの利用事例と機械学習について
研究用途でのAWSの利用事例と機械学習について研究用途でのAWSの利用事例と機械学習について
研究用途でのAWSの利用事例と機械学習について
 
今からでも間に合う!インフラ自動化超入門 @渋谷
今からでも間に合う!インフラ自動化超入門 @渋谷今からでも間に合う!インフラ自動化超入門 @渋谷
今からでも間に合う!インフラ自動化超入門 @渋谷
 

More from Kameda Harunobu

AWS Transfer Family SFTP and FTPS
AWS Transfer Family SFTP and FTPSAWS Transfer Family SFTP and FTPS
AWS Transfer Family SFTP and FTPS
Kameda Harunobu
 
AWS リモートワークソリューション
AWS リモートワークソリューションAWS リモートワークソリューション
AWS リモートワークソリューション
Kameda Harunobu
 
Migration to AWS part2
Migration to AWS part2Migration to AWS part2
Migration to AWS part2
Kameda Harunobu
 
AWS 資格試験対策講座
AWS 資格試験対策講座AWS 資格試験対策講座
AWS 資格試験対策講座
Kameda Harunobu
 
re:invent2019 NW JAWS
re:invent2019 NW JAWSre:invent2019 NW JAWS
re:invent2019 NW JAWS
Kameda Harunobu
 
Sapporo devfesta 2019/11/13
Sapporo devfesta 2019/11/13Sapporo devfesta 2019/11/13
Sapporo devfesta 2019/11/13
Kameda Harunobu
 
JAWS Festa 2019 keynote
JAWS Festa 2019 keynoteJAWS Festa 2019 keynote
JAWS Festa 2019 keynote
Kameda Harunobu
 
Aws handson 20181108
Aws handson 20181108Aws handson 20181108
Aws handson 20181108
Kameda Harunobu
 
20180123 20分でlive配信aws media services(media live mediapackage)_pub
20180123 20分でlive配信aws media services(media live mediapackage)_pub20180123 20分でlive配信aws media services(media live mediapackage)_pub
20180123 20分でlive配信aws media services(media live mediapackage)_pub
Kameda Harunobu
 
Word press preinstall-iam対応版-aws体験ハンズオン-セキュア&スケーラブルウェブサービス構築編
Word press preinstall-iam対応版-aws体験ハンズオン-セキュア&スケーラブルウェブサービス構築編Word press preinstall-iam対応版-aws体験ハンズオン-セキュア&スケーラブルウェブサービス構築編
Word press preinstall-iam対応版-aws体験ハンズオン-セキュア&スケーラブルウェブサービス構築編
Kameda Harunobu
 
Migration to aws as of 20170920
Migration to aws as of 20170920Migration to aws as of 20170920
Migration to aws as of 20170920
Kameda Harunobu
 

More from Kameda Harunobu (11)

AWS Transfer Family SFTP and FTPS
AWS Transfer Family SFTP and FTPSAWS Transfer Family SFTP and FTPS
AWS Transfer Family SFTP and FTPS
 
AWS リモートワークソリューション
AWS リモートワークソリューションAWS リモートワークソリューション
AWS リモートワークソリューション
 
Migration to AWS part2
Migration to AWS part2Migration to AWS part2
Migration to AWS part2
 
AWS 資格試験対策講座
AWS 資格試験対策講座AWS 資格試験対策講座
AWS 資格試験対策講座
 
re:invent2019 NW JAWS
re:invent2019 NW JAWSre:invent2019 NW JAWS
re:invent2019 NW JAWS
 
Sapporo devfesta 2019/11/13
Sapporo devfesta 2019/11/13Sapporo devfesta 2019/11/13
Sapporo devfesta 2019/11/13
 
JAWS Festa 2019 keynote
JAWS Festa 2019 keynoteJAWS Festa 2019 keynote
JAWS Festa 2019 keynote
 
Aws handson 20181108
Aws handson 20181108Aws handson 20181108
Aws handson 20181108
 
20180123 20分でlive配信aws media services(media live mediapackage)_pub
20180123 20分でlive配信aws media services(media live mediapackage)_pub20180123 20分でlive配信aws media services(media live mediapackage)_pub
20180123 20分でlive配信aws media services(media live mediapackage)_pub
 
Word press preinstall-iam対応版-aws体験ハンズオン-セキュア&スケーラブルウェブサービス構築編
Word press preinstall-iam対応版-aws体験ハンズオン-セキュア&スケーラブルウェブサービス構築編Word press preinstall-iam対応版-aws体験ハンズオン-セキュア&スケーラブルウェブサービス構築編
Word press preinstall-iam対応版-aws体験ハンズオン-セキュア&スケーラブルウェブサービス構築編
 
Migration to aws as of 20170920
Migration to aws as of 20170920Migration to aws as of 20170920
Migration to aws as of 20170920
 

Recently uploaded

Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
Takayuki Nakayama
 
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
chisatotakane
 
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
Toru Tamaki
 
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログLoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
CRI Japan, Inc.
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo Lab
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
Sony - Neural Network Libraries
 
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
Toru Tamaki
 
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit IntroductionMatsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo Lab
 
Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)
Natsutani Minoru
 
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ..."ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
たけおか しょうぞう
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo Lab
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
shogotaguchi
 

Recently uploaded (12)

Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
 
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
 
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
 
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログLoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
 
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
 
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit IntroductionMatsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit Introduction
 
Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)
 
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ..."ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
 

20170826 Oita JAWS

Editor's Notes

  1. Amazon Rekognition では、IndexFaces API 関数を使用して顔のメタデータを保存することにより、似ている顔の画像コレクションの検索を簡単にします。 それから、SearchFaces 関数を使用して信頼性の高い一致を返すことができます。顔コレクションはお客様が所有および管理する顔のインデックスです。 A mobile app uploads new images to S3 An S3 notification triggers a Lambda function which calls Rekognition’s DetectLabels API with an S3 url DetectLabels analyzes the image and returns labels for objects and scenes detected in the image This output is persisted as metadata into DynamoDB to ensure durability and into Elasticsearch to power a smart search index. The application serves selected images directly from S3. Options on this configuration include: writing to Elasticsearch directly from the Lambda function, and using CloudFront to serve the image to the user.
  2. Amazon Rekognition では、IndexFaces API 関数を使用して顔のメタデータを保存することにより、似ている顔の画像コレクションの検索を簡単にします。 それから、SearchFaces 関数を使用して信頼性の高い一致を返すことができます。顔コレクションはお客様が所有および管理する顔のインデックスです。 A mobile app uploads new images to S3 An S3 notification triggers a Lambda function which calls Rekognition’s DetectLabels API with an S3 url DetectLabels analyzes the image and returns labels for objects and scenes detected in the image This output is persisted as metadata into DynamoDB to ensure durability and into Elasticsearch to power a smart search index. The application serves selected images directly from S3. Options on this configuration include: writing to Elasticsearch directly from the Lambda function, and using CloudFront to serve the image to the user.
  3. まずは、物体とシーンの検出機能です。 DetectLables API を利用することで、画像から車、ペット、家具など、数千もの物体を識別し、信頼スコアを取得することができます。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値です。 この画像からもかえでの木や庭、プールなどが識別されます。この機能を利用することで大規模な画像ライブラリに物体やシーンの情報を追加することができ、より充実した検索・フィルタリング機能、カテゴリわけなどの管理機能を付加することができるようになると考えられます。
  4. 次は顔分析機能についてご紹介します。 DetectFaces API を利用することで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することが可能です。 画像のトリミングや広告を重ねる機能で自動的に顔をさけるようにしたり、分析結果から、ユーザを年代や性別で分類する、大量にある自分の写真から一番ハッピーな写真を探すといったことが可能になります。
  5. 実際にホテルを予約する会話の流れをトレースしてみましょう。 “Book a Hotel in NYC” という音声を自動音声認識と自然言語理解の機能を通じ、Hotel Booking という intent が起動され、City Slot にNew York City が当てはまります。 まだ、checkin と checkout の変数が確定していないので、会話をつづけ、全ての slot が確定したのち、 ラムダ関数で fulfillment が実行され、New York City で11月30日にホテルが予約できたことがユーザに伝えられます。
  6. 実際にホテルを予約する会話の流れをトレースしてみましょう。 “Book a Hotel in NYC” という音声を自動音声認識と自然言語理解の機能を通じ、Hotel Booking という intent が起動され、City Slot にNew York City が当てはまります。 まだ、checkin と checkout の変数が確定していないので、会話をつづけ、全ての slot が確定したのち、 ラムダ関数で fulfillment が実行され、New York City で11月30日にホテルが予約できたことがユーザに伝えられます。
  7. Utterance は会話を起動するフレーズです。 ホテルを予約することを意味するフレーズは複数想定されるため、複数登録することが可能です。 ボットは会話の中で近しいと考えられる意図を起動しますが、Uttranceを設定することで intent を起動する精度を高めることができます。
  8. 国内IoT(※1)市場の市場規模について、2015年の支出額は約6.2兆円で、2020年の支出額は約13.8兆円になると予測 2015年時点において支出額の半分以上を占めるのは「ハードウェア」と「コネクティビティ」で、10年~20年ほど前から、製造業の工場などで、さまざまな組込み系産業機械の稼働状況を監視するようなユースケースが既に数多く存在していたことに起因 2020年には約6割に達すると見込まれ、IoTを活用する上での技術障壁やコスト障壁を大幅に軽減するIoTクラウドプラットフォームや、ネットワークにつながった機器の故障予測などを実現するアナリティクスソフトウェア、およびそれらに付随するさまざまな導入サービス/運用サービスといった技術要素に対する支出が急速に成長 IDC Japan http://www.idcjapan.co.jp/Press/Current/20160518Apr.html
  9. ビーコンを使った動線把握 お客様及び従業員の方の動線を「可視化」することにより、例えば、1日のうち平均約1 - 2時間は、バックヤードでの作業(発注、倉庫作業など)についやしていたことがわかり、バックヤード作業を効率化することで、従業員が売り場に立つ時間を増やし、お客様対応に時間を使うことで売上増(5〜10%)に繋がった。
  10. AWS IoT is a service that enables secure, bi-directional messaging between internet-connected things [examples] and the cloud [protocols]. At the core of the system is THE MESSAGE BROKER.
  11. AWS IoT is a service that enables secure, bi-directional messaging between internet-connected things [examples] and the cloud [protocols]. At the core of the system is THE MESSAGE BROKER.
  12. 物理法則 ・例えば生産ラインでの急停止など非常に短いLatencyを求められるケース 経済法則 ・storage/computeコストに比べて、ネットワークのコストは安くない、下がりにくい状況にある 法律 ・病院などでは、病院でデータを保管することが必要なケースがある
  13. 物理法則 ・例えば生産ラインでの急停止など非常に短いLatencyを求められるケース 経済法則 ・storage/computeコストに比べて、ネットワークのコストは安くない、下がりにくい状況にある 法律 ・病院などでは、病院でデータを保管することが必要なケースがある
  14. リリース当初は python2.7の予定
  15. Amazon Rekognition では、 API 関数を使用して顔のメタデータを保存することにより、似ている顔の画像コレクションの検索を簡単にします。 それから、SearchFaces 関数を使用して信頼性の高い一致を返すことができます。顔コレクションはお客様が所有および管理する顔のインデックスです。 A mobile app uploads new images to S3 An S3 notification triggers a Lambda function which calls Rekognition’s DetectLabels API with an S3 url DetectLabels analyzes the image and returns labels for objects and scenes detected in the image This output is persisted as metadata into DynamoDB to ensure durability and into Elasticsearch to power a smart search index. The application serves selected images directly from S3. Options on this configuration include: writing to Elasticsearch directly from the Lambda function, and using CloudFront to serve the image to the user.