SlideShare a Scribd company logo
Amazon Machine Learning
Yuta Imai
Solutions Architect, Amazon Data Services Japan, K.K.
アジェンダ
1.  機械学習とは?
2.  Amazon Machine Learning (Amazon ML)
3.  アーキテクチャへの組み込み
Part1: 機械学習とは?
3種類のデータ駆動型アプリケーション
遡及的分析とレ
ポーティング
即時の判断
リアルタイム処理と
ダッシュボード
予測
スマートアプリ
ケーションを作
成可能にするAmazon Kinesis
Amazon EC2
AWS Lambda
Amazon Redshift,
Amazon RDS
Amazon S3
Amazon EMR
Amazon ML
機械学習の例
•  このメールはスパムメールか?
–  過去のメールアーカイブをもとにYes/Noを予測する
•  この商品は本、日用品、食品のいずれなのか?
–  多くの商品データをもとにその商品のカテゴリを予測する
•  明日の売上はどのくらいになるか?
–  過去の売上データなどをもとに明日の売上を予測する
機械学習の例
•  このメールはスパムメールか?
–  過去のメールアーカイブをもとにYes/Noを予測する
送信者domain サーバーIP 送信時刻 言語 Spam?
A 123.123.123.123 ... JP Y
B 111.111.111.111 ... EN N
B 111.111.111.111 ... EN N
D 123.456.789.012 ... FR Y
送信者domain サーバーIP 送信時刻 言語 Spam?
B 123.123.123.123 ... JP
A 123.456.789.012 ... FR
教師データ
予測対象データ
別の方法でSpam判定済
みの教師データ(過去の
データ)をもとに
予測対象データ(新しい
データ)のSpam判定をす
る
機械学習の例
•  この商品は本、日用品、食品のいずれなのか?
–  多くの商品データをもとにその商品のカテゴリを予測する
商品名 価格 大きさ メーカー カテゴリ
A 123 ... AA Book
B 456 ... BB Book
C 100 ... CC Food
D 500 ... DD Grosery
商品名 価格 大きさ メーカー カテゴリ
E 500 ... EE
F 600 ... FF
教師データ
予測対象データ
大量の商品のデータをも
とに
未知の商品のカテゴリを
予測する
機械学習の例
•  明日の売上はどのくらいになるか?
–  過去の売上データなどをもとに明日の売上を予測する
売上
条件
(注:時系列というわけではない)
モデル
過去のデータ群
条件=明日
その他の例 …
詐欺の検知 不正取引の検知、 不正クリック検知、スパムeメールのフィル
タリング、 疑わしいレビューのマーキング …
パーソナライゼーション コンテンツのレコメンデーション、予測的なコンテンツロード、
ユーザエクスペリエンスの改善 …
ターゲットマーケティング オファーとお客様のマッチング、 マーケティングキャンペーン
の選択、クロスセリングやアップセリング …
コンテンツ分類 ドキュメントのカテゴリー分類、履歴書と採用マネージャの
マッチング …
変動予測 サービスを使うのを止めそうなお客様の検知、 無料ユーザ
からアップグレードのオファー …
カスタマーサポート お客様からのメールの適切な転送先推測、ソーシャルメディ
アリスニング …
スマートアプリケーション(機械学習を有効活用したアプリ
ケーション)が続々と登場しないのはなぜか?
1.  機械学習の専門家が少ない
2.  機械学習の仕組みを作り、スケールさせることは
技術的に困難
3.  モデルとアプリケーションのギャップを縮めるには、
長い時間と高い費用が必要になる
スマートアプリケーションを作るには
専門家 技術 使いやすさ
データサイエンティスト
の人数は限られる
多くの選択肢があるが
決定的なものが無い
複雑で間違いを起こし
やすいワークフロー
外注するのは高くつく 使いこなし、スケールさ
せることが困難
特殊なプラットフォーム
とAPI
カスタムソリューションを
作成するために多くの細
かい作業が毎回必要に
なる
モデルライフサイクル管
理を無駄に再発明
もし、より良い方法があったら?
Amazon MLの登場
使いやすく、マネージド。開発者のために
作られた機械学習サービス
Amazon内部のシステムで利用されてい
た堅牢でパワフルな機械学習の技術
AWSクラウドにすでに格納されている
データを元にモデルを作成可能
モデルを一瞬で本番環境に適用できる
Part2: Amazon Machine Learning
Amazon Machine Learningとは
Machine Learning as a Service
Amazonで鍛えられた百戦錬磨の内部テクノロ
ジーがベース
–  利用者は自分でアルゴリズムの実装や詳細なチューニン
グを行う必要がない
パッケージサービスとしての提供:
–  スマートなデータ変換
–  データ入力およびモデルクエリーのアラート
–  業界のベストプラクティスを内蔵
ニーズに合わせて成長
–  利用者はシステムの拡張やその運用についても考える必
要がない
Amazon MLでできること(概要)
Amazon MLでできること
予測モデルとアルゴリズム
二項分類
ロジスティック回帰
多クラス分類
多項式ロジスティック回帰
回帰分析
線形回帰
このメールはスパム?Yes?No?
これは本?車?食べ物?
あしたは水曜日。在庫はいくつくら
い必要?
Amazon MLでできること
予測予測手法
バッチ予測
S3等にアップロードされた予測
対象データに対してまとめて予
測を実施
リアルタイム予測
データ1件ずつAPIを使って予測
を実施する
Model
ml = Aws::MachineLearning::Client.new!
record = { attr_A: ‘foo’, attr_B: ‘bar’,... }!
result = ml.predict(!
ml_model_id: MODELID,!
record: record,!
predict_endpoint: ENDPOIND!
)!
予測対象
データ
S3バケット
結果データ
S3バケット
予測対象
データ
予測対象
データ
Amazon MLの使い方
Amazon MLを使うための4つのステップ
1.  教師用/評価用データを準備
–  S3やRedshiftにデータを準備し、Amazon MLに読み込ませる
2.  教師データからモデルを作成
–  用意されたデータをもとに予測モデルを作成
3.  モデルの品質評価
–  予測モデルの品質の確認や簡単なチューニングなどを行う
4.  実際の予測の実施
–  バッチ予測
–  リアルタイム予測
1.教師用/評価用データを準備
Data Sourceの作成
S3、 Amazon Redshift、 RDS上の
MySQLに格納されたデータを指定し、教
師データ/評価用データとして利用する
デフォルトの設定を使うと、自動的に7割
を教師データ(T)、3割を評価用データ
(E)に分割して管理してくれる
s3://SOURCEDATA
T E
2.教師データからモデルを作成
二項分類
ロジスティック回帰
多クラス分類
多項式ロジスティック回帰
回帰分析
線形回帰
教師データを元にAmazon ML
が自動的にモデルを選択してく
れる。例えば予測対象のカラム
が二値型であれば二項分類が
自動的に選択される。
3. モデルの品質評価
作成したモデルに対して評価(試
験用のデータを流してみて予測の
精度を測ること)を実施する。精度
に満足できない場合、入力データ
を精査するなどする。
4.実際の予測の実施
バッチ予測
S3等にアップロードされた予測
対象データに対してまとめて予
測を実施
リアルタイム予測
データ1件ずつAPIを使って予測
を実施する
Model
ml = Aws::MachineLearning::Client.new!
record = { attr_A: ‘foo’, attr_B: ‘bar’,... }!
result = ml.predict(!
ml_model_id: MODELID,!
record: record,!
predict_endpoint: ENDPOIND!
)!
予測対象
データ
S3バケット
結果データ
S3バケット
予測対象
データ
予測対象
データ
料金
使った分だけ、安価な支払い
データ分析、モデルトレーニング、評価:
$0.42/インスタンス時
バッチ予測: $0.10/1000
リアルタイム予測: $0.10/1000
+ 1時間毎のキャパシティリザベーションチャージ
より深い情報が知りたければ
http://docs.aws.amazon.com/machine-learning/latest/mlconcepts/index.html
Learning Algorithm
The learning algorithm’s task is to learn the weights for the model. A learning algorithm consists
of a loss function and an optimization technique. The loss is the penalty that is incurred when
the estimate of the target provided by the ML model does not equal the target exactly. A loss
function is a function that quantifies this penalty as a single value. An optimization technique
seeks to minimize the loss. In Amazon Machine Learning, we have three loss functions, one
for each of the three types of prediction problems. The optimization technique used in
Amazon Machine Learning is online Stochastic Gradient Descent (SGD). SGD makes
sequential passes over the training data, and during each pass, updates feature weights one
example at a time with the aim of approaching the optimal weights that minimize the loss.
Amazon Machine Learning uses the following learning algorithms:
•  For binary classification, Amazon Machine Learning uses logistic regression (logistic
loss function + SGD).
•  For multiclass classification, Amazon Machine Learning uses multinomial logistic
regression (multinomial logistic loss + SGD).
•  For regression, Amazon Machine Learning uses linear regression (squared loss function
+ SGD).
ユースケースを考えてみる
機械学習を活用するために
•  機械学習をうまく活用するためには、自分たちが解
決したい問題を予測モデルに対してうまく落としこん
でやることが非常に重要
•  ここから何枚かのスライドでは、その落し込みの例
について考えてみる
広告の不正クリック検出
•  アプローチ
–  別の手法で判断したクリックログを教師データにして二項分類のトレーニング。
•  教師データ
–  実際のクリックログ。不正かそうでないかを別の手法で判断してフラグがついた
もの。
•  問題の分類
–  二項分類
•  出力
–  ログ一行ごとに不正クリックかそうでないか
予測的オートスケーリング(1)
•  アプローチ
–  日々のオートスケーリングのトレンドから予測曲線を得る
•  教師データ
–  毎日のEC2の台数の増減の履歴
•  問題の分類
–  回帰分析
•  出力
–  ●●曜日の●●時だったらEC2は●●台であるべき
予測的オートスケーリング(2)
•  アプローチ
–  オートスケーリングが発生するトラフィック・パターンを抽出する
•  教師データ
–  毎日のEC2の台数の増減の履歴にトラフィックパターンがマッピングされたもの
•  問題の分類
–  二項分類
•  出力
–  ●●なトラフィックパターンが現れたらオートスケーリングフラグがTrueになる
デモグラ推定
•  アプローチ
–  ユーザーの行動ログからF1,M1などのカテゴリにマッピングする
•  教師データ
–  デモグラがわかっているユーザーの行動ログ
•  問題の分類
–  多クラス分類
•  出力	
–  ユーザーのカテゴライズされたデモグラ
デモグラに基づいたレコメンデーション
•  アプローチ
–  デモグラごとに好まれる商品カテゴリを抽出してレコメンデーションに利用
•  教師データ
–  購入履歴にデモグラ情報がマッピングされたもの
•  問題の分類
–  多クラス分類
•  出力	
–  このユーザーはF1なので商品カテゴリ●●、みたいな出力
行動パターンに基づいた広告掲出
•  アプローチ
–  クリックストリームのパターンに対して「広告出すべきタイミングか否か」を判定する
–  もちろんパターン以外の要素も判定の対象にはする
•  教師データ
–  直近x回というウィンドウごとにまとめたクリックストリームログ
•  問題の分類
–  二項分類
•  出力	
–  あるパターンに行動がマッチしたときに「広告出せフラグ」が出る
曜日ごとに必要な在庫の予測
•  アプローチ
–  日ごとの在庫の出荷数の実績から次の特定の曜日の集荷数を予測する
•  教師データ
–  日毎の出荷数の実績データ
•  問題の分類
–  回帰分析
•  出力
–  曜日を入力すると必要な在庫の予測が出力される
株価予測
•  アプローチ
–  ある一連のシークエンスのあとに出現する値を予測する
•  教師データ
–  株価の推移をある特定のウィンドウごとにまとめたものの配列
•  問題の分類
–  回帰分析
•  出力
–  直近のウィンドウのシークエンスを入力すると次の値の予測が出力される
問題をどうモデルに落としこむかが非常に大事
•  教師データの量
•  教師データの形式、入力値
•  どのモデルを使うのか
•  何の値を予測/判定するのか
Part3: アーキテクチャへの組み込み
スマートアプリケーションのための
アーキテクチャパターン
EMRを使用したバッチ予測
Amazon ML batch APIで予
測をクエリーする
EMRで処理
S3にある元デー
タ
集計済データをS3に
予測データを
S3に アプリケーション
Amazon Redshiftを使ったバッチ予測
Amazon Redshiftに構造
化データ
Amazon Redshiftに
予測データをLOAD
-もしくは-
S3から直接、
予測データを読み取り
S3上の予測データ
Amazon ML batch APIで予
測をクエリーする
アプリケーション
インタラクティブアプリケーション用のリアルタイム予測
アプリケーション
Amazon ML Real-Time API
で予測をクエリーする
既存データフローに予測を追加する
アプリケーション
Amazon
DynamoDB
+
Lambdaでイベントトリガー
+
Amazon ML Real-Time APIで予測を
クエリーする
さいごに
Amazon Machine Learningを使うと・・・
•  機械学習の導入を非常に容易にしてくれる。機械学
習やそのためのシステムについての専門家がいな
くても可能。
•  S3やRedshiftにデータがあればすぐにでも使いはじ
めることができる。
溜めていたデータの評価や、その先のビジネスへの
活用を簡単に始めることができる。

More Related Content

What's hot

クラウドTCOの真実
クラウドTCOの真実クラウドTCOの真実
クラウドTCOの真実
SORACOM, INC
 
[AWSマイスターシリーズ] AWS Billingについて
[AWSマイスターシリーズ] AWS Billingについて[AWSマイスターシリーズ] AWS Billingについて
[AWSマイスターシリーズ] AWS BillingについてAmazon Web Services Japan
 
気になる気になるAWSの利用料金
気になる気になるAWSの利用料金気になる気になるAWSの利用料金
気になる気になるAWSの利用料金
Kieko Sakurai
 
[AWS Start-up ゼミ] 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 2017 夏期講習〜
[AWS Start-up ゼミ] 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 2017 夏期講習〜[AWS Start-up ゼミ] 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 2017 夏期講習〜
[AWS Start-up ゼミ] 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 2017 夏期講習〜
Amazon Web Services Japan
 
AWS Black Belt Techシリーズ Cost Explorer & AWS Trusted Advisor
AWS Black Belt Techシリーズ  Cost Explorer & AWS Trusted AdvisorAWS Black Belt Techシリーズ  Cost Explorer & AWS Trusted Advisor
AWS Black Belt Techシリーズ Cost Explorer & AWS Trusted Advisor
Amazon Web Services Japan
 
[要約] Building a Real-Time Bidding Platform on AWS #AWSAdTechJP
[要約] Building a Real-Time Bidding Platform on AWS #AWSAdTechJP[要約] Building a Real-Time Bidding Platform on AWS #AWSAdTechJP
[要約] Building a Real-Time Bidding Platform on AWS #AWSAdTechJP
Eiji Shinohara
 
AWS Black Belt Online Seminar 10 Years of AWS
AWS Black Belt Online Seminar 10 Years of AWSAWS Black Belt Online Seminar 10 Years of AWS
AWS Black Belt Online Seminar 10 Years of AWS
Amazon Web Services Japan
 
AWS Black Belt Online Seminar コストの観点から見るアカウント管理
AWS Black Belt Online Seminar コストの観点から見るアカウント管理AWS Black Belt Online Seminar コストの観点から見るアカウント管理
AWS Black Belt Online Seminar コストの観点から見るアカウント管理
Amazon Web Services Japan
 
Scaling on AWS - Feb 2016
Scaling on AWS - Feb 2016Scaling on AWS - Feb 2016
Scaling on AWS - Feb 2016
Eiji Shinohara
 
[AWSマイスターシリーズ] AWS Billingについて
[AWSマイスターシリーズ] AWS Billingについて[AWSマイスターシリーズ] AWS Billingについて
[AWSマイスターシリーズ] AWS BillingについてAmazon Web Services Japan
 
20170826 Oita JAWS
20170826 Oita JAWS20170826 Oita JAWS
20170826 Oita JAWS
Kameda Harunobu
 
Data Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdaysData Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdays
Kenta Suzuki
 
日本最大の即レスサービス「アンサー」を支える Amazon DynamoDB
日本最大の即レスサービス「アンサー」を支える Amazon DynamoDB日本最大の即レスサービス「アンサー」を支える Amazon DynamoDB
日本最大の即レスサービス「アンサー」を支える Amazon DynamoDB
Masahiro Akita
 
[最新版(12/5 最新版) が別にございます! Descriptionをご確認ください] AWS Black Belt Online Seminar A...
[最新版(12/5 最新版) が別にございます! Descriptionをご確認ください] AWS Black Belt Online Seminar A...[最新版(12/5 最新版) が別にございます! Descriptionをご確認ください] AWS Black Belt Online Seminar A...
[最新版(12/5 最新版) が別にございます! Descriptionをご確認ください] AWS Black Belt Online Seminar A...
Amazon Web Services Japan
 
Amazon webservice(aws)と他社サーバのコストパフォーマンス比較
Amazon webservice(aws)と他社サーバのコストパフォーマンス比較Amazon webservice(aws)と他社サーバのコストパフォーマンス比較
Amazon webservice(aws)と他社サーバのコストパフォーマンス比較
株式会社雲屋ネットワーク
 
現場的!オンプレとAWSの違い
現場的!オンプレとAWSの違い現場的!オンプレとAWSの違い
現場的!オンプレとAWSの違い
真吾 吉田
 
AWS初心者向けWebinar AWSでのコスト削減オプション
AWS初心者向けWebinar AWSでのコスト削減オプションAWS初心者向けWebinar AWSでのコスト削減オプション
AWS初心者向けWebinar AWSでのコスト削減オプション
Amazon Web Services Japan
 
SmartNews TechNight Vol.5 : SmartNews Ads の配信最適化の仕組みはどうなってるの? (エンジニア / SmartN...
SmartNews TechNight Vol.5 : SmartNews Ads の配信最適化の仕組みはどうなってるの? (エンジニア / SmartN...SmartNews TechNight Vol.5 : SmartNews Ads の配信最適化の仕組みはどうなってるの? (エンジニア / SmartN...
SmartNews TechNight Vol.5 : SmartNews Ads の配信最適化の仕組みはどうなってるの? (エンジニア / SmartN...
SmartNews, Inc.
 
コストエクスプローラーをつかいこなそう
コストエクスプローラーをつかいこなそうコストエクスプローラーをつかいこなそう
コストエクスプローラーをつかいこなそう
Eigoro Yamamura
 
Usage Report(利用レポート)のダウンロード・開き方
Usage Report(利用レポート)のダウンロード・開き方Usage Report(利用レポート)のダウンロード・開き方
Usage Report(利用レポート)のダウンロード・開き方
Amazon Web Services Japan
 

What's hot (20)

クラウドTCOの真実
クラウドTCOの真実クラウドTCOの真実
クラウドTCOの真実
 
[AWSマイスターシリーズ] AWS Billingについて
[AWSマイスターシリーズ] AWS Billingについて[AWSマイスターシリーズ] AWS Billingについて
[AWSマイスターシリーズ] AWS Billingについて
 
気になる気になるAWSの利用料金
気になる気になるAWSの利用料金気になる気になるAWSの利用料金
気になる気になるAWSの利用料金
 
[AWS Start-up ゼミ] 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 2017 夏期講習〜
[AWS Start-up ゼミ] 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 2017 夏期講習〜[AWS Start-up ゼミ] 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 2017 夏期講習〜
[AWS Start-up ゼミ] 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 2017 夏期講習〜
 
AWS Black Belt Techシリーズ Cost Explorer & AWS Trusted Advisor
AWS Black Belt Techシリーズ  Cost Explorer & AWS Trusted AdvisorAWS Black Belt Techシリーズ  Cost Explorer & AWS Trusted Advisor
AWS Black Belt Techシリーズ Cost Explorer & AWS Trusted Advisor
 
[要約] Building a Real-Time Bidding Platform on AWS #AWSAdTechJP
[要約] Building a Real-Time Bidding Platform on AWS #AWSAdTechJP[要約] Building a Real-Time Bidding Platform on AWS #AWSAdTechJP
[要約] Building a Real-Time Bidding Platform on AWS #AWSAdTechJP
 
AWS Black Belt Online Seminar 10 Years of AWS
AWS Black Belt Online Seminar 10 Years of AWSAWS Black Belt Online Seminar 10 Years of AWS
AWS Black Belt Online Seminar 10 Years of AWS
 
AWS Black Belt Online Seminar コストの観点から見るアカウント管理
AWS Black Belt Online Seminar コストの観点から見るアカウント管理AWS Black Belt Online Seminar コストの観点から見るアカウント管理
AWS Black Belt Online Seminar コストの観点から見るアカウント管理
 
Scaling on AWS - Feb 2016
Scaling on AWS - Feb 2016Scaling on AWS - Feb 2016
Scaling on AWS - Feb 2016
 
[AWSマイスターシリーズ] AWS Billingについて
[AWSマイスターシリーズ] AWS Billingについて[AWSマイスターシリーズ] AWS Billingについて
[AWSマイスターシリーズ] AWS Billingについて
 
20170826 Oita JAWS
20170826 Oita JAWS20170826 Oita JAWS
20170826 Oita JAWS
 
Data Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdaysData Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdays
 
日本最大の即レスサービス「アンサー」を支える Amazon DynamoDB
日本最大の即レスサービス「アンサー」を支える Amazon DynamoDB日本最大の即レスサービス「アンサー」を支える Amazon DynamoDB
日本最大の即レスサービス「アンサー」を支える Amazon DynamoDB
 
[最新版(12/5 最新版) が別にございます! Descriptionをご確認ください] AWS Black Belt Online Seminar A...
[最新版(12/5 最新版) が別にございます! Descriptionをご確認ください] AWS Black Belt Online Seminar A...[最新版(12/5 最新版) が別にございます! Descriptionをご確認ください] AWS Black Belt Online Seminar A...
[最新版(12/5 最新版) が別にございます! Descriptionをご確認ください] AWS Black Belt Online Seminar A...
 
Amazon webservice(aws)と他社サーバのコストパフォーマンス比較
Amazon webservice(aws)と他社サーバのコストパフォーマンス比較Amazon webservice(aws)と他社サーバのコストパフォーマンス比較
Amazon webservice(aws)と他社サーバのコストパフォーマンス比較
 
現場的!オンプレとAWSの違い
現場的!オンプレとAWSの違い現場的!オンプレとAWSの違い
現場的!オンプレとAWSの違い
 
AWS初心者向けWebinar AWSでのコスト削減オプション
AWS初心者向けWebinar AWSでのコスト削減オプションAWS初心者向けWebinar AWSでのコスト削減オプション
AWS初心者向けWebinar AWSでのコスト削減オプション
 
SmartNews TechNight Vol.5 : SmartNews Ads の配信最適化の仕組みはどうなってるの? (エンジニア / SmartN...
SmartNews TechNight Vol.5 : SmartNews Ads の配信最適化の仕組みはどうなってるの? (エンジニア / SmartN...SmartNews TechNight Vol.5 : SmartNews Ads の配信最適化の仕組みはどうなってるの? (エンジニア / SmartN...
SmartNews TechNight Vol.5 : SmartNews Ads の配信最適化の仕組みはどうなってるの? (エンジニア / SmartN...
 
コストエクスプローラーをつかいこなそう
コストエクスプローラーをつかいこなそうコストエクスプローラーをつかいこなそう
コストエクスプローラーをつかいこなそう
 
Usage Report(利用レポート)のダウンロード・開き方
Usage Report(利用レポート)のダウンロード・開き方Usage Report(利用レポート)のダウンロード・開き方
Usage Report(利用レポート)のダウンロード・開き方
 

Similar to Amazon Machine Learning

機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
 
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Daiyu Hatakeyama
 
ML Sagemaker Dev.IO
ML Sagemaker Dev.IOML Sagemaker Dev.IO
ML Sagemaker Dev.IO
__john_smith__
 
エンジニアのための機械学習の基礎
エンジニアのための機械学習の基礎エンジニアのための機械学習の基礎
エンジニアのための機械学習の基礎
Daiyu Hatakeyama
 
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Daiyu Hatakeyama
 
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデートAmazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Web Services Japan
 
機械学習のいろは
機械学習のいろは機械学習のいろは
機械学習のいろは
Korenori Sakanoue
 
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Daiyu Hatakeyama
 
20201125 EC Solution Seminar Recommend
20201125 EC Solution Seminar Recommend20201125 EC Solution Seminar Recommend
20201125 EC Solution Seminar Recommend
Amazon Web Services Japan
 
IoTデザインパターン 2015 JAWS沖縄
IoTデザインパターン 2015 JAWS沖縄IoTデザインパターン 2015 JAWS沖縄
IoTデザインパターン 2015 JAWS沖縄
Toshiaki Enami
 
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
 
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
 
エンタープライズと機械学習技術
エンタープライズと機械学習技術エンタープライズと機械学習技術
エンタープライズと機械学習技術
maruyama097
 
Connect 2018 in Koriyama, with UDC - Microsoft AI Session
Connect 2018 in Koriyama, with UDC - Microsoft AI SessionConnect 2018 in Koriyama, with UDC - Microsoft AI Session
Connect 2018 in Koriyama, with UDC - Microsoft AI Session
Daiyu Hatakeyama
 
AWSではじめるMLOps
AWSではじめるMLOpsAWSではじめるMLOps
AWSではじめるMLOps
MariOhbuchi
 
AWS ML Update
AWS ML UpdateAWS ML Update
JAWS-UG CLI専門支部 #67 Amazon Machine Learning 入門
JAWS-UG CLI専門支部 #67 Amazon Machine Learning 入門JAWS-UG CLI専門支部 #67 Amazon Machine Learning 入門
JAWS-UG CLI専門支部 #67 Amazon Machine Learning 入門
Nobuhiro Nakayama
 
AWSでのビッグデータ分析
AWSでのビッグデータ分析AWSでのビッグデータ分析
AWSでのビッグデータ分析
Amazon Web Services Japan
 
JAWSUG20171220
JAWSUG20171220JAWSUG20171220
JAWSUG20171220
陽平 山口
 
利用事例にみる AI技術活用のポイントと、Microsoft AI最新動向
利用事例にみる AI技術活用のポイントと、Microsoft AI最新動向利用事例にみる AI技術活用のポイントと、Microsoft AI最新動向
利用事例にみる AI技術活用のポイントと、Microsoft AI最新動向
Daiyu Hatakeyama
 

Similar to Amazon Machine Learning (20)

機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
 
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
 
ML Sagemaker Dev.IO
ML Sagemaker Dev.IOML Sagemaker Dev.IO
ML Sagemaker Dev.IO
 
エンジニアのための機械学習の基礎
エンジニアのための機械学習の基礎エンジニアのための機械学習の基礎
エンジニアのための機械学習の基礎
 
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
 
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデートAmazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
Amazon Game Tech Night #25 ゲーム業界向け機械学習最新状況アップデート
 
機械学習のいろは
機械学習のいろは機械学習のいろは
機械学習のいろは
 
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
 
20201125 EC Solution Seminar Recommend
20201125 EC Solution Seminar Recommend20201125 EC Solution Seminar Recommend
20201125 EC Solution Seminar Recommend
 
IoTデザインパターン 2015 JAWS沖縄
IoTデザインパターン 2015 JAWS沖縄IoTデザインパターン 2015 JAWS沖縄
IoTデザインパターン 2015 JAWS沖縄
 
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
 
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
 
エンタープライズと機械学習技術
エンタープライズと機械学習技術エンタープライズと機械学習技術
エンタープライズと機械学習技術
 
Connect 2018 in Koriyama, with UDC - Microsoft AI Session
Connect 2018 in Koriyama, with UDC - Microsoft AI SessionConnect 2018 in Koriyama, with UDC - Microsoft AI Session
Connect 2018 in Koriyama, with UDC - Microsoft AI Session
 
AWSではじめるMLOps
AWSではじめるMLOpsAWSではじめるMLOps
AWSではじめるMLOps
 
AWS ML Update
AWS ML UpdateAWS ML Update
AWS ML Update
 
JAWS-UG CLI専門支部 #67 Amazon Machine Learning 入門
JAWS-UG CLI専門支部 #67 Amazon Machine Learning 入門JAWS-UG CLI専門支部 #67 Amazon Machine Learning 入門
JAWS-UG CLI専門支部 #67 Amazon Machine Learning 入門
 
AWSでのビッグデータ分析
AWSでのビッグデータ分析AWSでのビッグデータ分析
AWSでのビッグデータ分析
 
JAWSUG20171220
JAWSUG20171220JAWSUG20171220
JAWSUG20171220
 
利用事例にみる AI技術活用のポイントと、Microsoft AI最新動向
利用事例にみる AI技術活用のポイントと、Microsoft AI最新動向利用事例にみる AI技術活用のポイントと、Microsoft AI最新動向
利用事例にみる AI技術活用のポイントと、Microsoft AI最新動向
 

More from Yuta Imai

Node-RED on device to Apache NiFi on cloud, via SORACOM Canal, with no Internet
Node-RED on device to Apache NiFi on cloud, via SORACOM Canal, with no InternetNode-RED on device to Apache NiFi on cloud, via SORACOM Canal, with no Internet
Node-RED on device to Apache NiFi on cloud, via SORACOM Canal, with no Internet
Yuta Imai
 
HDP2.5 Updates
HDP2.5 UpdatesHDP2.5 Updates
HDP2.5 Updates
Yuta Imai
 
Deep Learning On Apache Spark
Deep Learning On Apache SparkDeep Learning On Apache Spark
Deep Learning On Apache Spark
Yuta Imai
 
Hadoop in adtech
Hadoop in adtechHadoop in adtech
Hadoop in adtech
Yuta Imai
 
Hadoop/Spark セルフサービス系の事例まとめ
Hadoop/Spark セルフサービス系の事例まとめHadoop/Spark セルフサービス系の事例まとめ
Hadoop/Spark セルフサービス系の事例まとめ
Yuta Imai
 
IoTアプリケーションで利用するApache NiFi
IoTアプリケーションで利用するApache NiFiIoTアプリケーションで利用するApache NiFi
IoTアプリケーションで利用するApache NiFi
Yuta Imai
 
OLAP options on Hadoop
OLAP options on HadoopOLAP options on Hadoop
OLAP options on Hadoop
Yuta Imai
 
Apache ambari
Apache ambariApache ambari
Apache ambari
Yuta Imai
 
Spark at Scale
Spark at ScaleSpark at Scale
Spark at Scale
Yuta Imai
 
Dynamic Resource Allocation in Apache Spark
Dynamic Resource Allocation in Apache SparkDynamic Resource Allocation in Apache Spark
Dynamic Resource Allocation in Apache Spark
Yuta Imai
 
Apache Hiveの今とこれから - 2016
Apache Hiveの今とこれから - 2016Apache Hiveの今とこれから - 2016
Apache Hiveの今とこれから - 2016
Yuta Imai
 
Hadoop最新事情とHortonworks Data Platform
Hadoop最新事情とHortonworks Data PlatformHadoop最新事情とHortonworks Data Platform
Hadoop最新事情とHortonworks Data Platform
Yuta Imai
 
Benchmark and Metrics
Benchmark and MetricsBenchmark and Metrics
Benchmark and Metrics
Yuta Imai
 
Hadoop and Kerberos
Hadoop and KerberosHadoop and Kerberos
Hadoop and Kerberos
Yuta Imai
 
Spark Streaming + Amazon Kinesis
Spark Streaming + Amazon KinesisSpark Streaming + Amazon Kinesis
Spark Streaming + Amazon Kinesis
Yuta Imai
 
オンラインゲームの仕組みと工夫
オンラインゲームの仕組みと工夫オンラインゲームの仕組みと工夫
オンラインゲームの仕組みと工夫
Yuta Imai
 
Global Gaming On AWS
Global Gaming On AWSGlobal Gaming On AWS
Global Gaming On AWS
Yuta Imai
 
Digital marketing on AWS
Digital marketing on AWSDigital marketing on AWS
Digital marketing on AWS
Yuta Imai
 
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
Yuta Imai
 
クラウドネイティブなアーキテクチャでサクサク解析
クラウドネイティブなアーキテクチャでサクサク解析クラウドネイティブなアーキテクチャでサクサク解析
クラウドネイティブなアーキテクチャでサクサク解析
Yuta Imai
 

More from Yuta Imai (20)

Node-RED on device to Apache NiFi on cloud, via SORACOM Canal, with no Internet
Node-RED on device to Apache NiFi on cloud, via SORACOM Canal, with no InternetNode-RED on device to Apache NiFi on cloud, via SORACOM Canal, with no Internet
Node-RED on device to Apache NiFi on cloud, via SORACOM Canal, with no Internet
 
HDP2.5 Updates
HDP2.5 UpdatesHDP2.5 Updates
HDP2.5 Updates
 
Deep Learning On Apache Spark
Deep Learning On Apache SparkDeep Learning On Apache Spark
Deep Learning On Apache Spark
 
Hadoop in adtech
Hadoop in adtechHadoop in adtech
Hadoop in adtech
 
Hadoop/Spark セルフサービス系の事例まとめ
Hadoop/Spark セルフサービス系の事例まとめHadoop/Spark セルフサービス系の事例まとめ
Hadoop/Spark セルフサービス系の事例まとめ
 
IoTアプリケーションで利用するApache NiFi
IoTアプリケーションで利用するApache NiFiIoTアプリケーションで利用するApache NiFi
IoTアプリケーションで利用するApache NiFi
 
OLAP options on Hadoop
OLAP options on HadoopOLAP options on Hadoop
OLAP options on Hadoop
 
Apache ambari
Apache ambariApache ambari
Apache ambari
 
Spark at Scale
Spark at ScaleSpark at Scale
Spark at Scale
 
Dynamic Resource Allocation in Apache Spark
Dynamic Resource Allocation in Apache SparkDynamic Resource Allocation in Apache Spark
Dynamic Resource Allocation in Apache Spark
 
Apache Hiveの今とこれから - 2016
Apache Hiveの今とこれから - 2016Apache Hiveの今とこれから - 2016
Apache Hiveの今とこれから - 2016
 
Hadoop最新事情とHortonworks Data Platform
Hadoop最新事情とHortonworks Data PlatformHadoop最新事情とHortonworks Data Platform
Hadoop最新事情とHortonworks Data Platform
 
Benchmark and Metrics
Benchmark and MetricsBenchmark and Metrics
Benchmark and Metrics
 
Hadoop and Kerberos
Hadoop and KerberosHadoop and Kerberos
Hadoop and Kerberos
 
Spark Streaming + Amazon Kinesis
Spark Streaming + Amazon KinesisSpark Streaming + Amazon Kinesis
Spark Streaming + Amazon Kinesis
 
オンラインゲームの仕組みと工夫
オンラインゲームの仕組みと工夫オンラインゲームの仕組みと工夫
オンラインゲームの仕組みと工夫
 
Global Gaming On AWS
Global Gaming On AWSGlobal Gaming On AWS
Global Gaming On AWS
 
Digital marketing on AWS
Digital marketing on AWSDigital marketing on AWS
Digital marketing on AWS
 
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
EC2のストレージどう使う? -Instance Storageを理解して高速IOを上手に活用!-
 
クラウドネイティブなアーキテクチャでサクサク解析
クラウドネイティブなアーキテクチャでサクサク解析クラウドネイティブなアーキテクチャでサクサク解析
クラウドネイティブなアーキテクチャでサクサク解析
 

Recently uploaded

協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
Osaka University
 
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
嶋 是一 (Yoshikazu SHIMA)
 
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
Osaka University
 
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
Yuki Miyazaki
 
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMMハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
osamut
 
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
ARISE analytics
 
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライドHumanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
tazaki1
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
sugiuralab
 
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobodyロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
azuma satoshi
 

Recently uploaded (9)

協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
 
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
 
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
 
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
 
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMMハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
 
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
 
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライドHumanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
 
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobodyロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
 

Amazon Machine Learning