機械学習の社会実装勉強会第9回 (https://machine-learning-workshop.connpass.com/event/240822/) で発表した資料です。

1. Amazon SageMaker JumpStart
事前学習済みモデルを使う

2. 自己紹介
● 名前: 西岡 賢一郎
○ Twitter: @ken_nishi
○ note: 西岡賢一郎@研究者から経営者へ (https://note.com/kenichiro)
○ YouTube: 【経営xデータサイエンスx開発】西岡 賢一郎のチャンネル
(https://www.youtube.com/channel/UCpiskjqLv1AJg64jFCQIyBg)
● 経歴
○ 東京大学で位置予測アルゴリズムを研究し博士 (学術) を取得
○ 東京大学の博士課程在学中にデータサイエンスをもとにしたサービスを提供する株式会社ト
ライディアを設立
○ トライディアを別のIT会社に売却し、CTOとして3年半務め、2021年10月末にCTOを退職
○ CDPのスタートアップと株式会社データインフォームドの2つに所属
○ 自社および他社のプロダクト開発チーム・データサイエンスチームの立ち上げ経験

3. 今回のお話
● 学習済みモデルが必要となる背景
● Amazon SageMaker JumpStart
● Amazon SageMaker JumpStartの操作画面紹介

4. 学習済みモデルが必要となる背景: 画像分類の問題
写真に写っている動物を判別する学習モデルを構築する場合
1. ラベル付きの動物画像を集める
2. 集めた画像からモデルを学習
3. 予測
猫
犬
学習済みモデル

5. 学習済みモデルが必要となる背景: 学習済みモデルの作成
● 学習するためには、大量のデータが必要。
● ラベル付きのデータとなると集めるだけで大変。。
● ⇒ データを集めて学習するのが大変なら、学習済みを使えば良い。
モデル作成には
大量のデータが必要
画像データ
他の人が作ったモデルを使おう！

6. Tensorflow Hub
● https://www.tensorflow.org/hub
● インストール
○ pip install --upgrade tensorflow_hub
● 使い方

7. 例: MoViNets
● MoViNets: Mobile Video Networks for Efficient Video Recognition
○ Kondratyuk, Dan, et al. "Movinets: Mobile video networks for efficient video recognition."
Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021.
○ 動画分類モデル
● https://tfhub.dev/tensorflow/movinet/a0/base/kinetics-600/classification/3

8. PyTorch Hub
● https://pytorch.org/hub/
● 使い方

9. Fine Tuning
学習済みモデルはFine Tuningにより調整することが可能
学習済みモデル
新しいデータ
Fine Tuning
調整されたモデル

10. Tensorflow HubやPyTorchで十分？
pipでインストールしただけではいろいろなエラーが出てきて、一つ一つ解決して
いかないといけない → 環境とセットでないとすぐに使うのは難しい

11. Amazon SageMaker JumpStart
● Amazon SagemMaker JumpStartでできること
○ 学習済みモデルの利用
○ サンプルNotebook:
○ モデルのデプロイ: endpointを利用してAPIで学習モデルを使えるようになる
○ モデルのファインチューニング: 追加のデータでモデルを調整

12. Amazon SageMaker JumpStartの2つのメニュー
● Solutions
○ 不正検知など、よく使われる機械学習の仕組みをインフラまるごとたちあげることができる
● Models
○ 学習済みモデルをインスタンスごと提供
Solutionsでは様々なAWSリソースがまとめて立ち上がる

13. Amazon SageMaker Demo