SlideShare a Scribd company logo
1 of 30
Download to read offline
© 2020, Amazon Web Services, Inc. or its Affiliates.
嶺 行伸
ソリューションアーキテクト
デジタルトランスフォーメーション本部
アマゾン ウェブ サービス ジャパン株式会社
AI /機械学習に活用できる
AWSのエッジソリューションのご紹介
© 2020, Amazon Web Services, Inc. or its Affiliates.
自己紹介
嶺 ⾏伸 (みね ゆきのぶ)
デジタルトランスフォーメーション本部
IoTソリューションアーキテクト
IoTの導⼊やPoC段階のご⽀援を担当
主に製造系のお客様のご⽀援をメインに活動中
好きなAWSサービス
AWS Lambda / AWS IoT Greengrass
© 2020, Amazon Web Services, Inc. or its Affiliates.
アジェンダ
• IoTにおける機械学習のユースケース
• エッジデバイスでの機械学習が必要なケースと要件
• AWSのエッジソリューションのご紹介
• アーキテクチャ例
• まとめ
© 2020, Amazon Web Services, Inc. or its Affiliates.
IoTシステムの進化のステップ
接続
モニタリング・
可視化
分析・制御
⾃律化・効率化
ROI
成熟度
難易度
1 2 3 4
© 2020, Amazon Web Services, Inc. or its Affiliates.
機械学習による自律化がトレンドに
接続
モニタリング・
可視化
分析・制御
⾃律化・効率化
ROI
成熟度
難易度
1 2 3 4
機械学習の活用
により実現
© 2020, Amazon Web Services, Inc. or its Affiliates.
IoTにおける機械学習のユースケース
外観検査 来客分析 顔認証
商品検索
行動分析
異常検知 コンテキスト
解析
需要予測予知保全
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジデバイスでの機械学習が必要になるケース
レイテンシの制約 通信コスト オフライン対応 セキュリティ
コンプライアンス
機械学習を導入する際、次の要件がある場合には、
推論をクラウドではなく、エッジで行うことを検討する必要がある
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジデバイスでの機械学習に必要な要素
© 2020, Amazon Web Services, Inc. or its Affiliates.
AWSの処理機能をデバイスの上に拡張
処理を
クラウドで実⾏
処理を
ローカルで実⾏
Moving to the edge
AWS IoT Greengrass
開発、アップデート
任意のデバイスで
処理を実⾏
© 2020, Amazon Web Services, Inc. or its Affiliates.
工場におけるAWS IoT Greengrassの役割
工場
OPC−UA
サーバ
生産設備
IoT システム
直接クラウドと通信
できない既存設備の
データを収集
AWS IoT
Greengrass
推論や制御を実行
(オフライン時も動作を継続)
データを一次処理し
てクラウドに送信
制御ロジックを遠隔
アップデート、監視
(機械学習のモデル
の配信もサポート)
システム運⽤者
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジでの既存機器のデータ収集
OPC
サーバ
PLC
Camera
Sensor
AWS IoT
Greengrass
⼯場
OPC-UA
OPC-DA
RTSP
USB
MQTTs
GPIO
Modbus RTU/TCP
SLMP
外付けセンサ
画像、動画
設備データ
集約された
設備データ
様々なプロトコルで既存機器と通信してデータを収集
広く使われているプロトコルはノンコーディングで利用可能
© 2020, Amazon Web Services, Inc. or its Affiliates.
3rd party protocol conversion
B社製PLC
OPC-UA
MQTT
AWS IoT
Greengrass
⼯場
A社製PLC
C社製PLC
3rd Party
Gateway SW
(EdgeCross,
KepServerEX, etc)
Protocol A
Protocol B
Protocol C
各社のPLCのデータを汎用的なプロトコルに変換する
サードパーティーのGW製品との連携も可能
© 2020, Amazon Web Services, Inc. or its Affiliates.
クラウドからプログラムを配信・運用
工場 A
AWS IoT
Greengrass (Core)
工場 B
AWS IoT
Greengrass (Core)
PLC
システム運⽤者
異常検知
処理
AWS IoT
Greengrass (Service)
Logs
Amazon Cloudwatch
PLC
• AWS Lambda で開発したプログラムを配信してエッジで実行
• 現地に行く事なく機能のアップデート・ログ監視等の運用が可能
© 2020, Amazon Web Services, Inc. or its Affiliates.
クラウドと Greengrass の Lambda 実行環境の違い
On Cloud On Greengrass
実⾏環境 Amazon Linux GGC がインストールされているデバ
イスに依存
プログラミング⾔語 Node.js
Java
Python
.NET Core
and more…
Node.js: v6 / v8 / v12
Python: 3.7 / 2.7
Java: 8
C, C++
イベントソース S3, DynamoDB, Kinesis, …(*1) Local MQTT, GGC 起動時に⾃動起動
タイムアウト設定 最⼤ 900s 上限なし (常駐を指定可能)
メモリ設定 最⼩ 128MB 最⼤ 3008MB 上限なし (デバイスに依存)
ローカルリソースアクセス
(デバイス or ボリューム)
不可 可 (ホワイトリスト⽅式)
課⾦ 実⾏回数と実⾏時間、割り当てたメモリ量
に応じて課⾦
無料(*2)
*1: https://docs.aws.amazon.com/ja_jp/lambda/latest/dg/invoking-lambda-function.html
*2: Greengrass ⾃体の課⾦は発⽣します
© 2020, Amazon Web Services, Inc. or its Affiliates.
クラウドへのデータ送信
AWS IoT Core
Amazon Kinesis
Amazon S3
AWS IoT Analytics
MQTTs
Https
Https
HttpsAWS IoT
Greengrass
AWS クラウド
ニアリアルタイムデータ
ストリームデータ
画像、ファイル
マイクロバッチ
⼯場
• データレイクでの分析やモデルの再学習のため、クラウドにデータを自動送信
• データの種別に応じて適切なサービスを選択可能
© 2020, Amazon Web Services, Inc. or its Affiliates.
オフライン対応
• オフラインになってもエッジでの処理は継続
• クラウドにアップロードすべきデータはキャッシュして、オンラインになっ
たタイミングで順次アップロード
生産設備
Local
Lambda
アラート
データ
工場
AWS IoT Core
Amazon Kinesis
AWS IoT Analytics
AWS クラウド
データ
Greengrass Core
オフライン
キャッシュ
© 2020, Amazon Web Services, Inc. or its Affiliates.
AWS IoT Greengrass ML Inference
クラウドで学習したモデルを
簡単にデプロイし、
エッジで機械学習の推論を⾏う
Actuators
Sensors
AWS IoT
Greengrass Core
Amazon
SageMaker
AWS Lambda
AWS IoT
Greengrass
Service
推論結果
Local
Lambda
ML
Model
推論して
ローカルで
アクション
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジデバイスでの機械学習に必要な要素
エッジデバイスへのモデルのデプロイ
エッジでのデータ収集
エッジでの推論
エッジでのアクション
クラウドへのデータ転送
© 2020, Amazon Web Services, Inc. or its Affiliates.
Amazon SageMaker
フルマネージドのホ
スティング
&⾃動スケール
One-click
デプロイメント
よくあるシナ
リオ向けの
ノートブック
の提供
⾼いパフォーマ
ンスのビルトイ
ンアルゴリズム
One-click
トレーニング
ハイパーパラメー
タの最適化
開発 学習 推論
データサイエンティストや開発者が
容易に機械学習モデルを開発・活⽤するための
マネージドサービス
© 2020, Amazon Web Services, Inc. or its Affiliates.
Amazon SageMaker Neo
• Tensorflow や PyTorch などのモデルを、 EC2 インスタンスや
Greengrass デバイス上で高速に動作するように変換するサービス
• 従来のDeep Learning フレームワークが 500MB-1GB 程度であるのに対
し、Amazon SageMaker Neo Runtime は 1MB 程度
© 2020, Amazon Web Services, Inc. or its Affiliates.
Amazon SageMaker Ground Truth
• データにラベル (Ground Truth) を付与するアノテーションを支援
• 以下の4タスクにはテンプレートが用意されており、自作も可能
• ラベルを付与するワーカーは、Amazon Mechanical Turk、外部ベン
ダ、自社のチームの3種類から選択可能
画像のラベル ラベルと位置 文章のラベルピクセル単位のラベル
© 2020, Amazon Web Services, Inc. or its Affiliates.
アーキテクチャ例
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジ推論のアーキテクチャ例
Actuator
Camera
Edge AWS Cloud
Amazon
QuickSight
Amazon SageMaker
Amazon SageMaker Neo
Image
Analysis
ML Model
AWS IoT Core
S3
AWS IoT Analytics
AWS Lambda Amazon SageMaker
Ground Truth
Neo
Runtime Labelers
AWS IoT Greengrass
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジ推論のアーキテクチャ例
Actuator
Camera
Edge AWS Cloud
Amazon
QuickSight
Amazon SageMaker
Amazon SageMaker Neo
Image
Analysis
ML Model
AWS IoT Core
S3
AWS IoT Analytics
AWS Lambda Amazon SageMaker
Ground Truth
Neo
Runtime Labelers
1. 蓄積したデータと SageMaker
Ground Truth で付与したラベル
から学習してモデルを⽣成
AWS IoT Greengrass
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジ推論のアーキテクチャ例
Actuator
Camera
Edge AWS Cloud
Amazon
QuickSight
Amazon SageMaker
Amazon SageMaker Neo
Image
Analysis
ML Model
AWS IoT Core
S3
AWS IoT Analytics
AWS Lambda Amazon SageMaker
Ground Truth
Neo
Runtime Labelers
2. 学習したモデルを
SageMaker Neo で
コンパイルして
Greengrass にデプロイ
AWS IoT Greengrass
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジ推論のアーキテクチャ例
AWS IoT Greengrass
Actuator
Camera
Edge AWS Cloud
Amazon
QuickSight
Amazon SageMaker
Amazon SageMaker Neo
Image
Analysis
ML Model
AWS IoT Core
S3
AWS IoT Analytics
AWS Lambda Amazon SageMaker
Ground Truth
Neo
Runtime Labelers
3. Camera から
の画像データを
エッジで推論
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジ推論のアーキテクチャ例
AWS IoT Greengrass
Actuator
Camera
Edge AWS Cloud
Amazon
QuickSight
Amazon SageMaker
Amazon SageMaker Neo
Image
Analysis
ML Model
AWS IoT Core
S3
AWS IoT Analytics
AWS Lambda Amazon SageMaker
Ground Truth
Neo
Runtime Labelers
4. 推論結果のみアップ
ロードして BI で可視化・
定期チェック
低レイテンシが必要な
アクションを実⾏
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジ推論のアーキテクチャ例
AWS IoT Greengrass
Actuator
Camera
Edge AWS Cloud
Amazon
QuickSight
Amazon SageMaker
Amazon SageMaker Neo
Image
Analysis
ML Model
AWS IoT Core
S3
AWS IoT Analytics
AWS Lambda Amazon SageMaker
Ground Truth
Neo
Runtime Labelers
5. エッジで精度が低
かった画像データを再
学習⽤にアップロード、
ラベリングを依頼
© 2020, Amazon Web Services, Inc. or its Affiliates.
エッジ推論のアーキテクチャ例
AWS IoT Greengrass
Actuator
Camera
Edge AWS Cloud
Amazon
QuickSight
Amazon SageMaker
Amazon SageMaker Neo
Image
Analysis
ML Model
AWS IoT Core
S3
AWS IoT Analytics
AWS Lambda Amazon SageMaker
Ground Truth
Neo
Runtime Labelers
6. 精度が低かった画像と正しい
ラベルを含めたデータセットで再
学習することで精度改善
© 2020, Amazon Web Services, Inc. or its Affiliates.
まとめ
• 外観検査など、現場課題への機械学習ソリューションの導入にはエッ
ジ推論が適している
• エッジ推論では、エッジデバイスでのデータ収集と推論、データや推
論結果のクラウドへの送信、クラウドでの推論モデル開発と精度改
善、エッジへのデプロイ、といったサイクルを構築する事が重要
• AWSでは、サイクルの構築に必要なサービスとエッジソリューション
を全て提供している

More Related Content

What's hot

電子署名(PKI)ハンズオン資料 V1.00
電子署名(PKI)ハンズオン資料 V1.00電子署名(PKI)ハンズオン資料 V1.00
電子署名(PKI)ハンズオン資料 V1.00Naoto Miyachi
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太Preferred Networks
 
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)Hiro H.
 
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -tmtm otm
 
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析Takahiro Kubo
 
Akkaとは。アクターモデル とは。
Akkaとは。アクターモデル とは。Akkaとは。アクターモデル とは。
Akkaとは。アクターモデル とは。Kenjiro Kubota
 
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦Preferred Networks
 
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MLOpsMariOhbuchi
 
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門Satoru Ishikawa
 
ここが良かったDatadog
ここが良かったDatadogここが良かったDatadog
ここが良かったDatadogtyamane
 
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018Takahiro Kubo
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)Shota Imai
 
Apache Avro vs Protocol Buffers
Apache Avro vs Protocol BuffersApache Avro vs Protocol Buffers
Apache Avro vs Protocol BuffersSeiya Mizuno
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類Shintaro Fukushima
 
マイクロにしすぎた結果がこれだよ!
マイクロにしすぎた結果がこれだよ!マイクロにしすぎた結果がこれだよ!
マイクロにしすぎた結果がこれだよ!mosa siru
 
ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方Yoshiyasu SAEKI
 
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3までYahoo!デベロッパーネットワーク
 
ネットワークでなぜ遅延が生じるのか
ネットワークでなぜ遅延が生じるのかネットワークでなぜ遅延が生じるのか
ネットワークでなぜ遅延が生じるのかJun Kato
 

What's hot (20)

RDF Semantic Graph「RDF 超入門」
RDF Semantic Graph「RDF 超入門」RDF Semantic Graph「RDF 超入門」
RDF Semantic Graph「RDF 超入門」
 
電子署名(PKI)ハンズオン資料 V1.00
電子署名(PKI)ハンズオン資料 V1.00電子署名(PKI)ハンズオン資料 V1.00
電子署名(PKI)ハンズオン資料 V1.00
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
 
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
Linuxにて複数のコマンドを並列実行(同時実行数の制限付き)
 
MLOpsはバズワード
MLOpsはバズワードMLOpsはバズワード
MLOpsはバズワード
 
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -深層学習の不確実性 - Uncertainty in Deep Neural Networks -
深層学習の不確実性 - Uncertainty in Deep Neural Networks -
 
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
 
Akkaとは。アクターモデル とは。
Akkaとは。アクターモデル とは。Akkaとは。アクターモデル とは。
Akkaとは。アクターモデル とは。
 
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
 
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
 
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門
 
ここが良かったDatadog
ここが良かったDatadogここが良かったDatadog
ここが良かったDatadog
 
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
 
Apache Avro vs Protocol Buffers
Apache Avro vs Protocol BuffersApache Avro vs Protocol Buffers
Apache Avro vs Protocol Buffers
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類
 
マイクロにしすぎた結果がこれだよ!
マイクロにしすぎた結果がこれだよ!マイクロにしすぎた結果がこれだよ!
マイクロにしすぎた結果がこれだよ!
 
ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方ストリーム処理を支えるキューイングシステムの選び方
ストリーム処理を支えるキューイングシステムの選び方
 
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
 
ネットワークでなぜ遅延が生じるのか
ネットワークでなぜ遅延が生じるのかネットワークでなぜ遅延が生じるのか
ネットワークでなぜ遅延が生じるのか
 

Similar to iot@Loft#14-LT4-AI /機械学習に活用できる AWSのエッジソリューションのご紹介

製造装置データ収集の選択肢 (AWS IoT Deep Dive #5)
製造装置データ収集の選択肢 (AWS IoT Deep Dive #5)製造装置データ収集の選択肢 (AWS IoT Deep Dive #5)
製造装置データ収集の選択肢 (AWS IoT Deep Dive #5)Amazon Web Services Japan
 
エッジコンピューティングで実現できる活用シナリオ3選
エッジコンピューティングで実現できる活用シナリオ3選エッジコンピューティングで実現できる活用シナリオ3選
エッジコンピューティングで実現できる活用シナリオ3選Jun Ichikawa
 
AWS IoT SiteWise のご紹介 (AWS IoT Deep Dive #5)
AWS IoT SiteWise のご紹介 (AWS IoT Deep Dive #5)AWS IoT SiteWise のご紹介 (AWS IoT Deep Dive #5)
AWS IoT SiteWise のご紹介 (AWS IoT Deep Dive #5)Amazon Web Services Japan
 
AWS re:Invent 2019 Recap IoT アップデート
AWS re:Invent 2019 Recap IoT アップデートAWS re:Invent 2019 Recap IoT アップデート
AWS re:Invent 2019 Recap IoT アップデートAmazon Web Services Japan
 
製造業向けSmart Factoryデモと 関連AWSサービスのご紹介
製造業向けSmart Factoryデモと 関連AWSサービスのご紹介製造業向けSmart Factoryデモと 関連AWSサービスのご紹介
製造業向けSmart Factoryデモと 関連AWSサービスのご紹介Amazon Web Services Japan
 
IoT@Loft - IoT開発を成功させるためのPoCの進め方と実践
IoT@Loft - IoT開発を成功させるためのPoCの進め方と実践IoT@Loft - IoT開発を成功させるためのPoCの進め方と実践
IoT@Loft - IoT開発を成功させるためのPoCの進め方と実践Amazon Web Services Japan
 
IoT@Loft #4 - IoT製品の量産化および運用を効率化させるためのAWS サービスの使い方
IoT@Loft #4 - IoT製品の量産化および運用を効率化させるためのAWS サービスの使い方IoT@Loft #4 - IoT製品の量産化および運用を効率化させるためのAWS サービスの使い方
IoT@Loft #4 - IoT製品の量産化および運用を効率化させるためのAWS サービスの使い方Amazon Web Services Japan
 
AWS IoT サービス アップデートのご紹介
AWS IoT サービス アップデートのご紹介AWS IoT サービス アップデートのご紹介
AWS IoT サービス アップデートのご紹介Amazon Web Services Japan
 
01_2021年上半期 AWS IoT サービスアップデート
01_2021年上半期 AWS IoT サービスアップデート01_2021年上半期 AWS IoT サービスアップデート
01_2021年上半期 AWS IoT サービスアップデートAmazon Web Services Japan
 
Lt4 aws@loft #11 aws io-t for smart building
Lt4 aws@loft #11 aws io-t for smart buildingLt4 aws@loft #11 aws io-t for smart building
Lt4 aws@loft #11 aws io-t for smart buildingAmazon Web Services Japan
 
Data & AI Update 情報 - 2020年6月版
Data & AI Update 情報 - 2020年6月版Data & AI Update 情報 - 2020年6月版
Data & AI Update 情報 - 2020年6月版Takeshi Fukuhara
 
20180508 AWS Black Belt Online Seminar AWS Greengrassで実現するエッジコンピューティング
20180508 AWS Black Belt Online Seminar AWS Greengrassで実現するエッジコンピューティング20180508 AWS Black Belt Online Seminar AWS Greengrassで実現するエッジコンピューティング
20180508 AWS Black Belt Online Seminar AWS Greengrassで実現するエッジコンピューティングAmazon Web Services Japan
 
AWS Introduction for Startups
AWS Introduction for StartupsAWS Introduction for Startups
AWS Introduction for Startupsakitsukada
 
AWS Black Belt Online Seminar 2018 re:Invent recap IoT and DevOps
AWS Black Belt Online Seminar 2018 re:Invent recap IoT and DevOpsAWS Black Belt Online Seminar 2018 re:Invent recap IoT and DevOps
AWS Black Belt Online Seminar 2018 re:Invent recap IoT and DevOpsAmazon Web Services Japan
 
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)Amazon Web Services Japan
 

Similar to iot@Loft#14-LT4-AI /機械学習に活用できる AWSのエッジソリューションのご紹介 (20)

製造装置データ収集の選択肢 (AWS IoT Deep Dive #5)
製造装置データ収集の選択肢 (AWS IoT Deep Dive #5)製造装置データ収集の選択肢 (AWS IoT Deep Dive #5)
製造装置データ収集の選択肢 (AWS IoT Deep Dive #5)
 
エッジコンピューティングで実現できる活用シナリオ3選
エッジコンピューティングで実現できる活用シナリオ3選エッジコンピューティングで実現できる活用シナリオ3選
エッジコンピューティングで実現できる活用シナリオ3選
 
AWS IoT SiteWise のご紹介 (AWS IoT Deep Dive #5)
AWS IoT SiteWise のご紹介 (AWS IoT Deep Dive #5)AWS IoT SiteWise のご紹介 (AWS IoT Deep Dive #5)
AWS IoT SiteWise のご紹介 (AWS IoT Deep Dive #5)
 
03_AWS IoTのDRを考える
03_AWS IoTのDRを考える03_AWS IoTのDRを考える
03_AWS IoTのDRを考える
 
AWS re:Invent 2019 Recap IoT アップデート
AWS re:Invent 2019 Recap IoT アップデートAWS re:Invent 2019 Recap IoT アップデート
AWS re:Invent 2019 Recap IoT アップデート
 
製造業向けSmart Factoryデモと 関連AWSサービスのご紹介
製造業向けSmart Factoryデモと 関連AWSサービスのご紹介製造業向けSmart Factoryデモと 関連AWSサービスのご紹介
製造業向けSmart Factoryデモと 関連AWSサービスのご紹介
 
IoT@Loft - IoT開発を成功させるためのPoCの進め方と実践
IoT@Loft - IoT開発を成功させるためのPoCの進め方と実践IoT@Loft - IoT開発を成功させるためのPoCの進め方と実践
IoT@Loft - IoT開発を成功させるためのPoCの進め方と実践
 
IoT@Loft #4 - IoT製品の量産化および運用を効率化させるためのAWS サービスの使い方
IoT@Loft #4 - IoT製品の量産化および運用を効率化させるためのAWS サービスの使い方IoT@Loft #4 - IoT製品の量産化および運用を効率化させるためのAWS サービスの使い方
IoT@Loft #4 - IoT製品の量産化および運用を効率化させるためのAWS サービスの使い方
 
Sum awsloft tko-iotloft-10-lt4-may-2020
Sum awsloft tko-iotloft-10-lt4-may-2020Sum awsloft tko-iotloft-10-lt4-may-2020
Sum awsloft tko-iotloft-10-lt4-may-2020
 
AWS IoT サービス アップデートのご紹介
AWS IoT サービス アップデートのご紹介AWS IoT サービス アップデートのご紹介
AWS IoT サービス アップデートのご紹介
 
01_2021年上半期 AWS IoT サービスアップデート
01_2021年上半期 AWS IoT サービスアップデート01_2021年上半期 AWS IoT サービスアップデート
01_2021年上半期 AWS IoT サービスアップデート
 
Lt4 aws@loft #11 aws io-t for smart building
Lt4 aws@loft #11 aws io-t for smart buildingLt4 aws@loft #11 aws io-t for smart building
Lt4 aws@loft #11 aws io-t for smart building
 
Data & AI Update 情報 - 2020年6月版
Data & AI Update 情報 - 2020年6月版Data & AI Update 情報 - 2020年6月版
Data & AI Update 情報 - 2020年6月版
 
20180508 AWS Black Belt Online Seminar AWS Greengrassで実現するエッジコンピューティング
20180508 AWS Black Belt Online Seminar AWS Greengrassで実現するエッジコンピューティング20180508 AWS Black Belt Online Seminar AWS Greengrassで実現するエッジコンピューティング
20180508 AWS Black Belt Online Seminar AWS Greengrassで実現するエッジコンピューティング
 
【IVS CTO Night & Day】IoT Solution
【IVS CTO Night & Day】IoT Solution【IVS CTO Night & Day】IoT Solution
【IVS CTO Night & Day】IoT Solution
 
AWS Introduction for Startups
AWS Introduction for StartupsAWS Introduction for Startups
AWS Introduction for Startups
 
AWS Black Belt Online Seminar 2018 re:Invent recap IoT and DevOps
AWS Black Belt Online Seminar 2018 re:Invent recap IoT and DevOpsAWS Black Belt Online Seminar 2018 re:Invent recap IoT and DevOps
AWS Black Belt Online Seminar 2018 re:Invent recap IoT and DevOps
 
AWS の IoT 向けサービス
AWS の IoT 向けサービスAWS の IoT 向けサービス
AWS の IoT 向けサービス
 
Gaming cicd-pipeline gaming-technight-2
Gaming cicd-pipeline gaming-technight-2Gaming cicd-pipeline gaming-technight-2
Gaming cicd-pipeline gaming-technight-2
 
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
AWS IoT Coreを オンプレミス環境と使う際の アーキテクチャ例 (AWS IoT Deep Dive #5)
 

More from Amazon Web Services Japan

202205 AWS Black Belt Online Seminar Amazon VPC IP Address Manager (IPAM)
202205 AWS Black Belt Online Seminar Amazon VPC IP Address Manager (IPAM)202205 AWS Black Belt Online Seminar Amazon VPC IP Address Manager (IPAM)
202205 AWS Black Belt Online Seminar Amazon VPC IP Address Manager (IPAM)Amazon Web Services Japan
 
202205 AWS Black Belt Online Seminar Amazon FSx for OpenZFS
202205 AWS Black Belt Online Seminar Amazon FSx for OpenZFS202205 AWS Black Belt Online Seminar Amazon FSx for OpenZFS
202205 AWS Black Belt Online Seminar Amazon FSx for OpenZFSAmazon Web Services Japan
 
202204 AWS Black Belt Online Seminar AWS IoT Device Defender
202204 AWS Black Belt Online Seminar AWS IoT Device Defender202204 AWS Black Belt Online Seminar AWS IoT Device Defender
202204 AWS Black Belt Online Seminar AWS IoT Device DefenderAmazon Web Services Japan
 
202204 AWS Black Belt Online Seminar Amazon Connect を活用したオンコール対応の実現
202204 AWS Black Belt Online Seminar Amazon Connect を活用したオンコール対応の実現202204 AWS Black Belt Online Seminar Amazon Connect を活用したオンコール対応の実現
202204 AWS Black Belt Online Seminar Amazon Connect を活用したオンコール対応の実現Amazon Web Services Japan
 
202204 AWS Black Belt Online Seminar Amazon Connect Salesforce連携(第1回 CTI Adap...
202204 AWS Black Belt Online Seminar Amazon Connect Salesforce連携(第1回 CTI Adap...202204 AWS Black Belt Online Seminar Amazon Connect Salesforce連携(第1回 CTI Adap...
202204 AWS Black Belt Online Seminar Amazon Connect Salesforce連携(第1回 CTI Adap...Amazon Web Services Japan
 
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
 
20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したことAmazon Web Services Japan
 
202202 AWS Black Belt Online Seminar AWS Managed Rules for AWS WAF の活用
202202 AWS Black Belt Online Seminar AWS Managed Rules for AWS WAF の活用202202 AWS Black Belt Online Seminar AWS Managed Rules for AWS WAF の活用
202202 AWS Black Belt Online Seminar AWS Managed Rules for AWS WAF の活用Amazon Web Services Japan
 
202203 AWS Black Belt Online Seminar Amazon Connect Tasks.pdf
202203 AWS Black Belt Online Seminar Amazon Connect Tasks.pdf202203 AWS Black Belt Online Seminar Amazon Connect Tasks.pdf
202203 AWS Black Belt Online Seminar Amazon Connect Tasks.pdfAmazon Web Services Japan
 
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介Amazon Web Services Japan
 
Amazon QuickSight の組み込み方法をちょっぴりDD
Amazon QuickSight の組み込み方法をちょっぴりDDAmazon QuickSight の組み込み方法をちょっぴりDD
Amazon QuickSight の組み込み方法をちょっぴりDDAmazon Web Services Japan
 
マルチテナント化で知っておきたいデータベースのこと
マルチテナント化で知っておきたいデータベースのことマルチテナント化で知っておきたいデータベースのこと
マルチテナント化で知っておきたいデータベースのことAmazon Web Services Japan
 
機密データとSaaSは共存しうるのか!?セキュリティー重視のユーザー層を取り込む為のネットワーク通信のアプローチ
機密データとSaaSは共存しうるのか!?セキュリティー重視のユーザー層を取り込む為のネットワーク通信のアプローチ機密データとSaaSは共存しうるのか!?セキュリティー重視のユーザー層を取り込む為のネットワーク通信のアプローチ
機密データとSaaSは共存しうるのか!?セキュリティー重視のユーザー層を取り込む為のネットワーク通信のアプローチAmazon Web Services Japan
 
パッケージソフトウェアを簡単にSaaS化!?既存の資産を使ったSaaS化手法のご紹介
パッケージソフトウェアを簡単にSaaS化!?既存の資産を使ったSaaS化手法のご紹介パッケージソフトウェアを簡単にSaaS化!?既存の資産を使ったSaaS化手法のご紹介
パッケージソフトウェアを簡単にSaaS化!?既存の資産を使ったSaaS化手法のご紹介Amazon Web Services Japan
 
202202 AWS Black Belt Online Seminar Amazon Connect Customer Profiles
202202 AWS Black Belt Online Seminar Amazon Connect Customer Profiles202202 AWS Black Belt Online Seminar Amazon Connect Customer Profiles
202202 AWS Black Belt Online Seminar Amazon Connect Customer ProfilesAmazon Web Services Japan
 
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するためにAmazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するためにAmazon Web Services Japan
 
202202 AWS Black Belt Online Seminar AWS SaaS Boost で始めるSaaS開発⼊⾨
202202 AWS Black Belt Online Seminar AWS SaaS Boost で始めるSaaS開発⼊⾨202202 AWS Black Belt Online Seminar AWS SaaS Boost で始めるSaaS開発⼊⾨
202202 AWS Black Belt Online Seminar AWS SaaS Boost で始めるSaaS開発⼊⾨Amazon Web Services Japan
 
[20220126] JAWS-UG 2022初頭までに葬ったAWSアンチパターン大紹介
[20220126] JAWS-UG 2022初頭までに葬ったAWSアンチパターン大紹介[20220126] JAWS-UG 2022初頭までに葬ったAWSアンチパターン大紹介
[20220126] JAWS-UG 2022初頭までに葬ったAWSアンチパターン大紹介Amazon Web Services Japan
 
202111 AWS Black Belt Online Seminar AWSで構築するSmart Mirrorのご紹介
202111 AWS Black Belt Online Seminar AWSで構築するSmart Mirrorのご紹介202111 AWS Black Belt Online Seminar AWSで構築するSmart Mirrorのご紹介
202111 AWS Black Belt Online Seminar AWSで構築するSmart Mirrorのご紹介Amazon Web Services Japan
 

More from Amazon Web Services Japan (20)

202205 AWS Black Belt Online Seminar Amazon VPC IP Address Manager (IPAM)
202205 AWS Black Belt Online Seminar Amazon VPC IP Address Manager (IPAM)202205 AWS Black Belt Online Seminar Amazon VPC IP Address Manager (IPAM)
202205 AWS Black Belt Online Seminar Amazon VPC IP Address Manager (IPAM)
 
202205 AWS Black Belt Online Seminar Amazon FSx for OpenZFS
202205 AWS Black Belt Online Seminar Amazon FSx for OpenZFS202205 AWS Black Belt Online Seminar Amazon FSx for OpenZFS
202205 AWS Black Belt Online Seminar Amazon FSx for OpenZFS
 
202204 AWS Black Belt Online Seminar AWS IoT Device Defender
202204 AWS Black Belt Online Seminar AWS IoT Device Defender202204 AWS Black Belt Online Seminar AWS IoT Device Defender
202204 AWS Black Belt Online Seminar AWS IoT Device Defender
 
Infrastructure as Code (IaC) 談義 2022
Infrastructure as Code (IaC) 談義 2022Infrastructure as Code (IaC) 談義 2022
Infrastructure as Code (IaC) 談義 2022
 
202204 AWS Black Belt Online Seminar Amazon Connect を活用したオンコール対応の実現
202204 AWS Black Belt Online Seminar Amazon Connect を活用したオンコール対応の実現202204 AWS Black Belt Online Seminar Amazon Connect を活用したオンコール対応の実現
202204 AWS Black Belt Online Seminar Amazon Connect を活用したオンコール対応の実現
 
202204 AWS Black Belt Online Seminar Amazon Connect Salesforce連携(第1回 CTI Adap...
202204 AWS Black Belt Online Seminar Amazon Connect Salesforce連携(第1回 CTI Adap...202204 AWS Black Belt Online Seminar Amazon Connect Salesforce連携(第1回 CTI Adap...
202204 AWS Black Belt Online Seminar Amazon Connect Salesforce連携(第1回 CTI Adap...
 
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
 
20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと20220409 AWS BLEA 開発にあたって検討したこと
20220409 AWS BLEA 開発にあたって検討したこと
 
202202 AWS Black Belt Online Seminar AWS Managed Rules for AWS WAF の活用
202202 AWS Black Belt Online Seminar AWS Managed Rules for AWS WAF の活用202202 AWS Black Belt Online Seminar AWS Managed Rules for AWS WAF の活用
202202 AWS Black Belt Online Seminar AWS Managed Rules for AWS WAF の活用
 
202203 AWS Black Belt Online Seminar Amazon Connect Tasks.pdf
202203 AWS Black Belt Online Seminar Amazon Connect Tasks.pdf202203 AWS Black Belt Online Seminar Amazon Connect Tasks.pdf
202203 AWS Black Belt Online Seminar Amazon Connect Tasks.pdf
 
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
SaaS テナント毎のコストを把握するための「AWS Application Cost Profiler」のご紹介
 
Amazon QuickSight の組み込み方法をちょっぴりDD
Amazon QuickSight の組み込み方法をちょっぴりDDAmazon QuickSight の組み込み方法をちょっぴりDD
Amazon QuickSight の組み込み方法をちょっぴりDD
 
マルチテナント化で知っておきたいデータベースのこと
マルチテナント化で知っておきたいデータベースのことマルチテナント化で知っておきたいデータベースのこと
マルチテナント化で知っておきたいデータベースのこと
 
機密データとSaaSは共存しうるのか!?セキュリティー重視のユーザー層を取り込む為のネットワーク通信のアプローチ
機密データとSaaSは共存しうるのか!?セキュリティー重視のユーザー層を取り込む為のネットワーク通信のアプローチ機密データとSaaSは共存しうるのか!?セキュリティー重視のユーザー層を取り込む為のネットワーク通信のアプローチ
機密データとSaaSは共存しうるのか!?セキュリティー重視のユーザー層を取り込む為のネットワーク通信のアプローチ
 
パッケージソフトウェアを簡単にSaaS化!?既存の資産を使ったSaaS化手法のご紹介
パッケージソフトウェアを簡単にSaaS化!?既存の資産を使ったSaaS化手法のご紹介パッケージソフトウェアを簡単にSaaS化!?既存の資産を使ったSaaS化手法のご紹介
パッケージソフトウェアを簡単にSaaS化!?既存の資産を使ったSaaS化手法のご紹介
 
202202 AWS Black Belt Online Seminar Amazon Connect Customer Profiles
202202 AWS Black Belt Online Seminar Amazon Connect Customer Profiles202202 AWS Black Belt Online Seminar Amazon Connect Customer Profiles
202202 AWS Black Belt Online Seminar Amazon Connect Customer Profiles
 
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するためにAmazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
Amazon Game Tech Night #24 KPIダッシュボードを最速で用意するために
 
202202 AWS Black Belt Online Seminar AWS SaaS Boost で始めるSaaS開発⼊⾨
202202 AWS Black Belt Online Seminar AWS SaaS Boost で始めるSaaS開発⼊⾨202202 AWS Black Belt Online Seminar AWS SaaS Boost で始めるSaaS開発⼊⾨
202202 AWS Black Belt Online Seminar AWS SaaS Boost で始めるSaaS開発⼊⾨
 
[20220126] JAWS-UG 2022初頭までに葬ったAWSアンチパターン大紹介
[20220126] JAWS-UG 2022初頭までに葬ったAWSアンチパターン大紹介[20220126] JAWS-UG 2022初頭までに葬ったAWSアンチパターン大紹介
[20220126] JAWS-UG 2022初頭までに葬ったAWSアンチパターン大紹介
 
202111 AWS Black Belt Online Seminar AWSで構築するSmart Mirrorのご紹介
202111 AWS Black Belt Online Seminar AWSで構築するSmart Mirrorのご紹介202111 AWS Black Belt Online Seminar AWSで構築するSmart Mirrorのご紹介
202111 AWS Black Belt Online Seminar AWSで構築するSmart Mirrorのご紹介
 

Recently uploaded

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイルLoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイルCRI Japan, Inc.
 
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介Hyperleger Tokyo Meetup
 
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfTakayuki Nakayama
 
部内勉強会(IT用語ざっくり学習) 実施日:2024年5月17日(金) 対象者:営業部社員
部内勉強会(IT用語ざっくり学習) 実施日:2024年5月17日(金) 対象者:営業部社員部内勉強会(IT用語ざっくり学習) 実施日:2024年5月17日(金) 対象者:営業部社員
部内勉強会(IT用語ざっくり学習) 実施日:2024年5月17日(金) 対象者:営業部社員Sadaomi Nishi
 
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。iPride Co., Ltd.
 
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltdKeywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltdkokinagano2
 
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルLoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルCRI Japan, Inc.
 
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用KLab Inc. / Tech
 
情報を表現するときのポイント
情報を表現するときのポイント情報を表現するときのポイント
情報を表現するときのポイントonozaty
 

Recently uploaded (9)

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイルLoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ ファイル
 
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
Hyperledger Fabricコミュニティ活動体験& Hyperledger Fabric最新状況ご紹介
 
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
 
部内勉強会(IT用語ざっくり学習) 実施日:2024年5月17日(金) 対象者:営業部社員
部内勉強会(IT用語ざっくり学習) 実施日:2024年5月17日(金) 対象者:営業部社員部内勉強会(IT用語ざっくり学習) 実施日:2024年5月17日(金) 対象者:営業部社員
部内勉強会(IT用語ざっくり学習) 実施日:2024年5月17日(金) 対象者:営業部社員
 
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。
 
Keywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltdKeywordmap overview material/CINC.co.ltd
Keywordmap overview material/CINC.co.ltd
 
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルLoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル
 
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
2024年5月17日 先駆的科学計算フォーラム2024 機械学習を用いた新たなゲーム体験の創出の応用
 
情報を表現するときのポイント
情報を表現するときのポイント情報を表現するときのポイント
情報を表現するときのポイント
 

iot@Loft#14-LT4-AI /機械学習に活用できる AWSのエッジソリューションのご紹介

  • 1. © 2020, Amazon Web Services, Inc. or its Affiliates. 嶺 行伸 ソリューションアーキテクト デジタルトランスフォーメーション本部 アマゾン ウェブ サービス ジャパン株式会社 AI /機械学習に活用できる AWSのエッジソリューションのご紹介
  • 2. © 2020, Amazon Web Services, Inc. or its Affiliates. 自己紹介 嶺 ⾏伸 (みね ゆきのぶ) デジタルトランスフォーメーション本部 IoTソリューションアーキテクト IoTの導⼊やPoC段階のご⽀援を担当 主に製造系のお客様のご⽀援をメインに活動中 好きなAWSサービス AWS Lambda / AWS IoT Greengrass
  • 3. © 2020, Amazon Web Services, Inc. or its Affiliates. アジェンダ • IoTにおける機械学習のユースケース • エッジデバイスでの機械学習が必要なケースと要件 • AWSのエッジソリューションのご紹介 • アーキテクチャ例 • まとめ
  • 4. © 2020, Amazon Web Services, Inc. or its Affiliates. IoTシステムの進化のステップ 接続 モニタリング・ 可視化 分析・制御 ⾃律化・効率化 ROI 成熟度 難易度 1 2 3 4
  • 5. © 2020, Amazon Web Services, Inc. or its Affiliates. 機械学習による自律化がトレンドに 接続 モニタリング・ 可視化 分析・制御 ⾃律化・効率化 ROI 成熟度 難易度 1 2 3 4 機械学習の活用 により実現
  • 6. © 2020, Amazon Web Services, Inc. or its Affiliates. IoTにおける機械学習のユースケース 外観検査 来客分析 顔認証 商品検索 行動分析 異常検知 コンテキスト 解析 需要予測予知保全
  • 7. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジデバイスでの機械学習が必要になるケース レイテンシの制約 通信コスト オフライン対応 セキュリティ コンプライアンス 機械学習を導入する際、次の要件がある場合には、 推論をクラウドではなく、エッジで行うことを検討する必要がある
  • 8. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジデバイスでの機械学習に必要な要素
  • 9. © 2020, Amazon Web Services, Inc. or its Affiliates. AWSの処理機能をデバイスの上に拡張 処理を クラウドで実⾏ 処理を ローカルで実⾏ Moving to the edge AWS IoT Greengrass 開発、アップデート 任意のデバイスで 処理を実⾏
  • 10. © 2020, Amazon Web Services, Inc. or its Affiliates. 工場におけるAWS IoT Greengrassの役割 工場 OPC−UA サーバ 生産設備 IoT システム 直接クラウドと通信 できない既存設備の データを収集 AWS IoT Greengrass 推論や制御を実行 (オフライン時も動作を継続) データを一次処理し てクラウドに送信 制御ロジックを遠隔 アップデート、監視 (機械学習のモデル の配信もサポート) システム運⽤者
  • 11. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジでの既存機器のデータ収集 OPC サーバ PLC Camera Sensor AWS IoT Greengrass ⼯場 OPC-UA OPC-DA RTSP USB MQTTs GPIO Modbus RTU/TCP SLMP 外付けセンサ 画像、動画 設備データ 集約された 設備データ 様々なプロトコルで既存機器と通信してデータを収集 広く使われているプロトコルはノンコーディングで利用可能
  • 12. © 2020, Amazon Web Services, Inc. or its Affiliates. 3rd party protocol conversion B社製PLC OPC-UA MQTT AWS IoT Greengrass ⼯場 A社製PLC C社製PLC 3rd Party Gateway SW (EdgeCross, KepServerEX, etc) Protocol A Protocol B Protocol C 各社のPLCのデータを汎用的なプロトコルに変換する サードパーティーのGW製品との連携も可能
  • 13. © 2020, Amazon Web Services, Inc. or its Affiliates. クラウドからプログラムを配信・運用 工場 A AWS IoT Greengrass (Core) 工場 B AWS IoT Greengrass (Core) PLC システム運⽤者 異常検知 処理 AWS IoT Greengrass (Service) Logs Amazon Cloudwatch PLC • AWS Lambda で開発したプログラムを配信してエッジで実行 • 現地に行く事なく機能のアップデート・ログ監視等の運用が可能
  • 14. © 2020, Amazon Web Services, Inc. or its Affiliates. クラウドと Greengrass の Lambda 実行環境の違い On Cloud On Greengrass 実⾏環境 Amazon Linux GGC がインストールされているデバ イスに依存 プログラミング⾔語 Node.js Java Python .NET Core and more… Node.js: v6 / v8 / v12 Python: 3.7 / 2.7 Java: 8 C, C++ イベントソース S3, DynamoDB, Kinesis, …(*1) Local MQTT, GGC 起動時に⾃動起動 タイムアウト設定 最⼤ 900s 上限なし (常駐を指定可能) メモリ設定 最⼩ 128MB 最⼤ 3008MB 上限なし (デバイスに依存) ローカルリソースアクセス (デバイス or ボリューム) 不可 可 (ホワイトリスト⽅式) 課⾦ 実⾏回数と実⾏時間、割り当てたメモリ量 に応じて課⾦ 無料(*2) *1: https://docs.aws.amazon.com/ja_jp/lambda/latest/dg/invoking-lambda-function.html *2: Greengrass ⾃体の課⾦は発⽣します
  • 15. © 2020, Amazon Web Services, Inc. or its Affiliates. クラウドへのデータ送信 AWS IoT Core Amazon Kinesis Amazon S3 AWS IoT Analytics MQTTs Https Https HttpsAWS IoT Greengrass AWS クラウド ニアリアルタイムデータ ストリームデータ 画像、ファイル マイクロバッチ ⼯場 • データレイクでの分析やモデルの再学習のため、クラウドにデータを自動送信 • データの種別に応じて適切なサービスを選択可能
  • 16. © 2020, Amazon Web Services, Inc. or its Affiliates. オフライン対応 • オフラインになってもエッジでの処理は継続 • クラウドにアップロードすべきデータはキャッシュして、オンラインになっ たタイミングで順次アップロード 生産設備 Local Lambda アラート データ 工場 AWS IoT Core Amazon Kinesis AWS IoT Analytics AWS クラウド データ Greengrass Core オフライン キャッシュ
  • 17. © 2020, Amazon Web Services, Inc. or its Affiliates. AWS IoT Greengrass ML Inference クラウドで学習したモデルを 簡単にデプロイし、 エッジで機械学習の推論を⾏う Actuators Sensors AWS IoT Greengrass Core Amazon SageMaker AWS Lambda AWS IoT Greengrass Service 推論結果 Local Lambda ML Model 推論して ローカルで アクション
  • 18. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジデバイスでの機械学習に必要な要素 エッジデバイスへのモデルのデプロイ エッジでのデータ収集 エッジでの推論 エッジでのアクション クラウドへのデータ転送
  • 19. © 2020, Amazon Web Services, Inc. or its Affiliates. Amazon SageMaker フルマネージドのホ スティング &⾃動スケール One-click デプロイメント よくあるシナ リオ向けの ノートブック の提供 ⾼いパフォーマ ンスのビルトイ ンアルゴリズム One-click トレーニング ハイパーパラメー タの最適化 開発 学習 推論 データサイエンティストや開発者が 容易に機械学習モデルを開発・活⽤するための マネージドサービス
  • 20. © 2020, Amazon Web Services, Inc. or its Affiliates. Amazon SageMaker Neo • Tensorflow や PyTorch などのモデルを、 EC2 インスタンスや Greengrass デバイス上で高速に動作するように変換するサービス • 従来のDeep Learning フレームワークが 500MB-1GB 程度であるのに対 し、Amazon SageMaker Neo Runtime は 1MB 程度
  • 21. © 2020, Amazon Web Services, Inc. or its Affiliates. Amazon SageMaker Ground Truth • データにラベル (Ground Truth) を付与するアノテーションを支援 • 以下の4タスクにはテンプレートが用意されており、自作も可能 • ラベルを付与するワーカーは、Amazon Mechanical Turk、外部ベン ダ、自社のチームの3種類から選択可能 画像のラベル ラベルと位置 文章のラベルピクセル単位のラベル
  • 22. © 2020, Amazon Web Services, Inc. or its Affiliates. アーキテクチャ例
  • 23. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジ推論のアーキテクチャ例 Actuator Camera Edge AWS Cloud Amazon QuickSight Amazon SageMaker Amazon SageMaker Neo Image Analysis ML Model AWS IoT Core S3 AWS IoT Analytics AWS Lambda Amazon SageMaker Ground Truth Neo Runtime Labelers AWS IoT Greengrass
  • 24. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジ推論のアーキテクチャ例 Actuator Camera Edge AWS Cloud Amazon QuickSight Amazon SageMaker Amazon SageMaker Neo Image Analysis ML Model AWS IoT Core S3 AWS IoT Analytics AWS Lambda Amazon SageMaker Ground Truth Neo Runtime Labelers 1. 蓄積したデータと SageMaker Ground Truth で付与したラベル から学習してモデルを⽣成 AWS IoT Greengrass
  • 25. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジ推論のアーキテクチャ例 Actuator Camera Edge AWS Cloud Amazon QuickSight Amazon SageMaker Amazon SageMaker Neo Image Analysis ML Model AWS IoT Core S3 AWS IoT Analytics AWS Lambda Amazon SageMaker Ground Truth Neo Runtime Labelers 2. 学習したモデルを SageMaker Neo で コンパイルして Greengrass にデプロイ AWS IoT Greengrass
  • 26. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジ推論のアーキテクチャ例 AWS IoT Greengrass Actuator Camera Edge AWS Cloud Amazon QuickSight Amazon SageMaker Amazon SageMaker Neo Image Analysis ML Model AWS IoT Core S3 AWS IoT Analytics AWS Lambda Amazon SageMaker Ground Truth Neo Runtime Labelers 3. Camera から の画像データを エッジで推論
  • 27. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジ推論のアーキテクチャ例 AWS IoT Greengrass Actuator Camera Edge AWS Cloud Amazon QuickSight Amazon SageMaker Amazon SageMaker Neo Image Analysis ML Model AWS IoT Core S3 AWS IoT Analytics AWS Lambda Amazon SageMaker Ground Truth Neo Runtime Labelers 4. 推論結果のみアップ ロードして BI で可視化・ 定期チェック 低レイテンシが必要な アクションを実⾏
  • 28. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジ推論のアーキテクチャ例 AWS IoT Greengrass Actuator Camera Edge AWS Cloud Amazon QuickSight Amazon SageMaker Amazon SageMaker Neo Image Analysis ML Model AWS IoT Core S3 AWS IoT Analytics AWS Lambda Amazon SageMaker Ground Truth Neo Runtime Labelers 5. エッジで精度が低 かった画像データを再 学習⽤にアップロード、 ラベリングを依頼
  • 29. © 2020, Amazon Web Services, Inc. or its Affiliates. エッジ推論のアーキテクチャ例 AWS IoT Greengrass Actuator Camera Edge AWS Cloud Amazon QuickSight Amazon SageMaker Amazon SageMaker Neo Image Analysis ML Model AWS IoT Core S3 AWS IoT Analytics AWS Lambda Amazon SageMaker Ground Truth Neo Runtime Labelers 6. 精度が低かった画像と正しい ラベルを含めたデータセットで再 学習することで精度改善
  • 30. © 2020, Amazon Web Services, Inc. or its Affiliates. まとめ • 外観検査など、現場課題への機械学習ソリューションの導入にはエッ ジ推論が適している • エッジ推論では、エッジデバイスでのデータ収集と推論、データや推 論結果のクラウドへの送信、クラウドでの推論モデル開発と精度改 善、エッジへのデプロイ、といったサイクルを構築する事が重要 • AWSでは、サイクルの構築に必要なサービスとエッジソリューション を全て提供している