Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
AmazonForecast&Personalizeハンズオンセミナー
Search
haradai1262
October 31, 2019
Technology
0
100
AmazonForecast&Personalizeハンズオンセミナー
https://aws-seminar.smktg.jp/public/seminar/view/199
haradai1262
October 31, 2019
Tweet
Share
More Decks by haradai1262
See All by haradai1262
Autodesk AI Lab の 論文紹介 3D何でも勉強会 #1 / Introduction Autodesk Papers
haradai1262
0
840
YouTubeのコメントで女性アイドルを分析 - Music×Analytics Meetup
haradai1262
2
1.7k
DLLAB_オンライン教育サービスにおけるデータ活用方法
haradai1262
0
74
クリエイターのデータを解析するお話
haradai1262
0
88
Other Decks in Technology
See All in Technology
mrubyと micro-ROSが繋ぐロボットの世界
kishima
2
380
さくらのIaaS基盤のモニタリングとOpenTelemetry/OSC Hokkaido 2025
fujiwara3
2
190
How Community Opened Global Doors
hiroramos4
PRO
1
130
OPENLOGI Company Profile for engineer
hr01
1
33k
ネットワーク保護はどう変わるのか?re:Inforce 2025最新アップデート解説
tokushun
0
140
より良いプロダクトの開発を目指して - 情報を中心としたプロダクト開発 #phpcon #phpcon2025
bengo4com
1
3.2k
無意味な開発生産性の議論から抜け出すための予兆検知とお金とAI
i35_267
0
770
Yamla: Rustでつくるリアルタイム性を追求した機械学習基盤 / Yamla: A Rust-Based Machine Learning Platform Pursuing Real-Time Capabilities
lycorptech_jp
PRO
4
170
AI導入の理想と現実~コストと浸透〜
oprstchn
0
150
開発生産性を組織全体の「生産性」へ! 部門間連携の壁を越える実践的ステップ
sudo5in5k
0
330
タイミーのデータモデリング事例と今後のチャレンジ
ttccddtoki
4
1.1k
使いたいMCPサーバーはWeb APIをラップして自分で作る #QiitaBash
bengo4com
0
1.1k
Featured
See All Featured
How STYLIGHT went responsive
nonsquared
100
5.6k
Building Adaptive Systems
keathley
43
2.6k
[RailsConf 2023] Rails as a piece of cake
palkan
55
5.6k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
VelocityConf: Rendering Performance Case Studies
addyosmani
331
24k
4 Signs Your Business is Dying
shpigford
184
22k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
32
2.4k
Practical Orchestrator
shlominoach
188
11k
The Power of CSS Pseudo Elements
geoffreycrofte
77
5.8k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.7k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
331
22k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Transcript
Amazon Forecastによる オンライン学習サービスにおける演習回数予測 1 Amazon Forecast&Personalizeハンズオンセミナー 株式会社アイデミー ⽵原⼤智 2019/10/31
l ⽵原 ⼤智 l 株式会社アイデミー AI統括 執⾏役員 ü 北海道⼤学にてソーシャルメディア分析に関する研究を専攻 ü
国内⼤⼿SIerに新卒⼊社 ü アイデミーでは教育サービスのログ解析等の研究開発および 先端技術のリサーチに従事 紹介 発表者について 2
紹介 株式会社アイデミーについて 3 l オンラインプログラミング学習サービス「Aidemy」を提供 l データサイエンス等の先端技術に特化 l 環境構築不要でブラウザで実⾏可能
紹介 法⼈向け事業: Aidemy Business l 「AIチーム⽴ち上げ」や「データ・ドリブン⽂化醸成」に向けた組織⽀援 l 導⼊法⼈数は120社以上 l https://business.aidemy.net/
I POC I Aidemy Business Cloud #7, AI! /-7 Business Intensive Plan A Aidemy Engineer Intensive Plan Aidemy Technology AI PoC"2 ( 4+6 $' 1% 0)&5 3.* (
紹介 株式会社アイデミー データサイエンス部 5 研究開発 • 教育サービスのログなどの 社内データの解析による事 業価値創出 •
社内技術の外部発信、論⽂ 執筆など ドメインに特化した 先端技術リサーチ • 化学、材料分野における機 械学習応⽤に関する先端技 術に関するリサーチ • 化学系、材料系メーカーの クライアントへレポート提 供など MLOps事業 • 機械学習モデルの運⽤の⽀ 援に向けたサービス開発 • クライアント企業のPoC後 の運⽤フェーズへの移⾏を ⽀援 l 研究開発やクライアント企業を⽀援するための新規事業を担当
概要 Amazon Forecastによるオンライン学習サービスにおける演習回数予測 6 l Aidemy における演習回数予測とは l Amazon Forecast
による演習回数予測 l Amazon Forecastへ今後期待すること
Aidemy における演習回数予測とは Aidemyにおける演習 7 l 演習画⾯で機械学習のコードを提出するとRUNサーバでの実⾏結果が返される l 演習回数が多いとRUNサーバに負荷が⼤きくなる 演習画⾯ RUNサーバ
Aidemy における演習回数予測とは Aidemyにおける演習 8 l 演習画⾯で機械学習のコードを提出するとRUNサーバでの実⾏結果が返される l 演習回数が多いとRUNサーバに負荷が⼤きくなる 演習画⾯ RUNサーバ
2. コードを提出 4. 実⾏結果を返す 1. コードを⼊⼒ 3. 実⾏
Aidemy における演習回数予測とは 効率的な運⽤のためには演習回数予測が必要 9 l 通常は⼤きめのリソースを⽤意している l 需要に応じて動的に変更できればコストの最適化が図れる 演習回数の例
Aidemy における演習回数予測とは 効率的な運⽤のためには演習回数予測が必要 10 l 通常は⼤きめのリソースを⽤意している l 需要に応じて動的に変更できればコストの最適化が図れる 演習回数の例 負荷が⼤きい
負荷が⼩さい
Aidemy における演習回数予測とは 効率的な運⽤のためには演習回数予測が必要 11 l 通常は⼤きめのリソースを⽤意している l 需要に応じて動的に変更できればコストの最適化が図れる Amazon Forecastによる演習回数予測
によりコストの最適化を図りたい 最適化された コスト 最適化されて いないコスト
概要 Amazon Forecastによるオンライン学習サービスにおける演習回数予測 12 l Aidemy における演習回数予測とは l Amazon Forecast
による演習回数予測 l 利⽤⽅法 l 予測結果について l Amazon Forecastのメリット l 今後やりたいこと l Amazon Forecastへ今後期待すること
Amazon Forecast による演習回数予測 全体像 13 https://aws.amazon.com/jp/forecast/ 出⼒: Boto3(AWS SDK for
Python)による結果取得 出⼒: コンソール(GUI)による可視化 ⼊⼒: 演習回数の履歴データ(CSVファイル)
Amazon Forecast による演習回数予測 利⽤⽅法 14 l コンソール(GUI) l Python(Jupyter Notebook)やAWS
CLI https://docs.aws.amazon.com/ja_jp/forecast/latest/ dg/gs-console.html • GUIで表⽰されるフローに従って容易に学習 可能 • ダッシュボードによる管理画⾯が提供され、 予測結果も確認できる
Amazon Forecast による演習回数予測 利⽤⽅法 15 l コンソール(GUI) l Python(Jupyter Notebook)やAWS
CLI https://github.com/aws-samples/amazon-forecast-samples • Boto3(AWS SDK for Python)を⽤いて Python(Jupyter Notebook)により記述可能 • Pandas等で整形した⼊⼒データを使い、 シームレスに予測モデルが作成可能
Amazon Forecast による演習回数予測 予測結果について 16 l P10,P50,P90の3種類の予測結果が得られる l 10%, 50%,
90% の 3 つの異なる分位数で確率的予測が⾏われる コンソール(GUI)による可視化
Amazon Forecast による演習回数予測 予測結果について 17 l P10,P50,P90の3種類の予測結果が得られる l Aidemyの場合は、予測を⼤きく上回る演習回数になるとサービスが正常動作しなくなる可能性 があるためP90を採⽤する
l そのようなリスクがない場合は、P50やP10を採⽤すると良い 実測値(⻘)と予測値(⾚:P90, 緑:P50, 橙: P10)の⽐較
Amazon Forecast による演習回数予測 Amazon Forecastのメリット 18 l 容易に試すことができる l CSVファイルを⽤意するだけでGUIでも簡単に予測モデルが構築できる
l エンジニア、データサイエンティスト職でなくても使うことができる l (時系列タスクは⾮DSの⽅が間違いやすいタスク) l サービスの費⽤料⾦も安く抑えられる
Amazon Forecast による演習回数予測 Amazon Forecastのメリット 19 l AWSのその他サービスとの連携がしやすい l Boto3(AWS
SDK for Python)も対応されているのでPythonで連携可能 l https://github.com/aws-samples/amazon-forecast-samples (サンプルコード)
Amazon Forecast による演習回数予測 今後やりたいこと 20 l 講座の売り上げなど演習回数以外の予測にも活⽤したい l Related dataとして演習回数予測に関連するその他の系列データを活⽤したい
https://aws.amazon.com/jp/forecast/
概要 Amazon Forecastによるオンライン学習サービスにおける演習回数予測 21 l Aidemy における演習回数予測とは l Amazon Forecast
による演習回数予測 l Amazon Forecastへ今後期待すること
Amazon Forecastへ今後期待すること 再学習について 22 l 再学習を定期的にしたければ l 現状、StepFunctionsなどでワークフローを組むと良い l 少し⼤変…
l 差分学習 l これができれば運⽤の幅が広がりそう
Amazon Forecastへ今後期待すること 運⽤について 23 l ↓など簡単な運⽤もできるくらいもっとマネージドだと嬉しい l 再学習(定期的なモデルの更新) l S3に配置するデータを更新するとモデルも更新される、など
l 通知 l 実測値と予測値を⽐較してアラートをあげる、など l GUIがよりリッチだと⾮エンジニアでも運⽤までできそう
None