rights reserved. 学びからMLの実践に至るための機能・コンテンツを AWS、SageMakerは提供しています。 Accenture 機械学習導入を試みる企業の60%がPoCに留まる:「AI活用浸透」の極意:実践から成果へ Gartner 2022年までに85%のAI活用プロジェクトが失敗すると予想: Gartner Says Nearly Half of CIOs Are Planning to Deploy Artificial Intelligence Boston Consulting Group, MIT Sloan Management Review 2021年の調査で、わずか1割の企業のみがAIにより財務上の利益を実現している: AIにより一定 以上の財務上の利益を実現している組織はわずか1割 Transform 2019 データサイエンスプロジェクトの87%は失敗する: Why do 87% of data science projects never make it into production?
rights reserved. SageMaker Studio Labが活躍するのは機械学習の学び、検 証、試作のフェーズ。 Learning Experimenting Building Deploying Scaling Prototyping SageMaker Studio Lab 機械学習を学び、検証し、試作する 機械学習モデルを構築・運用・スケールする SageMaker
rights reserved. SageMaker Studio Labの機能に加え教材でも機械学習の 学び、検証、試作を支援。 Learning Experimenting Prototyping 様々な大学、書籍のコードを Studio Labで実行できます。 Studio Labで学べる教材をまとめ てCommunityサイトで公開。 ハッカソンやコンペティションで Studio Labを利用できます。 特定の業務課題にフォーカスした 課題解決型ハンズオンも提供。 プロダクト開発チームを対象に、 機械学習のインプット、ハンズオ ン、アイデアソンをパッケージし たワークショップを提供。 詳細: ML Enablement Workshop
rights reserved. SageMakerではML Codeに集中したい開発者のために技術的 負債を解消するマネージドサービスを提供。 Configuration Data Collection Data Verification Machine Resource Management Serving Infrastructure ML Code Analysis Tool Process Management Tools Feature Extraction Monitoring “Only a small fraction of real-world ML systems is composed of the ML code” source: Hidden Technical Debt in Machine Learning Systems [D. Sculley, & al.] – 2015 https://papers.nips.cc/paper/5656-hidden-technical-debt-in-machine-learning-systems.pdf Ground Truth Glue Clarify Data Wrangler Feature Store Processing Job Studio Auto Pilot JumpStart Debugger Model Monitor Endpoint Pipeline MWAA Edge Quick Sight Experiments Auto Scaling Training Job
rights reserved. 必要に応じた移行ができるようStudio LabからSageMaker/AWSの機能 を部分的に使うガイドを提供。 学習のためSageMaker Studio Labから Training Jobを使用する。 試作のためSageMaker Studio Labから Serverless Endpointへデプロイする https://github.com/aws/studio-lab-examples 学びからMLの実践に至るための機能とコンテンツを提供
rights reserved. 機械学習の学びから実践まで、各行程の進め方や実装方法について短時 間で楽しく学べるビデオコンテンツを提供中。 学びからMLの実践に至るための機能とコンテンツを提供 Light Part Dark Part 製品やサービスに機械学習を導入する プロジェクトの進め方 機械学習モデルの開発や運用をマネー ジドサービスで効率的に行う方法 https://bit.ly/3M1F9as https://bit.ly/3927PCN Learning Experimenting Building Deploying Scaling Prototyping
rights reserved. 機械学習を活用するにはMLとDev双方の学びが不可欠です。 25 Business Understanding 25 Plan Code Build Test Release Deploy Operate Monitor Code Repository Artifact Software 1.0 Service Verification Raw Data Data Warehouse Collect Analyze Prepare Data Repository Preprocess Features Model Test Release Verification Software 2.0 Deploy Operate Monitor Train Service Raw Data DevOps MLOps
rights reserved. ML、Dev双方の学びに利用可能 MLの開発者がDevの開発者と連携するために必須となるGitを標準でイ ンストール済み。TerminalはもちろんGUIでも利用可能。 GUI CUI Studio LabでGitを学ぶ方むけに 「データサイエンティストのための Git 入門」を執筆(※)。 ※「いちばんやさしいGit&GitHubの教本」 著者が執筆
rights reserved. ML、Dev双方の学びに利用可能 AWS CLIを標準搭載。AWSのAPIをつかったアプリケーション開発や CDKをつかった環境構築を学習できる。 SageMaker Studio LabからCDKを実行 SageMaker Studio LabでLocalStack をつかったモックテストを実行 https://github.com/icoxfog417/studiolab-cdk https://github.com/icoxfog417/localstack-lab
rights reserved. 29 ML & DevのDemo ML Enablement Workshop ビジネス理解からテストまで、各工程で 必要になる実装技術とコミュニケーショ ンを演習で学ぶ。 Studio Lab CDK SageMaker Studio LabからCDKを実行 https://github.com/icoxfog417/studiolab-cdk https://github.com/aws-samples/aws-ml-enablement- workshop
icoxfog417
hdn_tocci
matsuritechnologies
nstock
cuebicventures
komassy
assigninc
cinchr
kakehashi
umzws
viva_tweet_x
.jpg){kind=avatar}
mfpais
staffrecruiter
lara
cromwellryan
rmw
rocio
bcantrill
wjessup
holman
chrislema
geoffreycrofte
chrisshort
dougneiner
rasmusluckow
