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
Amazon SageMaker Canvasで学ぶ機械学習モデルの構築
Search
iret.kumoben
March 19, 2024
Technology
0
1.7k
Amazon SageMaker Canvasで学ぶ機械学習モデルの構築
下記、勉強会での資料です。
https://youtu.be/EVdUQx4jCkE
iret.kumoben
March 19, 2024
Tweet
Share
More Decks by iret.kumoben
See All by iret.kumoben
第155回 雲勉 サーバレスアーキテクチャを 用いたコスト重視 AI サービス
iret
0
30
第154回 雲勉 AWS Codeシリーズ盛り上げ隊 ~ Codeシリーズは砕けない ~
iret
0
38
第153回 雲勉 トラシューが秒で終わる新機能 Amazon Q Developer operational investigations
iret
0
52
第150回 雲勉 AWS AppSyncではじめるGraphQL体験
iret
0
44
第151回 雲勉 プロジェクトのドキュメントにおける課題をAmazon Bedrockで解決してみる
iret
0
61
第152回 雲勉 シームレスなマルチリージョンへの移行と検討 ~Amazon EKSとAWS Global Acceleratorを使用した環境〜
iret
0
57
第149回 雲勉 AWS ベストプラクティスの最新と実際 AWS Well-Architected
iret
0
88
第148回 雲勉 Web アプリケーションセキュリティ
iret
0
52
第147回 雲勉 Amazon CloudWatchをウォッチ!
iret
0
66
Other Decks in Technology
See All in Technology
抽象化をするということ - 具体と抽象の往復を身につける / Abstraction and concretization
soudai
27
14k
Reading Code Is Harder Than Writing It
trishagee
2
120
Raycast Favorites × Script Command で実現するお手軽情報チェック
smasato
1
130
システム・ML活用を広げるdbtのデータモデリング / Expanding System & ML Use with dbt Modeling
i125
1
310
ソフトウェアエンジニアと仕事するときに知っておいたほうが良いこと / Key points for working with software engineers
pinkumohikan
1
140
Active Directory攻防
cryptopeg
PRO
8
5k
Pwned Labsのすゝめ
ken5scal
0
240
遷移の高速化 ヤフートップの試行錯誤
narirou
5
880
Swiftの “private” を テストする / Testing Swift "private"
yutailang0119
0
140
役員・マネージャー・著者・エンジニアそれぞれの立場から見たAWS認定資格
nrinetcom
PRO
1
2.4k
コンテナサプライチェーンセキュリティ
kyohmizu
1
130
分解して理解する Aspire
nenonaninu
2
740
Featured
See All Featured
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
6
570
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
32
2.1k
Large-scale JavaScript Application Architecture
addyosmani
511
110k
Rails Girls Zürich Keynote
gr2m
94
13k
Writing Fast Ruby
sferik
628
61k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
666
120k
Building Adaptive Systems
keathley
40
2.4k
Building Flexible Design Systems
yeseniaperezcruz
328
38k
Code Reviewing Like a Champion
maltzj
521
39k
Statistics for Hackers
jakevdp
797
220k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
Stop Working from a Prison Cell
hatefulcrawdad
267
20k
Transcript
第1回 雲勉LT⼤会 Amazon SageMaker Canvas で学ぶ機械学習モデルの構築
⾃⼰紹介 2 前野 佑宜(まえの ゆうき) • 第四開発事業部 第三開発セクション第三開発Eグループ所属 • 23新卒でアイレット⼊社→今年の4⽉で⼊社1年
• ⼤学時代は経済学部で、全くの未経験からIT業界に⾶び込んだ • 現在は、主にバックエンド開発に従事 初めてのLTで⾄らない点もありますが 温かい⽬で⾒守って頂けますと幸いです︕
アジェンダ 3 テーマ紹介 「SageMaker Canvasで学ぶ機械学習モデルの構築」 AI Package Tracker hands-on labでの
ハンズオンラボ まとめ
本⽇のゴール 4 極⼒難しい⾔葉は使わないように、 分かりやすい⾔葉でお伝えします︕ AWSの「機械学習」サービスの 学習の障壁を下げること 私⾃⾝もまだまだ機械学習初学者なので、 初⼼者⽬線で感じたこともお伝えできればと思います︕
1. テーマ紹介 5
1.テーマ紹介 6 Amazon SageMaker とは︖ ・機械学習モデルを構築、トレーニング、デプロイできるサービス Amazon SageMaker Canvas とは︖
・ノーコードで機械学習モデルをデプロイできるSageMakerの⼀機能 ・↑機械学習=「難易度が⾼くとっつきにくい」という ⼀般的なイメージを払拭
1.テーマ紹介 7 BedrockとSageMaker、何が違うの︖ ・どちらも基盤モデルを⼿軽に使うことのできるサービス ・違いを下記の表にまとめてみました Amazon SageMaker (正確にはSageMaker JumpStartという機能) Amazon
Bedrock 利⽤⽅法 推論エンドポイント経由 (ユーザー⾃⾝でエンドポイントを⽴てる) Bedrock API経由 (Bedrockのサービス側に 基盤モデルがホストされている) お⼿軽さ ◦ (⾃⾝でインスタンスタイプの 設定はする必要がある) ◎ カスタマイズ性 ◎ ◦
2. AI Package Tracker hands-on labでの ハンズオン 8
2.AI Package Tracker hands-on labでのハンズオン 9 AI Package Tracker hands-on
lab を使⽤しました • AWSアカウント不要で試すことのできるハンズオンラボ (https://ai.awsplayer.com/labs/amazonsagemakercanvas) • AWS Builder ID(無料) を別途作成する必要はある 初期画⾯はこんな感じ ★事前準備不要 →データはすでに準備されている
2.AI Package Tracker hands-on labでのハンズオン 10 注意点 • 時間の都合上、要点をかいつまんでお伝えすることになります🙇 •
詳細はiret.mediaにも(https://iret.media/94166)公開しておりますのでご覧くださ い︕ • ハンズオンについては確か制限時間(8h?)があった気がするのでご注意を︕
2.AI Package Tracker hands-on labでのハンズオン 11 AI Packager Tracker hands-onの内容をざっくり要約
• 荷物の配送状況がOntime(時間通り)なのかDelayed(遅れている)なのかの要因を、 モデルを⽤いて推測 On time Delayed
2.AI Package Tracker hands-on labでのハンズオン 12 全体像
2.AI Package Tracker hands-on labでのハンズオン 13 ①データのインポート+データセットの作成
2.AI Package Tracker hands-on labでのハンズオン 14 ①データのインポート+データセットの作成 今回は、事前に準備されているcsvデータを使⽤します
2.AI Package Tracker hands-on labでのハンズオン 15 CSVファイルの中⾝を詳しくみる →2018年冬の3ヶ⽉間にアメリカで取られた45000件のデータ 郵便番号・配送量・その時の気象データ・配送遅延の状況が ⼊っている
2.AI Package Tracker hands-on labでのハンズオン 16 ①データセット作成後、Preview Modelで分析の正確さが確認できる
2.AI Package Tracker hands-on labでのハンズオン 17 ②ビルド(Build)
2.AI Package Tracker hands-on labでのハンズオン 18 モデルの正確性 遅延の要因 ③分析(Analyze)
2.AI Package Tracker hands-on labでのハンズオン 19 パラメータ 予測結果 寄与度 ④予測(Predict)
2.AI Package Tracker hands-on labでのハンズオン 20 ④予測(Predict) ⾚:変更箇所 緑:寄与度が⾼いカラム 試しにパラメータを変えてみるとどうなるか︖︖
3. まとめ 21
3.まとめ 22 SageMaker Canvasを使ってみての感想や気づき 機械学習の深い知識がなくても 簡単にGUI上でモデルを作成し、分析ができるのは便利 とはいえ、多少は統計の基礎の部分の知識の理解は必要な気がした ハンズオンラボ→「とりあえず軽く触ってみたい」⼈にはお勧めです︕ 機械学習はあくまでも課題解決の⼿段にすぎない →「機械学習を使って何がしたいのか」を明確にするのかが⼤事︕
参考⽂献 23 ⼤規模⾔語モデル (LLM) ⼊⾨ | AWS AI Week for
Developers https://www.youtube.com/watch?v=jnmxMUqdV_0&list=PLzWGOASvSx6GpTyGBB6rLapnY9N_xrBKW&index=4 AWS Builders Online Series ノーコードではじめる 機械学習 Amazon SageMaker Canvas の 使いどころ https://pages.awscloud.com/rs/112-TZM-766/images/BOS18_T2-1_AWS-Builders-Online-Series_2023-Q1_Presentation- Deck.pdf
動画URL 24 n 動画タイトル 第1回 雲勉LT⼤会 AWSをテーマに社内でLT⼤会をやってみた n 動画URL https://youtu.be/EVdUQx4jCkE
ご清聴ありがとうございました︕ 25