Amazon SageMaker Canvasで学ぶ機械学習モデルの構築

Transcript

1. 第1回 雲勉LT⼤会 Amazon SageMaker Canvas で学ぶ機械学習モデルの構築
2. 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︕
3. 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
4. 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︕
5. 1. テーマ紹介 5
6. 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
7. 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 ◎ ◦
8. 2. AI Package Tracker hands-on labでの ハンズオン 8
9. 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
10. 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︕
11. 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
12. 2．AI Package Tracker hands-on labでのハンズオン 12 全体像
13. 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
14. 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
15. 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
16. 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
17. 2．AI Package Tracker hands-on labでのハンズオン 17 ②ビルド(Build)
18. 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）
19. 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）
20. 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︖︖
21. 3. まとめ 21
22. 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︕
23. 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
24. 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
25. ご清聴ありがとうございました︕ 25