Introducing Amazon SageMaker AutoPilot

Transcript

1. Introducing Amazon SageMaker AutoPilot 高品質な機械学習モデルをフルコントロールかつ視覚的に自動生成 10.Dec.2019 JAWS-UG東京#33 マイベストモーメント re:Invent 2019

   Takashi,MOGAMI @mogamin

2. WHO AM I? Takashi, MOGAMI / @mogamin ウルシステムズ株式会社 Technology Enabler

   画像処理、DeepLearningや強化学習がメイン業務。時間があればkaggleや SIGNATEで技術を磨く。社内ではテック合宿、arxiv論文を読む活動等、Scrum推 進活動、主に技術系を軸とした社内コミュニケーション活性化施策立案および実 行。最近ではgolangを使ったマイクロサービスプロジェクトを推進中。 - Scrum Master - AWS Certified Solutions Architect Professional
3. None

4. I’m Chainer User Group Member!

5. I’m Chainer User Group Member!

6. I’m AWS DeepRacer 64 Finalist

7. Introducing Amazon SageMaker Autopilot

8. Agenda - （背景）Scailing machine learning - （紹介）How Amazon SageMaker Autopilot

   helps you scale ML - （事例）How DevFactory uses ML to scale - （デモ）Demo of Amazon SageMaker Autopilot - （まとめ）Conclution

9. Scaling machine learning - 毎2年でデータは1,000%成長 - ここ2年で世界の人口は2.2%増加 - ほとんどのデータが使われていない -

   データの増加に雇用が間に合わない。 - 機械学習は人間の知識をスケールさせる テクノロジーであり、人間の知識を拡張 して増加するデータに追いつくための方 法です。 - それを使いたいが使えない壁はnanda？

10. Scailing machine learning - 機械学習プロセスはほんっと大変！ - データは時間とともに変化するので、 MLプロセスは何度も繰り返す必要があ り、いつか成功を。。。 -

    MLは非標準なツールを多く使い、重要 なデータにはコンプライアンス課題がつ きまとう。。。 - MLは、計算コストが高い。そのためス ケーリングにはコスト課題が残る。 - それに、これらのプロセスを自動化して 規模を拡大させたいというはるかなる願 いもある。

11. MLを成功させるには - 複雑で見つけにくい、アル ゴリズム、データ、パラメ ータの組み合わせが必要。 - しかもそれは、MLの専門家 でも、非常に時間がかかる し、ミスが多発するプロセ スだし。

    - だから、AWSは自動モデル チューニングを考えました。

12. SageMaker Autopilotの守備範囲 - XXXX

13. SageMaker Autopilotの紹介 - XXXX

14. SageMaker Autopilotの紹介 DIY model training Automated ML SageMaker Autopilot •

    ML専門家による手作業 • 完全にコントロールでき る • ML専門家がトレードオフ の決定をする • 時間の経過とともによく なります • 専門家でなくても、専門 家のように手動操作でき る • 学習過程が可視化され ない • 精度に依存する特徴量 間のトレードオフは操作 できない • 専門家でなくても専門家 のような学習を完全自動 化できる • notebookの生成、提供 により完全にコントロー ルできる • notebookがあるので、ト レードオフになりうる特 徴量の修正は簡単 • 他モデルとの比較も可 視化できる

15. SageMaker Autopilotの紹介 DIY model training Automated ML SageMaker Autopilot •

    ML専門家による手作業 • 完全にコントロールでき る • ML専門家がトレードオフ の決定をする • 時間の経過とともによく なります • 専門家でなくても、専門 家のように手動操作でき る • 学習過程が可視化され ない • 精度に依存する特徴量 間のトレードオフは操作 できない • 専門家でなくても専門家 のような学習を完全自動 化できる • notebookの生成、提供 により完全にコントロー ルできる • notebookがあるので、ト レードオフになりうる特 徴量の修正は簡単 • 他モデルとの比較も可 視化できる

16. Autopilotの仕組み

17. demo

18. Amazon SageMakerのプロダクト群

19. 参考 - Amazon Web Services ブログ https://aws.amazon.com/jp/blogs/news/amazon-sagemaker-autopilot-fully- managed-automatic-machine-learning/ - ClassMethod

    Amazon SageMaker Autopilotを使ってみた https://dev.classmethod.jp/cloud/aws/try-amazon-sagemaker-autopilot/

20. 英語について - なんとかなる。 - はじるな！考えるな！ - 気持ちを伝えよう！

21. こちらもよろしくおねがいします。 EKS on Fargate のクラスタを構築してみる

22. ありがとうございました。 We are now hiring! @mogaminまで