Slide 1

Slide 1 text

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

Slide 2

Slide 2 text

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

Slide 3

Slide 3 text

No content

Slide 4

Slide 4 text

I’m Chainer User Group Member!

Slide 5

Slide 5 text

I’m Chainer User Group Member!

Slide 6

Slide 6 text

I’m AWS DeepRacer 64 Finalist

Slide 7

Slide 7 text

Introducing Amazon SageMaker Autopilot

Slide 8

Slide 8 text

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

Slide 9

Slide 9 text

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?

Slide 10

Slide 10 text

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。

Slide 11

Slide 11 text

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。

Slide 12

Slide 12 text

SageMaker Autopilotの守備範囲 - XXXX

Slide 13

Slide 13 text

SageMaker Autopilotの紹介 - XXXX

Slide 14

Slide 14 text

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

Slide 15

Slide 15 text

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

Slide 16

Slide 16 text

Autopilotの仕組み

Slide 17

Slide 17 text

demo

Slide 18

Slide 18 text

Amazon SageMakerのプロダクト群

Slide 19

Slide 19 text

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/

Slide 20

Slide 20 text

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!

Slide 21

Slide 21 text

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

Slide 22

Slide 22 text

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