© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved MLとDev、両方学べる SageMaker Studio Labのご紹介 AWS Japan Developer Relations ML Takahiro Kubo

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本日のゴール Studio Labがプロダクトで機械学習を活用するのに最適な 学習環境である3つの理由を知っていただくこと。 • Studio Labが教えやすく学びやすい環境であること。 • AWSが機械学習の学びを実践へつなげるためのサービス とコンテンツを提供していること。 • MLとDevの融合を実現するため、Studio LabはDevの開 発を学ぶのにも適した環境であること。

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. Takahiro Kubo / 久保 隆宏 DevRel Engineer, Machine Learning Summary 研究開発部門で機械学習技術を広める活動を5年以上実施。書籍3冊以上を執筆し、ブ ログは購読者数2000名以上、メールマガジンは3000名以上が購読する。OSS開発者 として、GitHubのStarが500を超えるリポジトリを複数開発。SAPコンサルタントと して10年以上の経歴、自然言語処理を用いた金融系サービスのプロダクトオーナーの 経験があり、プロジェクトの必要に応じ業務コンサルタント、プロダクトオーナー、 テックリードとして活動。技術の普及だけでなく、活用されるための活動を行うこと に強い関心。 サービス 非財務情報参照・点 検サービス 書籍 Pythonで学ぶ強化学習 直感 Deep Learning OSS/コミュニティ活動 arXivTimes NLP若手の会

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. アジェンダ • Amazon SageMaker Studio Labが解決する課題 • Amazon SageMaker Studio Labのはじめやすさ • Amazon SageMaker Studio Labで学ぶメリット • 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 • Devの学びにも利用可能 • デモ • おわりに

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 5 Amazon SageMaker Studio Labが解決する課題

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. Amazon SageMaker Studio Labが解決する課題 Studio Labのハンズオンに参加 いただいた方のアンケートでは、 「機械学習を試すための環境構 築が大変」が1位。

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. Studio Labで教えやすく・学びやすい機械学習が実現できます。

© 2021, Amazon Web Services, Inc. or its affiliates. All 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?

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 9 Amazon SageMaker Studio Labのはじめやすさ

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. Studio Labはデータサイエンスの学習に適した環境がメール アドレスのみ、無料で開始できます。

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. JupyterLabをベースにすることでデータサイエンティスト にとって慣れ親しんだ使い勝手を実現。 ファイルブラウザでストレージ 内のファイルを確認できる タブでウィンドウを管理できる。 ターミナルも使用可能。

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. GUIでGitが扱えるExtensionを 標準で搭載 デバッガを利用可能 JupyterLabをベースにすることでデータサイエンティスト にとって慣れ親しんだ使い勝手を実現。

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. Studio Labで学べる教材の例: 機械学習帳の学習ノート 東京工業大学の機械学習帳を40日ちょっとずつ学ぶコンテンツ。 https://github.com/icoxfog417/mlnote-note

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 大学の機械学習の講座でも活用頂いています。 東京工業大学情報理工学院 機械学習 (CSC.T254) 東京大学 4840-1054: Media Computing in Practice (Summer 2022)

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 17 Amazon SageMaker Studio Labで学ぶメリット

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. • 大規模なデータ作成や前処理 • 長時間の学習/分散学習 • MLOps/CI/CD • 本番運用/モデル監視 SageMaker/AWSの機能が必要に なった際はGitリポジトリを通じ移 行ができます。 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 機械学習モデルがスムーズに移行できるようエクスポート機能を提供

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 開発者がスムーズに移行できるようオープンソースのJupyterLabを ベースとした一貫した開発体験を提供。 ローカル(JupyterLab) SageMaker Studio Lab SageMaker Studio チーム間で統一かつ十分 なCPU/GPUのある環境 開発者それぞれのPCで 稼働 エンタープライズレベル のインフラがある環境 Learning Experimenting Building Deploying Scaling Prototyping 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

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. プロダクト開発チームがユーザー体験の改善にMLを活用できるよう学び を提供するワークショップをGitHubで公開。 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 https://github.com/aws-samples/aws-ml-enablement-workshop ※コンテンツは開発中のものです。リリース時変更される可能性があります MLワークロード発見アイデアソン 対象: PdM + エンジニア ML開発プロジェクトハンズオン 対象: エンジニア MLインプット 対象:プロダクトマネージャー(PdM) MLを用いた機能実現に不可欠なMLの技術、 プロジェクト計画、体制について学ぶ。 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。 プロダクトマネージャーと開発者共同 で、プロダクトの課題に対するMLの ユースケースを発見する。

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. ML Discovery Workshop お客様のビジネス課題に対しAI/MLの適用可 否と難易度を発見するワークショップ。アマ ゾンの代表的なイノベーションメカニズムで ある「ワーキングバックワーズ（Working Backwords）」の５つの質問などを用い機械 学習のユースケースを特定する。(リンクは Astra Zeneca様の事例) Amazon Machine Learning Solutions Lab AWSの機械学習エキスパートと連携し、モデ ル開発を含めたMVPを短期間で開発する。 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 機械学習のビジネス的、技術的課題の解決をワークショップで支援。

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 28 Demo

© 2021, Amazon Web Services, Inc. or its affiliates. All 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

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 30 おわりに

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 本日のゴール (再掲) Studio Labがプロダクトで機械学習を活用するのに最適な 学習環境である3つの理由を知っていただくこと。 • Studio Labが教えやすく学びやすい環境であること。 • AWSが機械学習の学びを実践へつなげるためのサービス とコンテンツを提供していること。 • MLとDevの融合を実現するため、Studio LabはDevの開 発を学ぶのにも適した環境であること。

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. SageMaker Studio Labは公式ページからアカウントの申 請が可能です。 https://studiolab.sagemaker.aws/ 【お問い合わせください】 • 社内/学校でのデータサイエンスの教材や授業にStudio Labを活用したい。 • データサイエンスのハッカソン/コンペティション/ワークショップの開 催を企画しており参加者向けの環境としてStudio Labを活用したい。 • 組織、チームとしてプロダクトに機械学習を活用していけるようになる ためAWSのコンテンツやワークショップで支援してほしい。 Next Step

© 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. Thank you! © 2021, Amazon Web Services, Inc. or its affiliates. All rights reserved. 33