SageMakerとIoT GreengrassとAmplifyで作るノーコードエッジAIプラットフォーム

SageMakerとIoT GreengrassとAmplifyで作るノーコードエッジAIプラットフォーム株式会社TechSword｜CTO 宮本大輝

@i7i5 もくじ 1. 会社・サービス紹介 2. アーキテクチャ 3. ハマったポイント 4. おわりに

Introduction 会社・サービス紹介

@i7i5 自己紹介宮本大輝みやもとたいき ▪ 株式会社TechSword 取締役CTO ▪
岡山大学大学院自然科学研究科M1 休学中 ▪ 楕円曲線暗号に関する研究 ▪ ssh-keygen –t ed25519のやつ ▪ 好きなAWSサービス ▪ Amplify ▪ IoT Greengrass ▪ SageMaker

名称株式会社TechSword 住所〒700-8530 岡山県岡山市北区津島中3丁目1番1号会社概要事業内容 ▪ ノーコードエッジAIプラットフォームの開発・運営・提供
▪ AIの開発・導入・運用支援設立 2021年5月19日代表者長島慶樹 @i7i5

VISION すべての人に、AIを。

MISSION AI技術を民主化し最適化された未来社会を実現する

@i7i5 メンバー岡山大学大学院機械システム工学専攻代表取締役CEO 長島慶樹岡山大学大学院電子情報システム工学専攻
取締役CTO 宮本大輝岡山大学工学部電気通信系学科 AIエンジニア池坂和真技術顧問馬場謙介岡山大学サイバーフィジカル情報応用研究コア教授（特任）技術顧問野上保之岡山大学工学部教授 DX担当副理事岡山大学工学部電気通信系学科 AIエンジニア疋田智矢岡山大学工学部電気通信系学科 Webフロントエンジニア宮本稜太岡山大学工学部電気通信系学科 AIエンジニア川田優太

@i7i5 国別AI導入率 85% 51% 39% 0% 10% 20% 30% 40%
50% 60% 70% 80% 90% 中国米国日本日本は先進国の中で圧倒的な AI後進国

@i7i5 解決する課題 AI人材の供給不足出典: 経済産業省『ＩＴ人材需給に関する調査』 AI人材需給ギャップの見通し 101.8 105.9 111.0 113.3
+3.4万人 +4.4万人 +8.8万人 +12.4万人 95.0 100.0 105.0 110.0 115.0 120.0 125.0 130.0 2018年 2020年 2025年 2030年人数 [万人] 供給需要 0 AI外注コストの相場 AI開発のコストの高さ内容費用相場コンサルティング 40-200万円 AI化可能性チェック 40-100万円プロトタイプ作成 100-数百万円 AIモデル開発月額 80-250万円×人月システム開発月額 60-200万円×人月

@i7i5 ノーコードエッジAIプラットフォーム TechSword Platform ▪ 知識0・スキル0でもAIの開発が可能 ▪ 容易にビジネス実装が可能 ▪ 安価な導入コスト

Architecture アーキテクチャ

@i7i5 アーキテクチャ

@i7i5 フロント ▪React ▪TypeScript ▪Amplify ▪ API ▪ Auth ▪
Function ▪ Storage

@i7i5 機械学習 ▪SageMaker Training Job ▪ YOLOv4 ▪SageMaker組み込みの物体検出モデルを使わない理由は？ →精度

@i7i5 機械学習 ▪IoT Greengrass ▪ boto3のcreate_deploymentを実行デプロイに関して SageMaker Edge Managerを組み合わせたやり方も
ある気がしていますまだよくわかっていないので、よければ情報交換しましょう

@i7i5 通信周り ▪SORACOM ▪ SORACOM Air｜通信 ▪ SORACOM Funnel｜デバイスからのデータをAWSに直接転送 ▪SORACOMを使うメリット
▪ 顧客が通信環境をセットアップする必要がない ▪ デバイス側のプログラムをシンプルに ▪ SIMという一意のモノによる認証

Stucked Point ハマったポイント

@i7i5 ハマったポイント発生した問題 ▪ Amplify: Resolver invocation limit reached. 原因
▪ 一部の深いネストのデータを取るためにAPIのdepthを7にしていた ▪ モデルの中に循環参照がある関係で、1回のQueryで取ってくるデータがとんでもないことに

@i7i5 ハマったポイント発生した問題 ▪ Amplify: Resolver invocation limit reached. 原因
▪ 一部の深いネストのデータを取るためにAPIのdepthを7にしていた ▪ モデルの中に循環参照がある関係で、1回のQueryで取ってくるデータがとんでもないことに type Model @model @auth(rules: [{ allow: owner }]) { id: ID! name: String! status: ModelStatus! type: ModelType! images: [Image] @connection(keyName: "byModel", fields: ["id"]) ・・ } type Image @model @auth(rules: [{ allow: owner }]) @key(name: "byModel", fields: ["modelID"]) { id: ID! modelID: ID! model: Model @connection(fields: ["modelID"]) width: Int! height: Int! ext: String! objects: [Object] @connection(keyName: "byImage", fields: ["id"]) }

@i7i5 ハマったポイントいじわるポイント ▪ amplify mockした時はこのエラーが出ない対策 ▪ depthをデフォルトの2に変更 ▪
必要に応じてGraphQL Explorerを使って独自Queryを定義副次的効果 ▪ パフォーマンス改善

Conclusion おわりに

@i7i5 まとめ ▪ノーコードエッジAIプラットフォーム ▪ Amplify ▪ SageMaker ▪ IoT Greengrass
▪エンジニア4人で約4か月でβ版開発 ▪ AWSという巨人の肩に乗って開発 ▪ テクニカルサポート ▪Graphqlのdepthと循環参照には注意⚠

@i7i5 宣伝ちょっとだけ JOIN US! ▪ フロント・機械学習・IoT・営業・オープンポジション ▪ 来春から東京を拠点に ▪ Meetyでカジュアル面談募集中
@i7i5

SageMakerとIoT GreengrassとAmplifyで作るノーコードエッジAIプラットフォーム

SageMakerとIoT GreengrassとAmplifyで作るノーコードエッジAIプラットフォーム

tsmiyamoto

Other Decks in Programming

Featured

Transcript