機械学習ワークロードを開発してビジネス価値を創出するには試行錯誤を伴います。そのようなトライアンドエラーを繰り返すには、データ分析環境をデータレイクを中心としたモダンなものにする必要があります。本セッションでは、機械学習導入の際にレガシーなデータ分析環境で発生しがちな課題を明らかにしつつ、AWS サービスでどのようにモダナイズできるか、その方法と効果をご説明します。
アマゾン ウェブ サービス ジャパン合同会社 シニア事業開発マネージャー 甲谷 優
Other content in this Stream
1:16:56あらゆる業界で、パーソナライズされた顧客体験や、より効率的なオペレーションなど、機械学習、AI、ロボティクスなどのテクノロジーを活用したイノベーションが加速しています。このセッションでは、AI/機械学習プロジェクトを始めるにあたり技術的なハードルを下げ、導入に向けた障壁を減らしているのかを明らかにするとともに、グローバル企業のリーダーが、AWS クラウドを活用しどのようにビジネスを変革しているのか
1:01:44深層学習の急速な発達により後押しされ、機械学習は過去の一過性ブームを生み出したテクノロジーではなくなり、我々の生活を支える必須技術となりました。すでに多くのビジネスが機械学習を駆使し、また多くの企業が新しいビジネスにおける機械学習の有効活用を模索しています。 このセッションでは、AWS が提供している機械学習を実現させるマネージドサービスである Amazon SageMaker、複雑な知識不要で
1:01:05AI は人間のあらゆる能力を凌駕しうるのか？あるいは、ただの道具か？これからAIと人間はどのような関係を築くべきなのか？本講演ではこうした問いに「AIは人間の創造性を拡張する」という観点から、私たち人間の豊かな創造性の未来を考察します。世界の先端研究・実践で起きていることをご紹介するとともに、講演者自身のAIを用いたアート、音楽作品をヒントに、あらゆる仕事における AI との創造的な付き合い方を提
27:502017 年のリリース以来 Amazon SageMaker は、お客様の機械学習の活用をより便利に、簡単にするために様々な進化を遂げてきました。今ではデータの収集と準備、モデルの学習、モデルのデプロイや、それらを自動化する AutoML など機械学習ワークフロー全体にわたって多くの機能が用意されています。このセッションでは、機械学習に取り組み始めた方から機械学習をすでに活用している方まで便利にお
30:222021 年 12 月に発表されたAmazon SageMaker Canvas を使用することで、コードを書くことなく、正確な予測を行うための機械学習モデルを簡単に構築することができます。また、モデルはAmazon SageMaker Studioを通じて他のチームに簡単に共有することができ、モデルを本番環境に公開する前に、より詳しい評価を行なうこともできます。本セッションでは、SageMake
31:52機械学習・深層学習のモデル開発に利用されるオープンソースソフトウェア (OSS) の多くを Amazon SageMaker はサポートしています。具体的には TensorFlow, PyTorch, MXNet に代表される深層学習フレームワークや、特定のタスクに特化した Hugging Face Transformers, Deep Graph Library (DGL)、AutoML のため
33:11機械学習のモデル開発者やこれから機械学習運用を目指す方を対象としたセッションです。 機械学習のモデル開発からビジネスの本番環境の継続的な活用において、データやモデルのバージョン管理や CI/CD など、機械学習の開発運用を効率化する MLOps が注目を集めています。Amazon SageMaker を中心に、AWS 上で最適な MLOps を実現するための方法を、設計原則やベストプラクティスを交
31:26AWS では、広く利用され歴史もある NVIDIA GPU を搭載したインスタンスを提供する一方、より高い性能、より高いコストパフォーマンスを持つ幅広い選択肢を提供するため、機械学習ワークロード向けの独自設計カスタムチップ、AWS Inferentia 及びAWS Trainium を開発してきました。このセッションでは、AWS Inferentia を搭載した ML 推論向け Inf1インスタン
32:20「社内にあるデータをもっと活用したいが、何から手をつければ良いかわからない…」とお悩みになったことはないでしょうか。そんな場合は、まず画像データの活用を検討することをオススメしています。豊富なユースケースがあるため、自社のビジネス課題を解決できるかを具体的にイメージすることができます。AWS では画像や動画に特化したAIサービスを揃えており、コードをほとんど書かずに画像を分析・評価できます。このセ
30:38かつての電話中心だったコールセンター部門はいまや複数のチャネルで複合的にお客様をサポートするコンタクトセンターへと進化しており、そこでは最新のテクノロジーによってエージェントや管理者に最適なサポートを提供する必要があります。本セッションでは、AWS のクラウドコンタクトセンターソリューションである Amazon Connect 上で音声分析、レコメンデーションを行う方法や Amazon Lex を
29:13AWS では数学や統計の知識がなくても高度なアルゴリズムを手軽に利用できる AutoML サービスがあります。本セッションでは、ビジネスユースケースとして頻出である時系列予測と異常検知に活用できる Amazon Forecast、Amazon SageMaker Autopilot、Amazon Lookout for Metrics、Amazon Lookout for Equipment につ
33:03AWS では音声やテキストに関する AI サービスとして、Amazon Polly、Amazon Transcribe、 Amazon Translate、Amazon Comprehend などの豊富なサービスを提供しています。本セッションでは、30 分で理解できる代表的なサービス機能や一般的なユースケースの紹介に加え、すぐに使える API を厳選してご紹介します。 アマゾン ウェブ サービス
27:11機械学習をはじめたいけど、プログラミングや機械学習の専門知識がないと難しいと思っていませんか？AWS ではデータエンジニアが、普段使っている分析サービスを利用して機械学習を行うことができる機能を提供しており、機械学習エンジニアやデータサイエンティストでなくてもすぐに機械学習を始めることができます。本セッションでは、機械学習に詳しくなくても仕組みを理解して機械学習をはじめられるように、Amazon
30:38AWS 活用のメリットのひとつは、たとえ少人数であっても最新のサービス・機能を初期投資なく試せ、新しいアイデアをすぐカタチにできることです。このセッションでは中堅中小企業で DX に取り組む方、少ない人数で DX に取り組まれたい方を対象に、代表的な国内の最新事例とともに AI / 機械学習 (ML) サービスをビジネスに活用する方法を紹介します。セッション終了後に「自分たちにもできるのでは！？」
28:43メディア業界では、コンテンツ・サービスの価値を最大限高めるために機械学習の活用が進んでいます。例えば、動画アセットの自動分類や広告のパーソナライズ化、リコメンデーションのためのメタデータの自動抽出や、より安全に高品質な動画視聴体験を届けるためのコンテンツ監視や品質監視機能への応用が挙げられます。本セッションでは Amazon Rekognition をはじめとする AWS の機械学習サービスの活用
28:27機械学習の開発・運用は、データの収集からアプリケーションの統合に至るまで、多くの時間と労力が必要です。本セッションでは、AWS を活用することで、時間と労力を節約しつつビジネス価値を継続的に創出する、機械学習のモダナイゼーションをテーマに取り上げます。近年注目されている、機械学習の開発・運用を効率化する MLOps や、データ中心に AI システムを開発・運用する Data-Centric AI
30:04ゲームビジネスにおいてプレイヤーにまつわるデータを収集、分析し新たなインサイトを得ることは、ゲームのさらなる改善とビジネスとしての成長に欠かせません。本セッションでは AWS のサーバーレスな分析サービスと AI / 機械学習 (ML) サービスを組み合わせて、運用工数が低くデータ分析に集中できる分析基盤と効率的な機械学習基盤を両立する手法を解説します。さらに収集したデータをゲームの運営に役立てる