Submit Search
Upload
APIを叩くだけでない、Deep Learning on AWS で自分だけの学習モデルを作ろう! by JAWS-UG AI支部
•
Download as PPTX, PDF
•
1 like
•
2,014 views
D
Daisuke Nagao
Follow
[JAWS-UG AI] JAWS-DAYS 2017 発表資料
Read less
Read more
Technology
Report
Share
Report
Share
1 of 31
Download now
Recommended
JAWS DAYS 2017 Mafia Talk
JAWS DAYS 2017 Mafia Talk
真吾 吉田
Jaws days2017-ops jaws-2
Jaws days2017-ops jaws-2
Serverworks Co.,Ltd.
DevOpsとか言う前にAWSエンジニアに知ってほしいアプリケーションのこと
DevOpsとか言う前にAWSエンジニアに知ってほしいアプリケーションのこと
Terui Masashi
JAWS DAYS 2016 Mafia Talk
JAWS DAYS 2016 Mafia Talk
真吾 吉田
[JAWS DAYS 2017 ワークショップ] 不安で夜眠れないAWSアカウント管理者に送る処方箋という名のハンズオン
[JAWS DAYS 2017 ワークショップ] 不安で夜眠れないAWSアカウント管理者に送る処方箋という名のハンズオン
Keisuke Kadoyama
20170314 aws handson
20170314 aws handson
Six Apart
Serverless Meetup Tokyo #2 オープニング
Serverless Meetup Tokyo #2 オープニング
真吾 吉田
サーバーレスでシステムを開発する時に⼤切な事
サーバーレスでシステムを開発する時に⼤切な事
Hiroyuki Hiki
Recommended
JAWS DAYS 2017 Mafia Talk
JAWS DAYS 2017 Mafia Talk
真吾 吉田
Jaws days2017-ops jaws-2
Jaws days2017-ops jaws-2
Serverworks Co.,Ltd.
DevOpsとか言う前にAWSエンジニアに知ってほしいアプリケーションのこと
DevOpsとか言う前にAWSエンジニアに知ってほしいアプリケーションのこと
Terui Masashi
JAWS DAYS 2016 Mafia Talk
JAWS DAYS 2016 Mafia Talk
真吾 吉田
[JAWS DAYS 2017 ワークショップ] 不安で夜眠れないAWSアカウント管理者に送る処方箋という名のハンズオン
[JAWS DAYS 2017 ワークショップ] 不安で夜眠れないAWSアカウント管理者に送る処方箋という名のハンズオン
Keisuke Kadoyama
20170314 aws handson
20170314 aws handson
Six Apart
Serverless Meetup Tokyo #2 オープニング
Serverless Meetup Tokyo #2 オープニング
真吾 吉田
サーバーレスでシステムを開発する時に⼤切な事
サーバーレスでシステムを開発する時に⼤切な事
Hiroyuki Hiki
ヘッドレスCMSとサーバーレス
ヘッドレスCMSとサーバーレス
真吾 吉田
PIXTAにおけるCloudSearchのコスト削減
PIXTAにおけるCloudSearchのコスト削減
PIXTA Inc.
Serverless AWS構成でセキュアなSPAを目指す
Serverless AWS構成でセキュアなSPAを目指す
Masayuki Kato
Raspberry Piを利用した顔の表情分析と感情を認識するシステム構築
Raspberry Piを利用した顔の表情分析と感情を認識するシステム構築
Hyunmin Kim
クラウド環境におけるWebアプリケーションの正しい作り方(for Perl users)
クラウド環境におけるWebアプリケーションの正しい作り方(for Perl users)
Terui Masashi
AWSでアプリ開発するなら 知っておくべこと
AWSでアプリ開発するなら 知っておくべこと
Keisuke Nishitani
JAWS DAYS 2017 LT 古きを捨て新しきに近づける
JAWS DAYS 2017 LT 古きを捨て新しきに近づける
Tetsuya Mase
サーバーレスにおける開発プロセス戦略(パネルディスカッション用スライド)
サーバーレスにおける開発プロセス戦略(パネルディスカッション用スライド)
真吾 吉田
Serverless Meetup Tokyo #1 オープニング
Serverless Meetup Tokyo #1 オープニング
真吾 吉田
AWS Serverless++
AWS Serverless++
真吾 吉田
JAWS DAYS 2015
JAWS DAYS 2015
陽平 山口
jawsdays 2017 新訳-とある設計士の雲設計定石目録_3
jawsdays 2017 新訳-とある設計士の雲設計定石目録_3
a kyane
170311 JAWS days 2017 fintech
170311 JAWS days 2017 fintech
Toshihide Atsumi
サーバーレスの今とこれから
サーバーレスの今とこれから
真吾 吉田
実務で活かせる AWSアーキテクチャ設計 〜AWS re:Invent 2016アップデート最新版〜
実務で活かせる AWSアーキテクチャ設計 〜AWS re:Invent 2016アップデート最新版〜
真吾 吉田
今なぜサーバーレスなのか
今なぜサーバーレスなのか
真吾 吉田
Kubernetes on Alibaba Cloud
Kubernetes on Alibaba Cloud
真吾 吉田
20170311 jawsdays 新訳 とあるアーキテクトのクラウドデザインパターン目録
20170311 jawsdays 新訳 とあるアーキテクトのクラウドデザインパターン目録
Naomi Yamasaki
Serverless Ninja Warriors [panel]
Serverless Ninja Warriors [panel]
真吾 吉田
Serverless Meetup Osaka #2 Intro
Serverless Meetup Osaka #2 Intro
真吾 吉田
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
Kohei Ogawa
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
Amazon Web Services Japan
More Related Content
What's hot
ヘッドレスCMSとサーバーレス
ヘッドレスCMSとサーバーレス
真吾 吉田
PIXTAにおけるCloudSearchのコスト削減
PIXTAにおけるCloudSearchのコスト削減
PIXTA Inc.
Serverless AWS構成でセキュアなSPAを目指す
Serverless AWS構成でセキュアなSPAを目指す
Masayuki Kato
Raspberry Piを利用した顔の表情分析と感情を認識するシステム構築
Raspberry Piを利用した顔の表情分析と感情を認識するシステム構築
Hyunmin Kim
クラウド環境におけるWebアプリケーションの正しい作り方(for Perl users)
クラウド環境におけるWebアプリケーションの正しい作り方(for Perl users)
Terui Masashi
AWSでアプリ開発するなら 知っておくべこと
AWSでアプリ開発するなら 知っておくべこと
Keisuke Nishitani
JAWS DAYS 2017 LT 古きを捨て新しきに近づける
JAWS DAYS 2017 LT 古きを捨て新しきに近づける
Tetsuya Mase
サーバーレスにおける開発プロセス戦略(パネルディスカッション用スライド)
サーバーレスにおける開発プロセス戦略(パネルディスカッション用スライド)
真吾 吉田
Serverless Meetup Tokyo #1 オープニング
Serverless Meetup Tokyo #1 オープニング
真吾 吉田
AWS Serverless++
AWS Serverless++
真吾 吉田
JAWS DAYS 2015
JAWS DAYS 2015
陽平 山口
jawsdays 2017 新訳-とある設計士の雲設計定石目録_3
jawsdays 2017 新訳-とある設計士の雲設計定石目録_3
a kyane
170311 JAWS days 2017 fintech
170311 JAWS days 2017 fintech
Toshihide Atsumi
サーバーレスの今とこれから
サーバーレスの今とこれから
真吾 吉田
実務で活かせる AWSアーキテクチャ設計 〜AWS re:Invent 2016アップデート最新版〜
実務で活かせる AWSアーキテクチャ設計 〜AWS re:Invent 2016アップデート最新版〜
真吾 吉田
今なぜサーバーレスなのか
今なぜサーバーレスなのか
真吾 吉田
Kubernetes on Alibaba Cloud
Kubernetes on Alibaba Cloud
真吾 吉田
20170311 jawsdays 新訳 とあるアーキテクトのクラウドデザインパターン目録
20170311 jawsdays 新訳 とあるアーキテクトのクラウドデザインパターン目録
Naomi Yamasaki
Serverless Ninja Warriors [panel]
Serverless Ninja Warriors [panel]
真吾 吉田
Serverless Meetup Osaka #2 Intro
Serverless Meetup Osaka #2 Intro
真吾 吉田
What's hot
(20)
ヘッドレスCMSとサーバーレス
ヘッドレスCMSとサーバーレス
PIXTAにおけるCloudSearchのコスト削減
PIXTAにおけるCloudSearchのコスト削減
Serverless AWS構成でセキュアなSPAを目指す
Serverless AWS構成でセキュアなSPAを目指す
Raspberry Piを利用した顔の表情分析と感情を認識するシステム構築
Raspberry Piを利用した顔の表情分析と感情を認識するシステム構築
クラウド環境におけるWebアプリケーションの正しい作り方(for Perl users)
クラウド環境におけるWebアプリケーションの正しい作り方(for Perl users)
AWSでアプリ開発するなら 知っておくべこと
AWSでアプリ開発するなら 知っておくべこと
JAWS DAYS 2017 LT 古きを捨て新しきに近づける
JAWS DAYS 2017 LT 古きを捨て新しきに近づける
サーバーレスにおける開発プロセス戦略(パネルディスカッション用スライド)
サーバーレスにおける開発プロセス戦略(パネルディスカッション用スライド)
Serverless Meetup Tokyo #1 オープニング
Serverless Meetup Tokyo #1 オープニング
AWS Serverless++
AWS Serverless++
JAWS DAYS 2015
JAWS DAYS 2015
jawsdays 2017 新訳-とある設計士の雲設計定石目録_3
jawsdays 2017 新訳-とある設計士の雲設計定石目録_3
170311 JAWS days 2017 fintech
170311 JAWS days 2017 fintech
サーバーレスの今とこれから
サーバーレスの今とこれから
実務で活かせる AWSアーキテクチャ設計 〜AWS re:Invent 2016アップデート最新版〜
実務で活かせる AWSアーキテクチャ設計 〜AWS re:Invent 2016アップデート最新版〜
今なぜサーバーレスなのか
今なぜサーバーレスなのか
Kubernetes on Alibaba Cloud
Kubernetes on Alibaba Cloud
20170311 jawsdays 新訳 とあるアーキテクトのクラウドデザインパターン目録
20170311 jawsdays 新訳 とあるアーキテクトのクラウドデザインパターン目録
Serverless Ninja Warriors [panel]
Serverless Ninja Warriors [panel]
Serverless Meetup Osaka #2 Intro
Serverless Meetup Osaka #2 Intro
Similar to APIを叩くだけでない、Deep Learning on AWS で自分だけの学習モデルを作ろう! by JAWS-UG AI支部
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
Kohei Ogawa
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
Amazon Web Services Japan
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門
Satoru Ishikawa
ビッグデータ解析とクラウドの関係
ビッグデータ解析とクラウドの関係
Satoshi Ishikawa
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
Mitsutoshi Kiuchi
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Hideo Takagi
JPC2018[H4]マイクロソフトの Azure オープン ソース戦略とパートナー エコシステム
JPC2018[H4]マイクロソフトの Azure オープン ソース戦略とパートナー エコシステム
MPN Japan
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
The Japan DataScientist Society
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Tetsutaro Watanabe
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft
20161027 hadoop summit Generating Recommendations at Amazon Scale with Apach...
20161027 hadoop summit Generating Recommendations at Amazon Scale with Apach...
Amazon Web Services Japan
Azure Antenna AI 概要
Azure Antenna AI 概要
Miho Yamamoto
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
Daisuke Masubuchi
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
Amazon Web Services Japan
Data Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdays
Kenta Suzuki
Data Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdays
VOYAGE GROUP
ISID×MS_DLLAB_企業のデータ&AI活用をAzureで加速する
ISID×MS_DLLAB_企業のデータ&AI活用をAzureで加速する
Miyuki Mochizuki
ICDP普及活動
ICDP普及活動
Katsuhiro Masaki
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
Daisuke Masubuchi
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
YusukeKuramata
Similar to APIを叩くだけでない、Deep Learning on AWS で自分だけの学習モデルを作ろう! by JAWS-UG AI支部
(20)
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門
ビッグデータ解析とクラウドの関係
ビッグデータ解析とクラウドの関係
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
JPC2018[H4]マイクロソフトの Azure オープン ソース戦略とパートナー エコシステム
JPC2018[H4]マイクロソフトの Azure オープン ソース戦略とパートナー エコシステム
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
ビッグデータ処理データベースの全体像と使い分け - 2017年 Version -
Microsoft Ignite Fall 2021 Data Platform Update Topics
Microsoft Ignite Fall 2021 Data Platform Update Topics
20161027 hadoop summit Generating Recommendations at Amazon Scale with Apach...
20161027 hadoop summit Generating Recommendations at Amazon Scale with Apach...
Azure Antenna AI 概要
Azure Antenna AI 概要
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
Data Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdays
Data Engineering at VOYAGE GROUP #jawsdays
ISID×MS_DLLAB_企業のデータ&AI活用をAzureで加速する
ISID×MS_DLLAB_企業のデータ&AI活用をAzureで加速する
ICDP普及活動
ICDP普及活動
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
More from Daisuke Nagao
2016 06-30-deep-learning-archi
2016 06-30-deep-learning-archi
Daisuke Nagao
CfnClusterを使って10分強でHPC環境を構築する
CfnClusterを使って10分強でHPC環境を構築する
Daisuke Nagao
JAWS-UG HPC #2 LT 資料 NVIDIA GTC Japan 2015 レポート
JAWS-UG HPC #2 LT 資料 NVIDIA GTC Japan 2015 レポート
Daisuke Nagao
JAWS-UG HPC #0 LT資料
JAWS-UG HPC #0 LT資料
Daisuke Nagao
JAWS-UG CLI #22 Amazon Kinesis
JAWS-UG CLI #22 Amazon Kinesis
Daisuke Nagao
俺と JAWS-UG と CLI
俺と JAWS-UG と CLI
Daisuke Nagao
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
Daisuke Nagao
More from Daisuke Nagao
(7)
2016 06-30-deep-learning-archi
2016 06-30-deep-learning-archi
CfnClusterを使って10分強でHPC環境を構築する
CfnClusterを使って10分強でHPC環境を構築する
JAWS-UG HPC #2 LT 資料 NVIDIA GTC Japan 2015 レポート
JAWS-UG HPC #2 LT 資料 NVIDIA GTC Japan 2015 レポート
JAWS-UG HPC #0 LT資料
JAWS-UG HPC #0 LT資料
JAWS-UG CLI #22 Amazon Kinesis
JAWS-UG CLI #22 Amazon Kinesis
俺と JAWS-UG と CLI
俺と JAWS-UG と CLI
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
Recently uploaded
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
Recently uploaded
(9)
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
APIを叩くだけでない、Deep Learning on AWS で自分だけの学習モデルを作ろう! by JAWS-UG AI支部
1.
#jawsdays #jd2017_a APIを叩くだけでない、Deep Learning
on AWS で自分だけの学習モデルを作ろう! by JAWS-UG AI支部
2.
#jawsdays #jd2017_a 自己紹介 • 長尾
太介 (Daisuke Nagao) • 職歴 – 富士ゼロックス (粉体シミュレータの開発、スパコン環境の導入・管理) – NVIDIA Japan: Cloud Service Provider 向けの BD – Rescale Japan: 7月にSaaS型のCloudHPCを提供するRescaleへソリュー ションアーキテクトとしてJoin • コミュニティー – JAWS-UG AI (コアメンバ) – JAWS-UG HPC専門支部 (コアメンバ)
3.
#jawsdays #jd2017_a JAWS-UG AI
支部 • Deep Learningを中心とした AI 関連技術を学び AWS 上で活用して くためのユーザグループです • 「AWSは知っているけど、Deep Learningって何?」という方を対 象とします • 「これからDeep Learning だけでなく AWSも同時に学びたい」と いう方も歓迎いたします • 運営側は Deep Learning に関して初心者なので、みなさん一緒に 楽しく学んで行きましょう
4.
#jawsdays #jd2017_a 本日の流れ • 前半
(長尾) – Deep Learning の クラウドアーキテクチャー • 後半 (中丸) – MXnet の デモ • 本日は、 Deep Learning のアーキテクチャー、動かし方にフォーカスします • Deep Learning の理論のお話は、丸山先生のマルレク資料等を参照してくださ い(本日は言及しない)
5.
#jawsdays #jd2017_a Deep Learning
とは • 脳内の神経回路網とそのプロセスを真似たもの・・・ イス
6.
#jawsdays #jd2017_a Google 翻訳も賢くなった
7.
#jawsdays #jd2017_a AWSも Deep
Learning なサービスを発表 • Amazon Rekognition – 画像の状況、人物の顔、物体 を検出 • Amazon Polly – テキスト to スピーチ機能、なめらかに喋ってくれる • Amazon Lex – テキストメッセージに応答するチャットボット開発を 容易にするサービス
8.
#jawsdays #jd2017_a
9.
#jawsdays #jd2017_a • なぬ〜39歳のオッサンを100%女と判定 •
欧米人で最適化されているのかしら? (勝手に 予測) 既存のサービス使えればGoodだが、、、、 必ずしも所望の結果が得られるとは限らない
10.
#jawsdays #jd2017_a やりたいことは、API叩くだけで満足できますか? • アリ物のAPIを叩くだけでは、みんなと同じ サービスしかできない。簡単に真似される懸 念がある •
そのAPIは “やりたいこと” ”課題”を解決してい ますか?
11.
#jawsdays #jd2017_a 自分で”脳みそ” を作っちゃおう •
脳みそから作って、あなた独自のサービスを展開 – 脳みそ作る工程 を Learning (学習) と言う – フレームワーク (アプリケーション) を使って 学習を行う – 代表的なフレームワークはどれもOSS Deep Learning のフレームワークは無料 HWさえ揃えれば誰でもできる Caffe
12.
#jawsdays #jd2017_a どんなアーキテクチャが必要? Learning (学習) Inference (推論) BIGDATA Labels 訓練済みの モデル
apple OrangeBanana API 数日間マシンをぶん回し学習を行う Neural Network HPC (スパコン) のアーキテクチャー サービス側のアーキテクチャー Learningに適したGPU 入力に対してすぐに応答でき るようなシステム Submit Job タイプ (バッチ処理) Daemonタイプ
13.
#jawsdays #jd2017_a HPC (スパコン)
のアーキテクチャーとは 13 FILE_SERVER HPC用ジョブスケジューラ (Submit Node) Calc-nodes マルチノード、マルチGPU(1台のマシンに複数のGPU)を一度 に使い、アプリケーションを高速化する マルチノード環境: MPIがよく使われる GPU環境: CUDA NFSNFS
14.
#jawsdays #jd2017_a AWSにおける構成例 P2 P2 P2 P2 NFS EBS Submit Node (e.g.
c4.large) 状況によってインスタンスタイプを選択。 場合によってはsubmit nodeをなくして も良い(EBSは計算ノード側へつける) GPUを持つインスタンスを選択 NFSマウントされた共有領域を、 全ノードから見えると便利 Calc-Nodes
15.
#jawsdays #jd2017_a P2インスタンス https://www.slideshare.net/understeer/jawsug-ai-aws-ai
16.
#jawsdays #jd2017_a Cloud HPC
の運用例 16 Time Loadaverage インスタンス起動 HPCクラスタ構築 学習開始 クラスタの削除 ファイルステージング ファイルステージング SubmitJob
17.
#jawsdays #jd2017_a HPC環境の運用を楽にするサービスたち DL用Clusterを楽に構築cfncluster AWS
Batch AWS Native Services AWS上で動くSaaS https://aws.amazon.com/jp/blogs/compu te/distributed-deep-learning-made-easy/ 例えば
18.
#jawsdays #jd2017_a 忘れちゃダメなプリ処理 (学習データセットの用意) •
学習データセットの作成 – BIGDATAから学習用のデータを抽出 • 既存のサービスをうまく利用、hadoop, sparkなども使えるかも – ラベルづけ (この写真は ”イス” です) • Amazon Mechanical Turk、要は人海戦術・・・ • BIGDATAがなければ、オープンなデータセットの利用も検討 – AWS Public Dataset • 仕掛け作りでデータを作る – お肌の年齢コンテスト、「お肌の写真とプロフィールを送ってください。 優勝者には・・・・」
19.
#jawsdays #jd2017_a
20.
#jawsdays #jd2017_a
21.
#jawsdays #jd2017_a 忘れちゃダメなデプロイ環境 • 学習済みモデルを、うまくサービス側へ渡す 仕組み •
サービス側に沿った仕組みを構築
22.
#jawsdays #jd2017_a Neural Network Structure Learning:
HPC Architecture Inference: Web Architecture BIGDATA Labels Deploy a trained Network apple Orange strawberryBanana Require real time processRequire Many Core, BIGDATA analysis API ついに HPC でも Docker が! How deploy your apps? Learning Inference AWS Elastic Beanstalk 教師データ cfncluster Amazon DynamoDB bucket Meta Data Amazon API Gateway Submit Job Daemon HPC on AWS 用ミドルウェア • HPC Clusterの動的作成・削除・管理 • スケジューリング機能 P2 F1もあり Lambdaもあり AWS Batch or 前処理
23.
#jawsdays #jd2017_a ここまでのメッセージ • Deep
Learnig を使ったAIは、学習と推論どちら も必要 • 学習データの収集 -> 学習 -> Deploy -> サービス と全体を踏まえて、全体をデザインしよう • AWSは、サービスをつなぎ合わせることでトー タルでソリューションできる
24.
#jawsdays #jd2017_a 自立/分散/協調型も視野に入れて http://www.meti.go.jp/committee/sankoushin/shojo/johokeizai/bunsan_senryaku_wg/pdf/001_03_00.pdf エッジ側にどこまでの処理を任せるか、クラウドへ上げるデータは何かをよく考える
25.
#jawsdays #jd2017_a 事例: GTC
JAPAN2016で発表したプロト • 学習 – Rescaleを利用しCAFFEを動かす – ユーザには見えないが g2インスタンスが後 ろで動く • 推論 – NVIDIA Jetson (ARM + GPU の組み込み ボード) を利用 – USBでカメラを取り付け物体認識を行う • Deploy 方法 – S3, SQSを利用. JetsonがSQSをポーリング Amazo n S3 Amazon SQS Camera
26.
GTC Japan 2016:
システム計画研究所/ISP さま事例 Amazon EC2 Amazon S3 Amazon SQS クライアント アプリケーション (Jetson TX1) API ダウンロード 学習 デプロイ 更新情報caffemodel ポーリン グ ダウンロード (判別機更新) wget Rescale APIを使った他のシステムとの連携
27.
#jawsdays #jd2017_a クラウドだからプロトタイプも楽に作れる • 2,
3人、数日で作成 – Rescale, AWSを利用することで数日でシステ ムが組めた – APIでシステムを操作できることがとても重要 • オンプレじゃできねー
28.
#jawsdays #jd2017_a スタートでハマらないために • 大前提として –
ゼロベースで学習用のアプリケーションを書こうとしない。GPUの使 いこなしで死ぬ。Deep Learning の フレームワークを適切に使う • 初心者は各種セットアップ/インストールを避けた方が無難。挫折 する人も多数 – CUDAのインストール – フレームワークのインストール – CUDAとフレームワークのバージョン問題など – ipythonとの連携
29.
#jawsdays #jd2017_a Deep Learning
環境がインストールされた環境を使う • AMIを使う – Deep Learning環境の構築不要 – マシンの管理は必要 (素のAWS料金でOK) • SaaSタイプのサービスを使う – Deep Learning環境の構築不要 – マシンの管理不要 (その分高い)
30.
#jawsdays #jd2017_a Deep Learning
環境がインストールされた環境を使う • AMIを使う – Deep Learning環境の構築不要 – マシンの管理は必要 (素のAWS料金でOK) • SaaSタイプのサービスを使う – Deep Learning環境の構築不要 – マシンの管理不要 (その分高い)
31.
#jawsdays #jd2017_a DEMO: SUPINF
中丸さんへ
Download now