Recommended
More Related Content
What's hot
What's hot (20)
Similar to Amazon Machine Learning概要
Similar to Amazon Machine Learning概要 (20)
More from Satoshi Noto
Amazon Machine Learning概要
- 1. classmethod.jp Amazon Machine Learning 概要 FIT2015 第14回情報科学技術フォーラム 1 2015/09/16 クラスメソッド株式会社 能登 諭
- 2. classmethod.jp 自己紹介 • 氏名：能登 諭（のと さとし） • 会社：クラスメソッド株式会社 • 所属：AWSコンサルティング部 • 担当：機械学習とビッグデータ • Twitter：@n3104 2
- 3. classmethod.jp クラスメソッド株式会社 • 事業：AWSとiOS/Android開発 • 設立：2004年 • オフィス：秋葉原、札幌、シアトル • 体制：約80名 • ブログ：Developers.IO • http://dev.classmethod.jp/ 3
- 4. classmethod.jp 本日のアジェンダ • Amazon Web Services概要 • Amazon Machine Learning概要 4
- 6. classmethod.jp Amazon Web Servicesとは • いわゆるクラウド • 従量課金 • 40以上のサービス • 汎用仮想マシン（サーバー） • RDBMS、DWH、KVS • 並列分散処理 • ストリーミング処理 • クラウドストレージなどなど 6
- 7. 40以上のサービス 7
- 13. classmethod.jp Amazon Machine Learningとは • 略称はAmazon ML • 2015年4月にAWSがリリースした機械学習に 関するサービス 13
- 16. Amazon MLで利用可能な予測手法 バッチ予測 予測対象となるデータファイルをAmazon S3という クラウドストレージにアップロードしてAmazon ML でまとめて予測する。 リアルタイム予測 データを1件ずつAmazon MLが提供するAPIを呼び出 して予測する。 16
- 18. classmethod.jp Amazon MLを使うための4つのステップ 1. 教師用/評価用データを準備 • 表形式のCSVファイルを用意する 2. 教師データからモデルを作成 • 用意されたデータをもとに予測モデルを作成 3. モデルの品質評価 • 予測モデルの品質の確認や簡単なチューニングを行う 4. 実際の予測の実施 • バッチ予測 • リアルタイム予測 18
- 20. classmethod.jp 1. 教師用/評価用データを準備(1) 表形式のCSVファイルを用意し、Amazon S3 （クラウドストレージ）にアップロードする。 20 ※ ヘッダー行の指定は任意
- 24. classmethod.jp 1. 教師用/評価用データを準備(補足2) Datasourceとしては現時点で以下の3つを利用 できる。 • Amazon S3（CSVファイル） • Amazon Redshift（DWH） • Amazon RDS for MySQL（RDBMS） 24
- 27. classmethod.jp 2. 教師データからモデルを作成(2) 利用する機械学習のモデルは目的変数のデータ 型から自動的に決定される。 • Binary：二項分類 • Categorical：多項分類 • Numeric：回帰 27
- 31. 3. モデルの品質評価(1) 評価データで学習モデルの評価をできる。モデル毎に 評価指標が異なる。 二項分類： AUC（Area Under the Curve） 多項分類： F1値 回帰： RMSE（Root Mean Squared Error） 31
- 36. classmethod.jp 4. 実際の予測の実施(2) リアルタイム予測を行うには、1レコード分の説 明変数を引数としてAPIを呼び出し、予測結果の scoreをレスポンスとして受け取る。 36
- 37. classmethod.jp 実際に試す際は • 公式ドキュメントのチュートリアル • http://docs.aws.amazon.com/machine- learning/latest/dg/tutorial.html • http://dev.classmethod.jp/cloud/aws/getting- started-amazon-machine-learning/ • AWSアカウントの作成手順 • https://aws.amazon.com/jp/register-flow/ 37
- 39. 利用費は使った分だけ データソース作成、モデル作成、評価： $0.42 / インスタンス時 バッチ予測： $0.10 / 1,000 レコード リアルタイム予測： $0.10 / 1,000 リクエスト + 1時間毎のキャパシティリザベーションチャージ （10 MB のメモリにつき 1 時間あたり $0.001） 39
- 40. classmethod.jp Amazon MLを利用してみての感想 • インフラ管理について考える必要がないのは 開発/運用が楽になる。APIについてもボタン1 つで利用できるようになる。 • 特徴抽出は自前で行う必要があるので、機械 学習の知識が全く不要というわけではない。 • 利用できるモデルが現時点では少ないので、 今後に期待している。 40
- 41. classmethod.jp 弊社での利用する際の構成 • DWHとしてAmazon Redshiftを利用 • 可視化にはBIツールであるTableauを利用 41
- 43. classmethod.jp Amazon MLまとめ • インフラ管理が不要。とりあえず始められる • 利用可能なモデルは現時点で二項分類/多項分 類/回帰の3つ • 利用費は従量課金 • DWHやBIツールと併用する場合が多い 43