2023 年 6 月の AWS Black Belt オンラインセミナー資料及び動画公開のご案内 | Amazon Web Services
Amazon Web Services ブログ 2023 年 6 月の AWS Black Belt オンラインセミナー資料及び動画公開のご案内 2023 年 6 月に公開された AWS Black Belt オンラインセミナーの資料及び動画についてご案内させて頂きます。 動画はオンデマンドでご視聴いただけます。 また、過去の AWS Black Belt オンラインセミナーの資料及び動画は「AWS サービス別資料集」に一覧がございます。 YouTube の再生リストは「AWS Black Belt Online Seminar の Playlist」をご覧ください。 AWS Systems Manager State Manager AWS Systems Manager は統合的な AWS 環境の運用をするためのツールとして進化しており、多くの機能を持っています。本セッションでは、AW
Amazon SageMaker におけるカスタムコンテナ実装パターン詳説 〜学習編〜 | Amazon Web Services
Amazon Web Services ブログ Amazon SageMaker におけるカスタムコンテナ実装パターン詳説 〜学習編〜 みなさんこんにちは、AWS Japanのソリューションアーキテクトの辻です。このブログでは、Amazon SageMaker のカスタムコンテナの実装方法の選択肢が多すぎてどれが自分たちのユースケースに向いているのか分からない！、という意見にお答えして、カスタムコンテナの実装方法のパターンを整理・解説しています。 SageMaker ではカスタムコンテナが利用可能な場面はいくつかあるのですが、このブログでは学習 (SageMaker Training Job) で利用する場合について説明します。推論編もこちらで公開しているので、是非一読ください。 はじめに このブログは、既に SageMaker の概要を知っている方を対象読者としています。SageMake
Amazon SageMaker におけるカスタムコンテナ実装パターン詳説 〜推論編〜 | Amazon Web Services
Amazon Web Services ブログ Amazon SageMaker におけるカスタムコンテナ実装パターン詳説 〜推論編〜 みなさんこんにちは！AWS Japan のソリューションアーキテクトの辻です。このブログでは、Amazon SageMaker のカスタムコンテナの実装方法の選択肢が多すぎて、自分たちのユースケースにどれが向いているのか分からない！、という意見にお答えして、カスタムコンテナの実装方法のパターンを整理・解説しています。 SageMaker ではカスタムコンテナが利用可能な場面はいくつかあるのですが、このブログではホスティングによる推論 (SageMaker Endpoint) で利用する場合について説明します。学習編もこちらで公開しているので、是非一読ください。 はじめに このブログは、既に SageMaker の概要を知っている方を対象としています。Sag
【AWS グラレコ解説】データサイエンスの学びを支援する Amazon SageMaker Studio Lab をグラレコで解説 - builders.flash☆ - 変化を求めるデベロッパーを応援するウェブマガジン | AWS
builders.flash 読者のみなさん、こんにちは! DevRelの久保 隆宏と申します。4 月から新年度が始まりました。今年度は機械学習を勉強したい ! と考えている方もいらっしゃるのではないでしょうか。 本記事では機械学習を学ぶ時につまずきがちな環境構築の問題を解決する Amazon SageMaker Studio Lab をご紹介します。 2021 年のリリース後、Studio Lab は国内外の大学の授業や教材で幅広くご利用いただいています。現在 100 個近い GitHub リポジトリに Studio Lab ですぐ学べる Open in Studio Lab ボタンがつけられています。
SageMakerとStep Functionsを用いた機械学習パイプラインで構築した検閲システム（後編） - コネヒト開発者ブログ
皆さん，こんにちは！機械学習エンジニアの柏木（@asteriam）です． 今回は前回のエントリーに続いてその後編になります． tech.connehito.com はじめに 後編は前編でも紹介した通り以下の内容になります． 後編：SageMakerのリソースを用いてモデルのデプロイ（サービングシステムの構築）をStep Functionsのフローに組み込んだ話 モデル学習後の一連の流れで，推論を行うためにモデルのデプロイやエンドポイントの作成をStep Functionsで実装した内容になります． 今回紹介するのは下図の青枠箇所の内容になります． 検閲システムのアーキテクチャー概略図 目次 はじめに Step Functionsを使ってサービングシステムを構築する方法 学習済みモデルを含んだ推論コンテナの設定（モデルの作成） エンドポイントの構成を設定 エンドポイントの作成とデプロイ 機械
AWS Step Functions で機械学習パイプラインを構築する際の選択肢と、その定義・実行方法 | Amazon Web Services
Amazon Web Services ブログ AWS Step Functions で機械学習パイプラインを構築する際の選択肢と、その定義・実行方法 この記事は “Define and run Machine Learning pipelines on Step Functions using Python, Workflow Studio, or States Language” を翻訳したものです。 機械学習(ML)のパイプラインや有向非巡回グラフ(DAG)を定義して実行する際には、様々なツールが利用可能です。一般的な選択肢としては、 AWS Step Functions、Apache Airflow、KubeFlow Pipelines(KFP)、TensorFlow Extended(TFX)、Argo、Luigi、Amazon SageMaker Pipelines などがあり
新機能 — Amazon SageMaker Feature Store で機械学習の機能を格納、発見、共有する | Amazon Web Services
Amazon Web Services ブログ 新機能 — Amazon SageMaker Feature Store で機械学習の機能を格納、発見、共有する 今回、 Amazon SageMaker Feature Store を発表できることを、非常に喜ばしく思います。この Amazon SageMaker の新機能により、トレーニングや予測ワークフローで使用するために精選されたデータの安全な保存、検出、共有などを、データサイエンティストや機械学習エンジニアが容易に実施できるようになります。 作業経験が豊富な方であれば、機械学習 (ML) モデルをトレーニングし適切なアルゴリズムを選択するためには、高品質のデータを供給することがいかに重要かをご存知だと思います。ML のワークフローとして、最初にデータをクリーニングするのは良い考えです。さらに通常は、欠損値の補完、外れ値の削除、その他
エッジデバイスでの機械学習モデルの運用をシンプル化する Amazon SageMaker Edge Manager | Amazon Web Services
Amazon Web Services ブログ エッジデバイスでの機械学習モデルの運用をシンプル化する Amazon SageMaker Edge Manager 今日は、エッジデバイスフリートでの機械学習モデルの最適化、セキュア化、監視、および維持を容易にする Amazon SageMaker の新機能、Amazon SageMaker Edge Manager についてお知らせしたいと思います。 エッジコンピューティングが情報テクノロジーにおける最もエキサイティングな展開のひとつであることは明らかです。実際に、コンピューティング、ストレージ、ネットワーキング、およびバッテリテクノロジーの絶え間ない進歩のおかげで、組織は、製造、エネルギー、農業、およびヘルスケアなどのさまざまな産業用途のために、多数の埋め込みデバイスを世界のあらゆる場所で日常的にデプロイしています。シンプルなセンサーから
新機能 – Amazon SageMaker Debugger を使用した機械学習トレーニングジョブのプロファイリング | Amazon Web Services
Amazon Web Services ブログ 新機能 – Amazon SageMaker Debugger を使用した機械学習トレーニングジョブのプロファイリング 今日は、皆さんに Amazon SageMaker Debugger が機械学習モデルのプロファイリングを実行できるようになったことをお知らせしたいと思います。これにより、ハードウェアリソースの使用率が原因で生じるトレーニング問題の特定と修正が極めて容易になります。 幅広いビジネス問題に対応する目覚ましいパフォーマンスにもかかわらず、機械学習 (ML) は今も謎めいたところがあるトピックです。物事の的確な実行は、サイエンス、職人技 (魔法と言う人もいます)、そして時には運を組み合わせた錬金術です。特に、モデルトレーニングは、結果がデータセット、アルゴリズムとそのパラメータ、そしてトレーニングを実行するインフラストラクチャの品
当初、機械学習用を目的として構築された CI/CD サービスである Amazon SageMaker パイプラインの紹介
エンドツーエンドの機械学習ワークフローを構築、管理、自動化、拡張する Amazon SageMaker の新機能である Amazon SageMaker Pipelines を公開いたします。SageMaker Pipelines は、ML ワークフローに自動化とオーケストレーションをもたらし、機械学習プロジェクトを加速して、本番環境で数千個のモデルにスケールアップできるようにします。 機械学習は反復的なプロセスであるため、データエンジニア、データサイエンティスト、ML エンジニア、DevOps エンジニアなどのさまざまな利害関係者間のコラボレーションが必要となります。データの準備、機能エンジニアリング、トレーニング、モデル評価のステップ数が多くなり、データ依存関係の管理が複雑になる可能性があるため、モデルを構築するためのスケーラブルなプロセスを構築することは困難です。モデルの数が増えるに
SageMaker Studioが東京リージョンで使えるようになりました。 #SageMaker | DevelopersIO
せーのでございます。 この度、SageMaker Studioがいよいよ東京リージョンでGAになったのでご紹介いたします。 https://aws.amazon.com/jp/about-aws/whats-new/2020/11/amazon-sagemaker-studio-is-expanded-to-aws-regions-worldwide/ SageMaker Studioとは SageMaker StudioとはAWSのSageMaker周りの機能を一つの画面から効率的に操作できるようにしたIDE（統合開発環境）のことです。 ブラウザベースなのでOSは問いません。 現在SageMakerは学習したモデルの比較やデプロイ先への最適化など、様々な機能があるのですが、それを一つのIDEから統合的に操作できるのがSageMaker studioです。 使いこなせれば色々楽になりそうで
RAPIDSをAmazon SageMaker Processingで実行する | Amazon Web Services
Amazon Web Services ブログ RAPIDSをAmazon SageMaker Processingで実行する こんにちは、アマゾン ウェブ サービス ジャパンの藤田です。Amazon SageMakerは、すべての開発者が機械学習モデルを迅速に構築、トレーニング、デプロイできるようにするための完全マネージド型サービスです。Amazon SageMakerは機械学習モデルの開発を容易にするため、機械学習の各プロセスから負荷の大きな部分を取り除きます。 今回は、開発者が機械学習の前処理、後処理、モデル評価といったワークフローをAmazon SageMaker上で簡単に行うためのPython SDKであるAmazon SageMaker ProcessingとデータサイエンスのワークフローをGPUで高速化するフレームワーク、RAPIDSを使用し、サーバレスに前処理、特徴量作成を
【レポート】CUS-86：商取引の活性化は与信システムの革命が促進する。ネットプロテクションズが挑む Amazon ECS と Amazon SageMaker を用いた決済・金融のマイクロサービス化戦略について #AWSSummit | DevelopersIO
【レポート】CUS-86：商取引の活性化は与信システムの革命が促進する。ネットプロテクションズが挑む Amazon ECS と Amazon SageMaker を用いた決済・金融のマイクロサービス化戦略について #AWSSummit こんにちは、CX事業本部の夏目です。 今回はAWS Summit Onlineのオンデマンドセッション 「CUS-86：商取引の活性化は与信システムの革命が促進する。ネットプロテクションズが挑む Amazon ECS と Amazon SageMaker を用いた決済・金融のマイクロサービス化戦略について」 についてのセッションレポート(文字起こし)になります。 導入 ネットプロテクションズの沢田と申します。 本日は普段語ったことのない決済の裏側の話をさせていただきます。 短いお時間ですが、どうぞよろしくお願いいたします。 では早速スライドに移って参ります。
【レポート】機械学習の課題を支援するAmazon ML Solutions Labをご存知ですか？ゲーム業界の事例を基にしたAmazon ML Solutions Labの活用事例のご紹介 #AWSSummit | DevelopersIO
【レポート】機械学習の課題を支援するAmazon ML Solutions Labをご存知ですか？ゲーム業界の事例を基にしたAmazon ML Solutions Labの活用事例のご紹介 #AWSSummit DA事業本部の春田です。 AWS Summit Online絶賛開催中！ということで、本記事では「CUS-41: 機械学習の課題を支援するAmazon ML Solutions Labをご存知ですか？ --ゲーム業界の事例を基にしたAmazon ML Solutions Labの活用事例のご紹介--」の内容についてまとめていきます。 セッション情報 アマゾン ウェブ サービスジャパン株式会社 Amazon Machine Learning Solutions Lab Data Scientist 新井 達也 Amazon Machine Learning Solutions Lab
AWS Cloud Development Kit(CDK)(Python)を使って「VPC+Sagemaker+Lambda」環境構築してみた(Lambda編) | DevelopersIO
AWS Cloud Development Kit(CDK)(Python)を使って「VPC+Sagemaker+Lambda」環境構築してみた(Lambda編) どーもsutoです。 前回の記事でAWS Cloud Development Kit(CDK)を使ってPythonコードでSagemakerノートブックインスタンス構築まで行ってきました。 前々回のVPC編はこちらです。 今回はsagemakerのノートブックインスタンスをスケジュール停止するLambda関数を追加していきます。 はじめに 今回、自分のアカウントで機械学習検証用環境のインフラを構築し、いつでも環境のデプロイ／破棄ができるように自動化＆コード管理したい、というモチベからAWS CDKを本格的に触ってみることにしました。 本検証の目標 AWS CDKのインストールと初期設定、VPC構築 Sagemakerのノートブッ
Amazon Web Services, Inc.
Amazon SageMaker 機械学習エンジニア向け体験ハンズオン Amazon SageMaker は、データサイエンティストやエンジニアが効率よく機械学習を進めるために、 AWS が提供するマネージドサービスです。本セミナーでは、Amazon SageMaker の機械学習ハンズオンを webinar で体験していただきます。Amazon SageMaker の概要については、AWS Black Belt Online Seminar を御覧ください。 ハンズオンで利用するビルトインアルゴリズムやディープラーニングフレームワークがSageMakerでどのように実行されるかを説明します。一緒に試される場合は、資料およびハンズオン用アセットをダウンロードしてください。 ハンズオンの概要 1) ビルトインアルゴリズムの利用 ・Random Cut Forest を利用した異常検知 ・XG
[初心者向け] はじめてのSageMaker みんな大好きアイリスデータを使って組み込みアルゴリズムで分類してみる | DevelopersIO
はじめに おはようございます、もきゅりんです。 最近は個人的な取り組みの一環として、機械学習の学習に取り組み始めました。 さて、AWSで機械学習に取りかかるならば、Amazon SageMaker。 まずは、組み込みアルゴリズムのLinearLearner。 そんなオレは、ML beginner。 (LinearLearnerが何だ？という話は、ドキュメントを確認して欲しいのですが、ターゲットの分類や予測したい数値を推定するために使用される、教師あり学習アルゴリズムです。) 初めてのデータセットは、みんな大好きな Iris でやってみます。 作業の流れは、完全に下記の通りで進めます。 Amazon SageMaker のコンソールの開始方法 なお、自分は専門的なデータサイエンティストでも何でもないので、無駄、非効率な作業を行っているかもしれない点、ご了承下さい。 前提 IAM権限を設定・更
【開催報告】AWS AI/ML@Tokyo #2 ～エンタプライズ企業におけるAmazon SageMakerの活用～ | Amazon Web Services
Amazon Web Services ブログ 【開催報告】AWS AI/ML@Tokyo #2 ～エンタプライズ企業におけるAmazon SageMakerの活用～ アマゾン ウェブ サービス ジャパン株式会社の帆足 (Twitter: @hoahoa) です。AWS Japan 目黒オフィスでは、今年からAI/ML関連情報を発信するイベント「AWS AI/ML@Tokyo」を定期的に開催しています。2020年2月27日に開催された AWS AI/ML@Tokyo #2では、AWS Japan によるサービスの最新情報や事例紹介と、Amazon SageMaker をご利用いただいているお客様をゲストスピーカーにお招きし、実際に導入頂いたお客様による「体験談」をお話し頂きました。 「AWS AI/MLサービス概要と最新アップデート」[Slides] アマゾン ウェブ サービス ジャパン株
【入門】機械学習に1時間でコードレベルまで入門する方法 #Keras #SageMakerStudio | DevelopersIO
皆さん、こんにちは。コンサル部のテウです。 2020年もあっという間に２ヶ月が経ちました。新年目標の達成進捗率はいかがでしょうか？ 今年こそ機械学習に入門しようぜ！！って決心された方もいらっしゃると思います。なので、今回は機械学習に 爆速 で入門できる方法をご紹介させて頂きたいと思います。 本記事の手順通り、ランチタイム等の時間を活かして、手軽に入門してみてください。 目次 始める前に 皆さんのご存知の通り、機械学習を一瞬でマスターすることは不可能だと思います。ですが、手を動かして、可能な限りより早く技術を体験することはとても大事だと思います。技術を実際に体験して、何ができるかを確実に把握することにより、次のステップへのチャレンジのハードルも下がりますね。 本記事は、今まで SageMaker インスタンスを一度も起動してみたことがなかった方を対象として書かれております。この機会に是非Sa
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Learn Tech from AWS Specialist Series ~③ (AI/ML 編) - TECH PLAY Magazine
