このページの本文へ

前へ 1 2 3 4 次へ

今年もビルダーを魅了!AWS re:Invent 2019レポート 第4回

機械学習向けIDE「SageMaker Studio」からAIコードレビュー「CodeGuru」まで、機械学習関連の新発表

「平均的な開発者にも機械学習の力を」―AWSジャシーCEO基調講演

2019年12月24日 07時00分更新

文● 大塚昭彦/TECH.ASCII.jp

  • この記事をはてなブックマークに追加
  • 本文印刷

 Amazon Web Services(AWS)が2019年12月2日~6日(現地時間)、米国ラスベガスで開催した「AWS re:Invent 2019」。同社CEOのアンディ・ジャシー氏による3時間に及ぶ基調講演では、多数の新発表が行われた。

 前々回記事のIaaS関連(コンピュート、オンプレミス/エッジ)領域前回はデータレイク/分析(アナリティクス)領域の発表を取り上げた。今回は残る「機械学習」領域、「Amazon SageMaker」関連の新発表について、ジャシー氏が語った「狙い」と共に見ていきたい。

 なおすでにお伝えしたとおり、re:Inventの前夜祭「Midnight Madness」では、ディープラーニング/GAN(敵対的生成ネットワーク)の学習用プロダクトとして、ユーザーが弾いたメロディに合わせAIが自動作曲する「AWS DeepComposer」も発表されている。

機械学習ワークフロー向けのWebベースIDE「SageMaker Studio」も新発表された

基調講演に登壇したAWS CEOのアンディ・ジャシー(Andy Jassy)氏

SageMaker:機械学習向けWeb IDE「SageMaker Studio」とデバッガなど発表

 機械学習(ML:Machine Learning)領域においては、新サービスとしてWebベースの機械学習向けIDE(統合開発環境)である「Amazon SageMaker Studio」が発表(一般提供開始)された。基調講演ではこのSageMaker Studioと、そこに統合されている数多くの新機能/新サービスが紹介された。

 SageMakerは、2017年のre:Inventで発表された機械学習プラットフォームだ。ジャシー氏は、「データの専門家だけでなく、平均的な開発者にも機械学習を扱えるようにしなければならない」というコンセプトでSageMakerの提供を始めたと説明する。その後も「AWS Marketplace」との統合やモデルコンパイラ「Amazon SageMaker Neo」の追加など、機能強化を進めてきた。

過去1年間にSageMakerでは50以上の新機能追加や機能強化を行ってきた

 「多くの顧客から『SageMakerによって機械学習がとても簡単になった。すべてのステップが簡単になった』と評価されている。しかし、それと同時に『それぞれのステップの“間”にある作業、処理がうまくいっているかどうかを理解するのはまだ大変だ』という声も聞かれる。そこでソフトウェア開発と同じように、エンドトゥエンドの統合された開発環境(=IDE)が必要だと考えた」

 SageMaker Studioでは、プロジェクトフォルダを作成して、コード、Notebook、データセット、セッティングなど機械学習関連のリソースを一箇所で統合管理できる。プロジェクトフォルダ内の検索だけでなく、開発者間で共有してオンラインでコラボレーションすることも可能だ。モデルのビルド、トレーニング、チューニング、デプロイも同じインタフェースから実行できる。

 さらに、SageMaker Studioに組み込まれて(または連携して)いる新機能/新サービス群も発表された。

「SageMaker Notebooks」など、SageMaker Studioに統合/連携された新サービス群も発表された

SageMaker Notebooks(プレビューリリース):「Jupyter Notebook」のマネージドサービス。AWSのコンピュートと連動しており、SageMakerのNotebookインスタンスをユーザー自ら起動することなく、数クリックで新たなNotebookを作成できる。さらに必要な処理リソースに応じて、作業の中断なしでインスタンスを自動スケールする。

SageMaker Experiments:トレーニングデータやアルゴリズム、パラメーター、プラットフォーム構成などを変化させながら反復的に生成した機械学習モデルの全バージョンについて、その変数(設定)と結果を自動的にキャプチャし、どれが優れていたのかをビジュアルに比較検証可能にする。

SageMaker Debugger:機械学習モデルのトレーニングコード向けデバッガ。モデル内部のステータスを出力することで、大量のパラメータのうちどれがどの程度、結果に影響を与えているのかを可視化。モデルの最適化(予測精度向上)を支援する。TensorFlow、PyTorch、MXNetなど主要フレームワーク向けSDKが提供されている。

SageMaker Model Monitor:SageMaker Studioでビルドし、本番環境に展開しているモデルの経年的、外的な環境変化による予測精度低下(コンセプトドリフト)を監視する。精度低下のアラートだけでなく、その原因特定に役立つ詳細な情報も提供するという。

SageMaker Studioに連携する新サービスそれぞれの概要

前へ 1 2 3 4 次へ

カテゴリートップへ

この連載の記事
  • 角川アスキー総合研究所
  • アスキーカード