こんにちは、ブレインズテクノロジーの寺村です。
2019年12月にLas Vegasで開催されたAWS re:Invent2019に参加してきました。 今回がre:Invent初参加になります。今回は参加したSession等を中心に技術的な部分をまとめます。
Day 1 Mon.2 Hands-on Lab and Workshop
私は1日目の昼にHands-on LabとWorkshopに参加しました。
Hands-On Lab
Hands-On Labは、100以上のカタログの中から自分で好きなラボを選び、手順に従ってシナリオに沿って自分のペースで学習する形式です。
今回私は Amazon Sagemaker を用いてチャーン分析を行うためのモデルを作成するラボを選択しました。 Creating Models with Amazon SageMaker SageMakerでNotebookインスタンスを立ち上げ, 使用するデータから特徴量の選択、データの前処理、モデル作成までを2時間程度の時間で行うことができました。 データの取り込みからモデル作成までがSagemakerでほぼ完結するので(データはS3に配置)とても楽に機械学習のモデルを作ることができると実感しました。 また、手順がNotebook形式でうまくまとめられていて、トレーニング資料などの作成にとても参考になりました。実際にWeb上でCatalogを使ってみることができるので気になる方は是非使ってみてください！
Workshop
Workshopは、事前に用意されている課題を自分のPC上で解決するタイプのハンズオン形式のセッションです。 最初にWorkshopで使用するAWSサービスの概要と課題を進めるためのドキュメントを共有してもらいます。その後にドキュメントに書かれた手順に従って各自のPCで課題を進めます。質問等がある場合は周囲のAWSエンジニアに質問して進めていきます。およそ2,3時間でSessionは終了します。
今回私はAmazon EKS上でKubeflowを動かすWorkshopに参加しました(Machine learning with Kubeflow on AWS)。
KubeflowはGoogleが開発するオープンソースの機械学習プラットフォームです。Kubernetesのクラスター上で機械学習のワークフローを動かします。
Kubeflow Dashboardを立ち上げて、Jupyter notebookを起動します。
Jupyter notebook上でインタラクティブにモデルの作成やトレーニング、推論までを行うことができます。
今回はSample codeを使ってモデルのトレーニング、推論を行います。他にも Kubeflow fairing: Pythonを用いて機械学習モデルを構築、訓練、デプロイ Kubeflow Pipelines: Dockerコンテナ技術を用いて一連のML workflowをパッケージ化する などのKubeflow関連のツールを使いながら課題を進めました。
Kubernetesに関してほとんど触ったことはなかったですが、シナリオに沿って進めることができました。 このWorkshopの内容もweb上で確認することができます。
MACHINE LEARNING USING KUBEFLOW
Day 2-4 Mon. 3-Mon. 5 Keynotes and Sessions
私は2日目以降は朝にKeynotesを聞き、午後には今回のre:Inventで発表されたSageMaker関連のSessionを中心に回りました。
機械学習モデルの構築やパラメータ設定がより簡単にできそうです！
まとめ
今年のre:InventではAWSが今後MLやAIの分野に力を入れていこうとしている意思を強く感じました。今後は、SageMaker上で機械学習プラットフォームの構築や運用がどのくらいできるのか試してみたいです。
