re:Invent 2018 ML サービスアップデート

© 2018, Amazon Web Services, Inc. or its affiliates. All rights reserved.
Machine Learning
Services Update
Makoto Shimura
Solution Architect
AWS re:In ven t 2018

AWS Machine Learning Services Stack

今回のアップデートの概要
1. 万人が対象
API サービス - 誰でも機械学習技術を活用できるように
2. [機械学習] 技術者が対象
ML パイプライン - 機械学習のあらゆるプロセスを便利に
3. 機械学習技術者が対象
強化学習 – 機械学習の新たな領域

API サービス

Amazon Personalize – easy-to-use なパーソナライズ
• Amazon Personalize は機械学習のエキスパートでない人向けの，レコメンデー
ションやパーソナライゼーションが簡単に行えるサービス
• Amazon が培ったレコメンデーションのナレッジを活用して，データを入れたら自
動でレコメンド・パーソナライズの結果を取得可能
• 既存サービスに簡単にレコメンド機能を追加できるように

Amazon Personalize の利用イメージ
• 以下のようなユースケースに適用可能
• ユーザーの行動ログデータをベースとしたレコメンデーションを実行
• ユーザーごとに検索結果をパーソナライズして，表示順序を変更
• ノーティフィケーションをパーソナライズした形で実行
• バッチデータとストリームデータの両方に対応
• バッチデータは S3 から「ユーザー x 商品」行列形式のデータを取り込む
• ストリームデータは AWS Amplify か AWS SDK 経由でデータを送信

価格と提供リージョン
• 価格
• データ量，学習数，推論数に応じて課金
• 提供リージョン
• バージニア北部
• オレゴン
• ステータス
• 以下のページからプレビュー申請可能
https://pages.awscloud.com/AmazonPersonalizePreview.html

Amazon Forecast – easy-to-use な時系列予測サービス
• Amazon Forecast は機械学習のエキスパートでない人向けの，時系列データの予測
を簡単に行えるサービス
• Amazon が培った時系列予測のナレッジを活用して，データを入れたら自動で時系
列予測の結果を表示
• ウェブトラフィック，売上データ，商品需要，小売における製品値引きやプロモー
ションの効果などを予測する際に役立つ

• 価格
• 作成した予測数，保存データ量，学習にかかった時間の 3 要素に応じて課金
• オレゴン
• ステータス
https://pages.awscloud.com/AmazonForecast-Preview.html

Amazon Comprehend Medical – メディカルデータ対応
• 文章から様々な情報を抽出する，自然言語理解サービス Amazon
Comprehend の拡張サービスで，メディカルデータ向けのチューニング
を行なったもの
• 症状，治療法，薬等の医療用語，略語に対応できるように追加学習済み
• 医療上の文脈やエンティティの関係性を認識
• Protected health Information (PHI) を抜き出す API も用意．ただし
100 % の精度で検出できるわけではないので，その点に注意して使用す
る必要あり

Amazon Comprehend Medical の利用イメージ
• 症状や治療法のようなエンティティを認識
• 文章構造をみて，単語間の関係性も認識することが可能

• 価格
• $0.01/unit : Medical Named Entity and Relationship Extraction API
• $0.0014/unit : Medical PHI Data Extraction and Identification API
• 1 unit は 100 文字
• 対応言語
• 英語
• オレゴン
• オハイオ
• アイルランド

Amazon Textract – 文章構造も認識可能な OCR
概要
• Amazon Textract は高機能な OCR を提供
• 見出し，ヘッダー，フォーム，テーブル等の構造情報
も認識
• 既存の OCR にあるような文書章フォーマットのテン
プレートをメンテナンスする必要はない
価格
• $1.50 / 1000 pages
ステータス
https://pages.awscloud.com/textract-preview.html

Amazon Translate Custom Terminology – カスタム語彙
• Amazon Translate は高機能な多言語
間翻訳サービス
• ただ固有名詞等，決まった特定の形
で処理をしたいものに関しては，必
ずしもうまく対応できなかった
• カスタム語彙を追加することで，こ
の問題に対応できるように
• ただし多用しすぎると翻訳の質を逆に下げてし
まう
• 商品名，固有名詞のような常に一定の規則で変
換されるもの留めることを推奨
• 言語ごとのカスタム語彙利用推奨，
非推奨は右図の通り

ML Models in AWS Marketplace –
機械学習モデルのマーケットプレイスを新たに提供開始
• さまざまな会社が提供する機械
学習モデルを，マーケットプレ
イス経由でサブスクライブし，
Amazon SageMaker の学習
ジョブおよび，推論エンドポイ
ントやバッチ推論ジョブで利用
可能に
• 200 以上のアルゴリズムがすで
に公開済み
• 自社アルゴリズムの販売も当然
可能

SageMaker でのマーケットプレイスモデルの利用
学習ジョブ実行時モデル作成時

ML パイプライン

機械学習の分類
ラベルや値を学習
正解あり
正解なし

一般的な機械学習のプロセス

実際の機械学習のプロセス

データ
準備

Amazon SageMaker Ground Truth –
効率的アノテーション作業の支援サービス
• Amazon SageMaker Ground Truth は，機械学習の正解データ作成（アノ
テーションと呼ばれる）作業をサポートするマネージドサービス
• 画像や文章に正解ラベルを付与するのは，非常に手間のかかるプロセス
だが，精度の高い正解データ作成は，機械学習活用には必須
• 例えば以下のようなアノテーションを実行可能
• 画像分類（ネコ画像とイヌ画像を分類）
• 物体検出（画像内の複数の物体を，物体の範囲を四角形で囲む形で検出）
• セマンティックセグメンテーション（ピクセルレベルで画像内の領域を分割）
• テキスト分類（ポジティブな文章とネガティブな文章を分類）
• 自分で定義したさまざまなタスク

Ground Truth によるアノテーション
• ピクセル単位，バウンディングボックス等さまざまなタスクに対応
• アクティブラーニングによる効率的なアノテーション
• ツールを提供するだけでなく，以下のアノーテターを選択可能
• 自社リソース
• 3rd パーティ
• Amazon Mechanical Turk

アノテーション作業と結果のチェック

• 価格
• Amazon Mehcanical Turk および 3rd パーティベンダーのアノテーターを使用するときには，
その利用料が別途かかる
• オレゴン
• オハイオ
• 東京

モデル
変換

Amazon SageMaker Neo –
各種フレームワーク対応のモデル変換
• Amazon SageMaker Neo は Tensorflow や PyTorch などの Deep Learning フレームワークで学習
したモデルを， EC2 インスタンスや Greengrass デバイス上で高速に動作するように変換する
サービス
• モデルの速度は最大 2 倍に（もちろん予測精度を一切下げることなく）
• 従来のフレームワーク上で 500MB-1GB あるようなモデルが，Amazon SageMaker Neo Runtime
上で 1MB 程度のサイズに
• Apache Software License で OSS として提供

Neo の対応フレームワークとプラットフォーム
• 対応フレームワーク
• Tensorflow
• Apache MXNet
• PyTorch
• ONYX
• XGBoost
• 対応プラットフォーム
• EC2 インスタンス（ml.c5, ml.c4, ml.m5, ml.m4, ml.p3, ml.p2）
• デバイス
• ARM Cortex-A, Intel Atom, Nvidia Jetson）
• Cadence, Qualcomm, Xilinx にも対応予定

• 価格
• 無料
• オレゴン

推論

Amazon Elastic Inference –GPU による推論を安価に
• Amazon Elastic Inference は GPU リソースを
推論演算ごとに細切れで利用可能とすること
で，推論にかかる費用を削減しながら高速な
推論を行えるサービス
• 現在の GPU は，主に学習プロセスに最適化
されており，これを推論で用いる場合，コス
ト的な無駄が生じやすかった
• 推論に適した CPU / メモリの EC2 インスタン
スを選んだ上で，GPU のスループットを得る
ための EIA (Elastic Inference Accelerator) を以
下の 3 つから選択
• eia1.medium: 8TFLOPS の混合精度演算
• eia1.large: 16TFLOPS の混合精度演算
• eia1.xlarge: 32TFLOPS の混合精度演算

CPU インスタンスの計算を GPU でアクセラレート
• ワークロードに応じた最適なリソース配分
• 画像処理：more GPU, CPU, and Memory
• 音声認識：less GPU, more CPU and Memory
• たとえば画像分類の推論処理をする場合，コストを下げながら十分なパ
フォーマンスを得ることが可能
インスタンス EIA
推論速度
(msec)
価格 ($/hour)
c5.large なし 230 msec $0.085
c5.large eia1.medium 46 msec $0.22
p2.xlarge なし 42 msec $0.90

• 価格（東京リージョン）
• eia1.medium: $0.308/h
• eia1.large: $0.630/h
• eia1.xlarge: $1.246/h
• オハイオ
• オレゴン
• ソウル
• 東京

AWS Inferentia – 機械学習の推論チップ
• AWS Inferentia は，低コストで高性能を実現するように設計された機械学習の推論
チップ
• TensorFlow，Apache MXNet，PyTorch ONNX フォーマットを使用するモデルをサ
ポートし，アプリケーションの計算コストの90％を節約することができる
• 2019 年に提供開始予定で，Amazon SageMaker，Amazon EC2，Amazon Elastic
Inference が対応

AWS Step Functions API Connectors
Step Functions のステートマシンから他のAWS
サービス群に対して直接操作できるようになり，
前処理〜ジョブ実行〜デプロイの流れをより便
利に行えるように
• DynamoDB: 既存のテーブルからitemの取り出し，新規item
の追加
• AWS Batch: バッチジョブの開始と完了待機
• Amazon ECS/Fargate: ECSまたはFargateのタスクを実行
• Amazon SNS: SNSトピックにメッセージをパブリッシュ
• Amazon SQS: キューにメッセージをプッシュ
• AWS Glue: ジョブを開始
• Amazon SageMaker: 学習ジョブ、変換ジョブを開始

Airflow Operator サポート
• Airflow 1.10.1 より，SageMaker Operator をサポート
• 既存の Airflow 環境から，SageMaker を読んでパイプラインを構築する
ことがより簡単に
https://github.com/aws/sagemaker-python-sdk/blob/master/src/sagemaker/workflow/README.rst

開発学習推論

Github / CodeCommit インテグレーション
• SageMaker のノートブックインスタンスが，Github および CodeCommit と統合さ
れた形で利用可能になった
• JupyterLab モードから GUI で利用可能
• Git リポジトリを紐づけてノートブックインスタンスを起動することで，最初から
当該リポジトリが含まれた状態で開発を始められる

Tensorflow コンテナがスクリプトモードと Python 3 に対応
• 従来の SageMaker では model_fn, train_input_fn, eval_input_fn とコン
ポーネントを分けて記述する必要があった
• これが __main__ の中に直接モデル定義とデータ読み込み，学習処理をす
べて書けるようになったので，既存の Tensorflow スクリプトをそのまま
持ってきて動かすことが容易になった
• あわせて tf.keras を使うことで，既存の Keras コードを移植して学習さ
せることも容易に
• また従来の Python 2 だけでなく，Tensorflow 1.11 以降ではPython 3 に
対応

ビルトインアルゴリズムに
セマンティックセグメンテーションが追加
• セマンティックセグメンテーションは，ピクセル単位で画像の領域が何
かを判定するもの
• Image Classification, Object Detection と並んでよく行われる画像認識の
手法

学習ジョブに対して高度な検索を行える
Search 機能（ベータ）が追加
• アルゴリズム，ハイパーパラメータ設定，学習データ，タグ等で，合致するデータ
を検索することが可能
• 検索結果を Accuracy や Loss 等のメトリクスでソートすることが可能
• デプロイされたモデルについて，どのデータが使われたかという Linage をトレー
スすることも可能

開発

非常に高速な学習のための GPU インスタンス
• C5n インスタンス同様，最大 100Gbps のネットワーク性能
• ENA ドライバが必要
• 1 セッションでは 5Gbps が上限なので，通信真の多重化を考慮する必要あり
• 32GB 版 NVIDIA® Tesla® V100 GPU を 8 個，Intel® Xeon® Scalable (Skylake) の
96v CPU を搭載
• 2x900GB の NVMe SSD でディスクアクセスもさらに高速に

強化学習

機械学習の分類
正解あり
正解なし
「方策」を学習
正解なし

強化学習 (Reinforcement Learning) とは
• 定義された「環境」の中で，「エージェント」が「行動」したフィード
バックとして「報酬」を受け取るステップを，何度も繰り返し，最終的
に良い結果を目指す
• 報酬は，ポジティブなものだけではなくネガティブなものもある
• 最終的に良い結果につながる行動には，ポジティブな報酬
• 最終的に悪い結果につながる行動には，ネガティブな報酬
• 例: 将棋
• 環境: 8x8 のマス目と，多くの種類の駒，およびルール
• エージェント: 将棋の指し手 2 名
• 行動: 駒を動かす
• 報酬: 勝ち負け

Amazon SageMaker で強化学習のサポート
• Amazon SageMaker RL は，強化学習を行うための機能拡張
• Open AI Gym / Intel Coach / Berkeley Ray RLLib などを含んだ形で，
Tensorflow / MXNet のコンテナを利用することが可能
• また TensorForce や StableBaselines のような強化学習ライブラリを活用
して，自分自身の環境を作成することも可能
• 以下のようなツール群と連携
• シミュレーター
• AWS が提供: AWS RoboMaker, Amazon Sumerian
• 他社提供: MATLAB and Simulink（ライセンスは別途必要）
• 環境: OpenAI Gym, Gym インタフェースを使った環境（Roboschool, EnergyPlus など）

SageMaker の強化学習でオートスケーリングの最適化
• 環境: ロードプロファイルと稼働インスタンス数
• 行動: インスタンスの起動 or 停止
• 報酬: 費用 + トランザクション成功率．キャパシティ不足の際は大きなペナルティ

AWS DeepRacer – 強化学習のためのラジコンカー
• AWS DeepRacer は，1/18 スケールの 4 輪ラジコンカー
• 開発者が強化学習を始める際に，ハンズオンを行えるようにするためのもの
仕様
• 1/18 スケールラジコンカー
• Intel Atom プロセッサ
• 4Mピクセル, 1080p カメラ
• WiFi (802.11ac)
• OS を動かすバッテリーは 2h 以上稼働
• Ubuntu 16.04LTS, ROS (Robot
Operating System), OpenVino

AWS DeepRacer の構成と関連サービス
• Amazon SageMaker で強化学習のトレーニング
を行うことが可能
• AWS RoboMaker による 3D シミュレーション環
境を用いて，トレーニングした結果の評価を行
い，良かったものを実機で走らせる
• AWS DeepRacer リーグを開催．AWS 各地のサ
ミットでレーシングイベントを開催するととも
に，オンラインのイベントやトーナメントも実
施．成績上位者は re:Invent 2019 で行われるチャ
ンピオンカップに集結

価格
• Amazon.com にて，$399.00 のところが今なら期間限定で $249.00 で予
約受付中．2019/3/6 発売予定

まとめ
1. 万人が対象 API サービス - 誰でも機械学習技術を活用できるように
• 自分たちのデータで時系列予測・パーソナライズを簡単に行える新サービスが登場
• 医療用自然言語解析，OCR といった，既存の言語・画像領域のサービスも拡大
2. [機械学習] 技術者が対象 ML パイプライン - 機械学習のあらゆるプロセスを便利
に
• アノテーション，モデル変換，GPU 推論の最適化，ワークフロー管理など，ML パイプライ
ンをエンドツーエンドでサポートするようなサービスを提供
• 従来開発・の学習・推論プロセスに関しても，より多くの機能を提供
3. 機械学習技術者が対象強化学習 – 機械学習の新たな領域
• Amazon SageMaker が強化学習をサポートし，他サービスとも連携
• AWS DeepRacer によって，強化学習の第一歩を踏み出すことがより簡単に

Thank you!
Makoto Shimura
makotosh@amazon.co.jp

re:Invent 2018 ML サービスアップデート

More Related Content

What's hot (20)

Similar to re:Invent 2018 ML サービスアップデート (20)

More from Amazon Web Services Japan (20)

re:Invent 2018 ML サービスアップデート