Edited at

AWS re:Invent 2018 で発表された機械学習関連サービスまとめ


はじめに

毎年、AWS re:Invent では大量の新サービスの発表があります。その中でも今年は機械学習関連のものが多く、「すぐに使えそうなもの」から「使えるかは分からないが気になるもの」までたくさんのサービスが発表されました。

この記事では、AWS re:Invent 2018 で発表された機械学習関連サービスについて簡単にまとめてみたいと思います。


AWS re:Invent で発表された機械学習関連サービスまとめ


機械学習のワークフローを支援してくれるもの



  • Amazon SageMaker Neo


    • ターゲットハードウェア向けに学習済みモデルをコンパイルして高速化するサービスです。OSS 化予定だそうです。




  • AWS SageMaker Ground Truth


    • 人間による annotation と機械による自動ラベリングを組み合わせて実行できるサービスです。学習データ構築に利用できます。




  • Amazon SageMaker RL


    • 強化学習を支援するサービスです




  • AWS Lake Formation


    • セキュアなデータレイク構築を支援するサービスです。現在は Public Preview となっています。




  • Amazon SageMaker Inference Pipeline


    • Amazon SageMaker で inference の際に feature の前処理を行う pipeline を構築出来るようになりました。




  • Amazon SageMaker Git integration


    • Amazon SageMaker で Git repository と notebook instance の integration が強化されました。




  • Amazon SageMaker Search


    • Amazon SageMaker で様々な条件(ハイパーパラメータなど)で学習したモデルを管理するための検索機能が提供されました。




  • AWS Step Function で Amazon SageMaker と AWS Glue の連携


    • Amazon SageMaker と AWS Glue との連携が記述できるようになった事で、ワークフローを AWS Step Function で管理可能になりました。




インスタンス関連



  • Amazon Elastic Inference


    • EC2 にアクセラレーターとしてアタッチできる低コストな GPU です。




  • Amazon EC2 P3dn インスタンス


    • 機械学習で分散学習をしたいときに使える「100Gbps のネットワークスループット、8 NVIDIA Tesla V100 GPU、2TB NVMe」のインスタンスです。




  • AWS Inferentia


    • ML の inference 専用の AWS 独自チップです。EC2 や Amazon SageMaker で使えるようになる予定です。Google の TPU 相当のものだと思われます。




データを用意すれば機械学習・分析ができるもの



  • Amazon Forecast


    • 時系列データからの予測を行うサービスです。




  • Amazon Personalize


    • パーソナライズを行うサービスです。Amazon.com が製品レコメンデーションに利用しているものと同じ技術とのこと。




  • Amazon QuickSight


    • 機械学習を提供する BI サービスです。




学習なしで利用できるもの



  • Amazon textract


    • OCR サービスです。フォームのフィールドなども検出可能とのこと。




  • Amazon Comprehend Medical


    • 医療テキストのインサイトを得る事ができるのサービスです。




マーケットプレイス



  • AWS Marketplace for ML


    • 学習済みモデルの Marketplace です。他の会社が用意した学習済みモデルを Amazon SageMaker でデプロイして、利用することができます。




まとめ

いかがでしょうか。AWS はこのように、大量の機械学習サービスを提供しています。

ニーズに合うものを適宜選択して、生産性高く機械学習を活用しましょう!