2022/01/29に開催された第7回機械学習の社会実装勉強会の発表で使用したスライドです。https://machine-learning-workshop.connpass.com/event/234428/

Similar to Amazon SageMaker Canvasを使ったノーコード機械学習

More from 西岡 賢一郎

Amazon SageMaker Canvasを使ったノーコード機械学習

• 1.
  Amazon SageMaker Canvasを使ったノーコード機械学習非エンジニアでも高精度の機械学習を実行
• 2.
  自己紹介● 名前: 西岡賢一郎○ Twitter: @ken_nishi○ note: 西岡賢一郎@研究者から経営者へ (https://note.com/kenichiro)○ YouTube: 【経営xデータサイエンスx開発】西岡 賢一郎のチャンネル(https://www.youtube.com/channel/UCpiskjqLv1AJg64jFCQIyBg)● 経歴○ 東京大学で位置予測アルゴリズムを研究し博士 (学術) を取得○ 東京大学の博士課程在学中にデータサイエンスをもとにしたサービスを提供する株式会社トライディアを設立○ トライディアを別のIT会社に売却し、CTOとして3年半務め、2021年10月末にCTOを退職○ CDPのスタートアップと株式会社データインフォームドの2つに所属○ 自社および他社のプロダクト開発チーム・データサイエンスチームの立ち上げ経験
• 3.
  今回のお話● Amazon SageMakerCanvasの紹介● Amazon SageMaker Canvasデモ● Amazon SageMaker Canvasを使用した感想
• 4.
  機械学習の民主化が進むアルゴリズムの実装が大変 → scikit-learnなどのライブラリハイパーパラメータチューニングが大変→ AutoMLにより、誰でも簡単に最適化機械学習の実行環境構築が大変 → Google Colaboratory, Amazon SageMakerコードを書くのが大変 → Amazon SageMaker Canvas研究者 エンジニア ビジネスマンコードが書けない人でも機械学習を実施できる時代となった
• 5.
  Amazon SageMaker CanvasとはSageMakerCanvas は Amazon SageMaker と同じテクノロジーを活用して、データのクリーニングと結合、内部での数百のモデルの作成、最もパフォーマンスの高いモデルの選択、新しい個別予測またはバッチ予測の生成を自動的に行います。バイナリ分類、複数クラス分類、数値回帰、時系列予測など、複数の問題タイプをサポートしています。これらの問題タイプにより、コードを 1 行も記述しなくても、不正検出、チャーン削減、インベントリの最適化など、ビジネスクリティカルなユースケースに対処できます。(引用: https://aws.amazon.com/jp/blogs/news/announcing-amazon-sagemaker-canvas-a-visual-no-code-machine-learning-capability-for-business-analysts/)
• 6.
  Amazon SageMaker Studioとの違い●Studioは複雑な操作が可能で、普段からコードを書いているエンジニア向けのソフトウェア● 一方、Canvasはできることが少ないが、簡単に機械学習を実行できるStudio● メニューが多く複雑● プロフェッショナル向けCanvas● メニューが少なくシンプル● 非エンジニア向け
• 7.
  Amazon SageMaker CanvasのリージョンAmazonSageMaker Canvasが使用可能なリージョン米国東部 (オハイオ)、米国東部 (バージニア北部)、米国西部 (オレゴン)、欧州 (フランクフルト)、欧州 (アイルランド)
• 8.
  Amazon SageMaker Canvasの4ステップ1.データを選択2. モデルを構築3. 結果を分析4. 予測
• 9.
  データを選択
• 10.
  モデルを構築
• 11.
  結果を分析
• 12.
  予測
• 13.
  デモ● バージニア北部リージョン● 自動的に作成されたRole●https://console.aws.amazon.com/sagemaker/home?region=us-east-1#/landing
• 14.
  Amazon SageMaker Canvasを使った感想●Good○ ある程度前処理されたデータさえあれば簡単にAutoMLが実行可能○ UIがシンプルで、ドキュメントを読まなくても使用可能○ 複数のテーブルの結合も直感的○ 学習済みモデルを使った予測が簡単● Bad○ 学習に使うデータを条件を使って絞ることができない (カラムの削除は可能)○ アルゴリズムの詳細が分からない (使用者にとっては必要ないかもしれない)○ 実行環境構築は、エンジニアの力を借りる必要がある (ロールの作成、バケットのパーミッションなど)
• 15.
  H2O Flowとの比較● H2Oを使ったノーコードのAutoML(第5回勉強会: https://youtu.be/YuqraejZeh0)● H2O Flowの方がやれることが多く、細かく制御が可能だが、使いこなすためにはある程度訓練が必要● はじめはSageMaker Canvasを使い、物足りなくなったらH2O Flowを試すのがおすすめ