Please enable JavaScript.
Coggle requires JavaScript to display documents.
AWS Deep Learning, いきなりぱにっく, 補足資料, テンプレでノンコーディングで学習も可能, sagemaekr - Coggle…
AWS Deep Learning
:one: 機械学習の概要
重要性
なんでMLが必要なの?
無かったらどう困るの?
IF/Thenルールで良くない?
曖昧の判断が必要
周りのルールが変わる度に変更が必要
まずは
データ
が必要
従来との違い
Bef:ロジックを設計
データを流す
Aft:データを覚えさせる(モデル)
ロジックは不要
データ ⇒ パイプライン ⇒ モデル
ex. 誰がドローンを買ってくれるか?
マーケティングの鬼が「ここだ!」を当てる
おもちゃを買った人じゃないか?
機械学習の構成要素
予測
抽出(データマイニング)
要約
最適化
適応
ユースケース
パーソナライズ
コンテンツ推奨
予測コンテンツ読み込み
UX向上
不正検出
ターゲティング
カスタマーサポート
コンテンツの分類
解約予測
機械学習の種類
:one: 教師あり学習(ディープラーニング)
お手本となるようなデータを登録しておく
:two: 教師なし学習
データの類似度を基にグルーピング(クラスタ化)
似てるグループ同士にグルーピングしてくれる
似た購買顧客を特定することに使えそうだ
:three: 強化学習
従来の機械学習の課題
課題:難易度が高い、遅い、高価、リスキー
解決:クラウド活用
AWSでの機械学習
マネージド型サービス
Polly:音声読み上げ
Rekognition:画像認識
Lex:チャットボット
Translate:翻訳
Transclibe:文字お越し
Comprehend:感情分析
モジュール型
SageMaker
制御
EC2でOSレベルから構築
:two: 深層学習(ディープラーニング)の概論
目標
深層学習って何?
SageMakerの特徴を理解
DLとは
AI > 機械学習 > ディープラーニング
人工ニューラルネットワーク(脳回路)
を使用してタスクを学習するよ
脳神経細胞の動きを参考に処理
DLを理解する
In;樹状突起 ⇒ 体細胞 ⇒ Out:軸索終末
入力/樹状突起
Bias:W0
Cost:W1
Rating:W2
要約関数/体細胞
ΣWiXi
出力/軸索終末
Y
活性化関数/軸索
ディープの所以:ニューラルネットワークの深さ
要は統計的アプローチ
SageMaker
課題:大規模な配列演算を高速に処理できるのか?
主要機能
ノートブック:開発環境提供
トレーニング:学習モデルをつくる
推論機能:モデルを使って推論環境をつくる
GrandTrueth:教師あり学習のラベリング
:three: Apach MXNet の紹介
DL用のフレームワーク
フレームワーク比較
「命令型」「宣言型」両方のプログラミングが可能
C++と同じように処理宣言 ⇒ bind実行とする
API群
Gluonインタフェース
画像 ⇒ 一次元配列化 ⇒ あ
:five: コースのまとめ
なぜ機械学習が必要か?
現状の課題
解決するAWSサービス
:zero: コースの概要
MLのデータ基盤はBigData のトレーニング
機械学習資格に対応したトレーニングになっている
:four: AWS における ML/DL アーキテクチャ
深層学習モデルをデプロイ
環境おさらい
開発:Jupyter
トレーニング
推論
トレーニング学び
ペンがあるだけで聞きやすさUP
全体的に非常に丁寧
いきなりぱにっく
補足資料
テンプレでノンコーディングで学習も可能