AWSサービスの機能を調べる（Machine Learning）
皆さんは、AWSクラウドが持つ機能を調べるとき、どうしていますか？
また、使おうと考えているサービスの仕様をどのように調べていますか？
私はこのところ、AWSサービスの機能のホントのところを確認するために、AWS公式ホームページの「AWSサービス別資料」で確認を取っています。
（資料には、SlideShare 、PDF 、Youtube があります）
ちまたのインターネットでの技術ネタを調べることも過去多かったのですが、情報の鮮度もありますし、やっぱり本家の情報がしっくりと安心できます！！
今回は、この画面の左にあるカテゴリー分けから「Machine Learning」を選んだときに、各資料にはどのような情報が含まれているかを箇条書きにします。（99-99 形式の数字はページを表します）
Machine Learning
●●●資料【01_Amazon SageMaker Basic Session】
7-9 機械学習システムでよくある問題
12-19 Amazon SageMakerを動かしてみる（操作イメージ）
20-27 Amazon SageMakerとは?
29-37 Amazon SageMakerによる開発の流れ
39-41 コンポーネント詳細（開発）
29Page ・SageMaker Python SDK & Examples
30Page ・SageMaker SDK
32-33 ・SDKでサポートされるアルゴリズム・フレームワーク
34-35 ・ビルトイン・アルゴリズム
36Page ・Tensorflow等のフレームワーク
37Page ・独自アルゴリズムの使用
39Page ・ノートブック上で前処理やプロトタイピング
40Page ・Gitインテグレーション
41Page ・ライフサイクル設定
43-46 コンポーネント詳細（学習）
43Page ・分散学習および複数ジョブの同時実行
44Page ・ハイパーパラメータのチューニング
45Page ・ローカルでのテスト
46Page ・学習ジョブ管理のためのSerch機能（ベータ）
48-51 コンポーネント詳細（推論）
48Page ・オートスケーリング
49Page ・A/Bテスト
50Page ・推論パイプライン
51Page ・Elastic Inferenceによるコスト効率の良い推論
53-55 Amazon SageMaker活用法
53Page ・SageMaker APIの利用
54Page ・SageMaker の３要素（開発、学習、推論）は個別利用可能
55Page ・Step Functions MLワークフロー
56Page 価格
61Page Ground Truth
62Page ML Models in AWS Marketplace
63Page ノートブックカラEMRへの接続
64Page Airflow Operatorサポート
65Page 強化学習
66Page 学習ジョブの評価の可視化
67Page 学習ジョブの評価
68Page PIPEモードによるデータの高速な読み込み
69Page SageMaker Neo によるモデルのコンパイル
70-71 セキュリティ
●●●資料【02_Amazon SageMaker Advanced Session】
6-9 Amazon SageMakerとは?
9Page アノテーション
10age Amazon SageMaker Ground Truth
11-13 アノテーション（ラベル付け）
14-15 機械学習のモデルを開発する
16-18 SageMakerビルトインアルゴリズム
19Page 自前学習用スクリプトを使う
20-21 TensorFlowとMXNetが Script Mode に対応
22-25 AWS Marketplaceから機械学習モデルを購入する
26Page 学習
27Page TensorFlowを使った分散学習
28Page TChainerMNを使った分散学習
29-30 ハイパーパラメータ
31Page 学習済みモデルの変換・推論
32Page Amazon SageMaker Neo
・リソース使用料を1/10程度に削減，推論の高速化
・どこでも実行できる単一のコンパイル済み環境
33Page SageMaker Neo によるモデルのコンパイル
34Page SageMaker Neo Python SDK による利用の流れ
35Page OSS Neo-AIプロジェクト
36Page CPUインスタンスの計算をGPUでアクセラレート
37-38 Amazon Elastic Inference
39Page Amazon SageMaker Reinforcement Learning
40-46 SageMaker強化学習の構成~ RoboMaker DeepRacer~
47Page 強化学習モデルの学習・デプロイ
48Page 学習用コンテナとシミュレーション用コンテナの分離
49Page SageMaker Reinforcement Learning対応フレームワーク
50Page AWS DeepRacer
51Page 学習ジョブの評価
52Page メトリクスのモニタリング
53Page 学習スクリプトのメトリクス定義
●●●資料【03_Amazon Personalize】
7-10 Amazon Personalizeとは?
11-12 Amazon Personalize利用システム構成例
14Page Amazon Personalizeの用語
27Page Amazon Personalizeのワークフロー概要
Amazon Personalizeの使い方
31-36 データの準備
37-43 ソリューションの作成
44-49 キャンペーンの作成
Amazon Personalizeの使い方デモ
52-53 料金体系
55Page 対応リージョン 東京
●●●資料【04_AWS AI Service】
8-14 Amazon における機械学習の取り組み
16-26 Amazon Rekognition
①画像・動画の認識サービス
②さまざまな認識機能をAPIで提供し、アプリケーションで簡単に利用可能
17Page Amazon Rekognition Image
物体、シーン検出、顔分析、顔認識、安全でないコンテンツの検出、
有名人の認識、画像中のテキスト
18-23 Amazon Rekognition Video
物体、アクティビティ検出、動線の検出、顔認識、安全でないコンテンツの検出、
有名人の認識、リアルタイム分析
24Page Amazon Rekognition Image/Video の利用システム構成例：メディア分析ソリューション
25Page Amazon Rekognition Image 料金と提供リージョン
26Page Amazon Rekognition Video 料金と提供リージョン
27-33 Amazon Textract
PDF、画像のテキストと構造情報を抽出するマネージドサービス
テキスト、フォーム、テーブルの抽出が可能、英字のみ対応
32Page Amazon Textract の利用システム構成例：フォームの入力情報を保存
33Page Amazon Textract 料金と提供リージョン
35-41 Amazon Polly
①テキストを音声に変換する 音声認識サービス
②SSML と Lexicon による音声のカスタマイズが可能
③日本語を含む、複数の言語でサポート
37Page SSML と Lexicon
38Page スピーチマーク
39Page ニューラルテキスト読み上げ機能(NTTS)
Amazon Polly の利用システム構成例：記事を音声に変換
41Page Amazon Polly 料金と提供リージョン
43-48 Amazon Transcribe
①音声をテキストに変換する 音声認識サービス
②保存された音声ファイルだけでなく、リアルタイム変換にも対応
③音声ファイル変換は16ヶ国語、リアルタイム変換は5ヶ国語に対応（日本語は非対応）
45Page カスタム語彙
46Page 話者識別
47Page Amazon Transcribe の利用システム構成例
：コンタクトセンターからのカスタマーコールを分析
48Page Amazon Transcribe 料金と提供リージョン
50-53 Amazon Translate
①サポート言語間のテキスト翻訳のためのニューラル機械翻訳サービス (NMT)
②カスタム用語集機能を使って独自の用語などの翻訳方法を自分で定義することが可能
③日本語を含む、25言語間の翻訳をサポート
52Page カスタム用語
53Page Amazon Translate の利用システム構成例：リアルタイム翻訳チャット
55Page デモ：字幕生成、翻訳、吹き替え
58-64 Amazon Comprehend
①機械学習を使用してテキストの理解に有用な情報を発見・分析する自然
②言語処理(NLP; Natural Language Processing) サービス
③キーフレーズ、感情分析、構文、エンティティ（ブランド、日付、場所、人など）、
トピック モデル、言語検出 を抽出
④英語のみ対応
60Page 自然言語処理(NLP)：固有表現・キーワード・感情・言語の抽出
61Page Comprehend Custom
62Page Amazon Comprehend Medical
63Page Amazon Comprehend の利用システム構成例：カスタマーレビューからのセンチメントの検知
64Page Amazon Comprehend 料金と提供リージョン
66-71 Amazon Lex
①音声やテキストの対話型インターフェイス(チャットボット)を構築するサービス
②Amazon LexではAlexaと同じ会話エンジンで音声認識、言語理解の機能が備わっている
③英語のみ対応
68-69 Amazon Lex の構成要素
70Page Amazon Lex の利用システム構成例：患者向け診察予約ボット
71Page Amazon Lex 料金と提供リージョン
73-81 Amazon Personalize
①ユーザー向けパーソナライズしたレコメンデーションするための機械学習サービス
②Amazon.comと同様の技術を、幅広い対象に対して適用できる
③ユーザー向けパーソナライズされたレコメンデーションリストの提供
④「この商品を購入した方は…」など特定アイテムに対する類似アイテムリスト提供
75-78 Amazon Personalize 利用の流れ
79Page Amazon Personalize の利用システム構成例：商品のレコメンデーションシステム
80Page Amazon Personalize 料金と提供リージョン
82-91 Amazon Forecast
①過去の履歴から将来を予測する時系列データ予測サービス
②Amazon.comと同様の技術で、様々なドメインで、長期的予測を行うことができる
③機械学習モデルの構築を大幅に簡素化し、一連の事前定義済みアルゴリズムと、
モデルをトレーニングするための AutoMLオプションを提供
85-90 Amazon Forecast
91Page Amazon Forecast 料金と提供リージョン
●●●資料【05_Amazon AI 入門】
9-27 Polly：文章をリアルな音声に変換するサービス
29-48 Rekognition：画像分析機能をアプリケーションに簡単に追加できるようにするサービス
物体とシーンの検出 顔分析 顔照合 顔認識
50-61 Lex：音声やテキストを使用して、任意のアプリケーションに対話型インターフェイス
(ボット)を構築するサービス
●●●資料【06_Amazon Forecast】
11-15 Amazon Forecastとは?
18Page Amazon Forecast のワークフロー概要 用語
29Page Amazon Forecast のワークフロー概要
31-48 データの準備
50-56 予測子の作成
58-61 予測の作成
63Page セキュリティ
65-66 料金体系
67Page 提供リージョン 東京
●●●資料【07_Amazon CodeGuru】
11-16 Amazon CodeGuru とは?
18-24 Amazon CodeGuru Reviewer とは?
25-33 CodeGuru Reviewer の始め方、利用例
35-37 Amazon CodeGuru Profiler とは?
38Page CodeGuru Profiler の始め方
39Page CodeGuru Profiler エージェント
40-41 AWS Lambda における CodeGuru Profiler の使用例
42-51 CodeGuru Profiler のビジュアライゼーション
53Page セキュリティ
55Page サービスクォータ
57Page 料金体系
●●●資料【08_AWS AI Language Services】
15-19 Amazon Polly : 深層学習を使用して文章をリアルな音声に変換
22-25 Amazon Transcribe : 音声をテキストに自動的に変換
28-31 Amazon Comprehend : テキスト内でインサイトや関係性を検出
34-37 Amazon Translate : 自然で正確な言語翻訳
40-42 Amazon Textract :スキャンした文書からテキストやデータを簡単に抽出
45-48 Amazon Kendra : 機械学習を原動力とする高精度のエンタープライズ検索
51-53 Amazon Lex : 深層学習を用いたアプリケーション用会話型インターフェイス
56-57 デモンストレーション : 日本語対応サービスを組み合わせてコード付きでデモ
