【開催報告】 2021春の機械学習勉強会

こんにちは！ アマゾンウェブサービスジャパン株式会社 ソリューションアーキテクトの黄です。
2021年3月17日に、 デジタルネイティブ企業のお客様向けに「2021春の機械学習勉強会」を開催いたしました。勉強会の開催報告として、勉強会で行った内容などを公開いたします。

開催の背景

私達ソリューションアーキテクトは日々、多くのお客様とお話しをさせていただく機会がありますが、その中で「サービスに機械学習を取り入れたい」や「機械学習をどの様に始めれば良い？」といったご相談をいただくことがあります。そこで今回は、機械学習に興味があるけどまだ試したことがない方や、これから試そうとしている方に向けて、機械学習の基礎をプログラミングを通じて学ぶ勉強会を開催しました。

勉強会の内容

勉強会は前半座学、後半ハンズオンという2部構成で行い、2名の機械学習の スペシャリストソリューションアーキテクト がそれぞれ前半と後半の講師を担当しました。

機械学習勉強会 – 座学 ( SA 呉 和仁 )

前半の座学では、まず最初に機械学習とは何かについて解説を行い、機械学習の起源とされている最小二乗法と小惑星セレスの場所を予測した歴史から機械学習の構成要素、及び現在ビジネスへの適用の準備状況などについても解説しました。

座学中盤は、機械学習の種類について、教師あり学習・教師なし学習・強化学習の３種類があることを、画像認識、テキストの感情分析、DeepRacerなどの実例を交えながら解説しました。

座学の最後には、ビジネスに機械学習を取り入れる時に必要な要素、MLプロジェクトの進め方、MLプロジェクトを加速する為の近道などについて解説しました。

機械学習勉強会 – ハンズオン ( SA 鮫島 正樹 )

勉強会後半のハンズオンでは、 Amazon SageMaker のノートブックインスタンス環境と深層学習フレームワークの Tensorflow を利用した実際のプログラミングを通じた機械学習の手法について体験しました。

ハンズオンでは、 MNIST とよばれる手書き数字の画像データセットと機械学習のライブラリである scikit-learnを使った画像分類を行いました。

k-近傍法 (k-nearest neighbor) 、決定木 (Decision Trees) の実装方法と MNIST へ適用する方法を実際にプログラミングしました。また、二つの手法の違いを推論時間の測定を通じて確認しました。その他のアルゴリズムとして Random Forest も取り上げました。

ハンズオンの後半には、深層学習 (Deep Learning) への入り口としてニューラルネットワークと畳み込みニューラルネットワークについても実際に手を動かして試しました。

今回の勉強会には22社から計125名のお客様が参加されました。ハンズオン中、チャットを通じて参加者同士でのコードチェックや精度競争、質疑応答なども行われて盛り上がりました。

おわりに

今回は、デジタルネイティブ企業のお客様に向けた機械学習勉強会をお届けいたしました。ご参加いただきました皆様に感謝申し上げます。今回の勉強会が、皆様のビジネスへの機械学習導入のきっかけになり、今後のビジネス成長にご活用いただければ幸いです。
本勉強会の内容に関して、詳細が知りたい・自社のビジネスに機械学習を取り入れたい、などのご要望がありましたら、担当営業、もしくは公式サイトの お問い合わせ までお問い合わせください。

このブログの執筆はソリューションアーキテクト 黄 光川 が担当しました。