TOP>AWS AI/MLサービス

AWS AI/MLサービス

AWS AI/MLサービス

課題整理から実証実験(PoC)、
構築後のスキルトランスファーまで
一貫した支援を提供

AWS AI/MLサービス概要

CTCは、AWSにおけるAI(人工知能:Artificial Intelligence)や
ML(機械学習:Machine Learning)活用のための課題整理から実証実験(以下PoC*)
構築後のスキルトランスファーまで一貫した支援を提供します。

AI活用について以下のような課題はありませんか?

AWS AI/MLサービスを活用することで、必要な資源を必要な時に投入し、
MLパイプラインの構築や学習済みAIモデルの利用、
既存AWSサービスとの連携などを実現できます。

*PoC:Proof of Concept、実証実験。不確定要素を含んだ事項について、その効果・効用や技術的観点から実現可能性の程度を確認・検証することです。AIにおいては自社で用意したデータに対するAIの予測結果がビジネス上の要件を満たすのか、システムとして構築することが可能なのかなどをPoCとして実施することが一般的です。

AWSクラウドにおけるAI/MLサービス活用メリット

AI/MLサービス活用時においても、以下のようにAWSクラウドのメリットを受けることができます。

初期投資コストの削減 初期投資コストの
削減
AIの実証実験(PoC)で必要とされる高価な機材調達において、資本的支出(ストック)を変動費(フロー)に置き換えることができ、初期コストが削減できます。
Elastic(伸縮自在性) Elastic
(伸縮自在性)
繁忙期/閑散期のような場合でも、リクエスト量に応じて自動的にコンピューティングリソースを増減させることが可能です。
円滑な本番移行やシステムの横展開 円滑な本番移行や
システムの横展開
クラウドのプロトタイプ環境で学習しデプロイしたAIモデルを、同じクラウド上の本番環境へ移行したり、別システムや海外利用者向けに横展開することが可能です。
クイックネス(俊敏性) クイックネス
(俊敏性)
新しいアルゴリズムやGPUを利用したいときに、すぐに利用することが可能です。

MLパイプラインとは?

MLパイプラインとは、データの準備、モデル開発からデプロイまでのトータルな作業のことを指します。AI/MLを用いたシステムでは、複雑で多岐に渡る反復的なステップが含まれるため、この一連の流れを一元的に管理することが重要です。

典型的なAI/MLのワークフロー

AIサービスを使うことでモデル学習からデプロイまでを簡略化できます。

*AIサービスはモデルをそのまま利用できるケースと、追加で学習などのカスタマイズが必要なケースがあります。

AWS AI/MLサービスによる課題解決

課題①
AI/MLの経験者がいない。また、AI/ML機能をアプリケーションに組み込むノウハウがない。
解決策①:AIサービス
AWS AIサービスでは高度な機械学習の知識は必要ありません。
APIを呼び出すことで、お客様のアプリケーションと
容易に統合できます。
課題②
学習データの確保や、モデル作成に時間を要している。
解決策②:AIサービス
AWS AIサービスに実装されているのは、
Amazon.comなどでの使用実績に基づいたモデルです。
お客様でデータを準備しなくても、十分な精度が期待できる
AIの利用が可能です。
課題③
AWS上で動作する既存システムに適切にAIモデルをデプロイする方法が分からない。
解決策③:MLサービス
AWSのMLサービスであるAmazon SageMakerを利用することで、
既存AWSサービスと一体的に実行できる
プラットフォームを作成可能です。
課題④
データ取得、データ加工、分析、モデル開発で別々のツールを利用しており、作業工程が煩雑化している。
解決策④:MLサービス
Amazon SageMakerでMLパイプラインを構築することで、
一貫した構成とすることが可能です。

出典:https://aws.amazon.com/jp/machine-learning/

  • AIサービスは、高度な機械学習の知識を必要としなくても、需要予測、商品レコメンデーション、画像分類などをAPIとしてを呼び出すことでアプリケーションに統合することができます。
  • MLサービスでは、Amazon SageMakerによってMLパイプラインを構成し、他のAWSサービスと連携できます。Amazon SageMakerは、MLパイプライン各プロセスでの手間のかかる作業を排除可能なフルマネージド型サービスです。

CTCによるAWS AI/MLサービス技術支援

1 課題整理
  • 案件ヒアリング
  • Fit/Gapの把握
  • AI導入への手法検討
  • AWS AI/MLサービス選定の検討
2 PoC
  • データ内容の把握
  • プロトタイプ作成
  • モデルの精度向上
  • 次フェーズ以降への課題抽出と対策検討

※実証実験(PoC)はオプションです。

3 要件定義/
設計/構築
  • 機能要件/非機能要件の整理検討
  • 構成の設計/構築
  • 導入/移行計画策定
  • 他システムとの連携
  • 各種動作試験
4 スキル
トランスファー
  • 実施内容やナレッジの移管
  • 技術的なQA対応
  1. 1

    課題整理を行い、お客様の課題とAIで実現できることのギャップを把握します。
    この段階で、どのAWS AI/MLサービスを選択するかも検討します。

  2. 2

    次に、PoCを行います。データの内容を把握してプロトタイプを作成し、システム化に向けた検討事項などを抽出します。なお、AIの効果/効用が判断できているのであれば、必ずしも実施する必要はありません。

  3. 3

    システム化に進む場合には、要件定義/設計/構築を実施します。

  4. 4

    最後に、課題整理~構築で実施した内容を整理し、お客様へのスキルトランスファーを実施します。

よくあるご質問

Q. CTCにAWS AI/MLサービスの技術支援に依頼するメリットには何がありますか。

A.CTCはよりAWSを基盤としたCUVIC on AWSという独自のサービスを展開しております。
そこで培ったAWS開発/構築ノウハウに、CTCのAIエンジニアのナレッジを組み合わせることで、AWS AI/MLサービスにおけるより高度な支援をご提供することが可能です。
https://www.ctc-g.co.jp/solutions/ccoa/

Q.データをどう利活用するか、ビジネスをどう変革するか、という段階からの支援は可能ですか。

A.当社で提供しているデジタル活用支援サービスで対応が可能です。
https://www.ctc-g.co.jp/solutions/ai_services/

関連リンク

・AIへの取り組み
https://www.ctc-g.co.jp/solutions/ai/

お問い合わせ

TOP>AWS AI/MLサービス

pagetop