AWS Machine Learning

AWS Machine Learning Foundations Scholarship

AWS MLサービス

AWSを使用すると、モデルを迅速に構築、トレーニング、展開できます。 Amazon Sagemakerは、 MLワークフローから複雑さを削除する完全に管理されたサービスであるため、すべての開発者とデータサイエンティストが幅広いユースケースのために機械学習を展開できます。

MLインフラストラクチャとフレームワーク

AWSワークフローサービスにより、基礎となるMLインフラストラクチャの管理と拡張が簡単になります。

AWS Deeplensを使用したコンピュータービジョン

aws deeplens

AWS Deeplensを使用すると、エンドツーエンドのコンピュータービジョンベースのアプリケーションを作成および展開できます。

AWS Deeplensの仕組み

AWS Deeplensは、複数のAWSサービスと統合されています。これらのサービスを使用して、AWS Deeplensプロジェクトを作成、トレーニング、および起動します。 AWS Deeplensプロジェクトは、表示されているように2つの異なるストリームに分割されていると考えることができます。

• まず、AWSコンソールを使用してプロジェクトを作成し、データを保存し、モデルをトレーニングします。
• 次に、AWS Deeplensデバイスで訓練されたモデルを使用します。デバイスでは、カメラからのビデオストリームが処理され、推論が実行され、推論からの出力が2つの出力ストリームに渡されます。
  • デバイスストリーム - ビデオストリームは処理せずに通過しました。
  • プロジェクトストリーム - ビデオフレームのモデルの処理の結果。

AWS Deepracerによる補強学習

強化学習の概念

AWS Deepracerのコンテキストでの基本的な強化学習用語。

• エージェント：エージェントはAWS Deepracer車であり、その目標は、できるだけ早くトラックの周りをラップ *し、場合によっては障害を回避することです。
• 環境： AWS Deepracerの場合、これはシミュレーターまたは実際の生活のトラックです。
• 状態：各状態は、カメラでキャプチャされた画像です。車の初期状態はトラックのスタートラインであり、そのターミナル状態は、車がラップを仕上げたり、障害物にぶつかったり、トラックを追い払ったりするときです。
• アクション：ターンに近づくAWSディープレーサー車は、加速またはブレーキをかけて左折、右に曲がるか、まっすぐに移動することを選択できます。
• 報酬：報酬機能は、トラック上のさまざまなゾーンへの報酬としてスコアを割り当てるインセンティブプランです。
• エピソード：エピソードは、車が開始位置を離れ、ラップを終える、障害物にぶつかる、またはトラックを追い払う端子状態で終了する初期状態で始まります。

強化学習モデルでは、エージェントは、独自のアクションからのフィードバックを使用して、試行錯誤によりインタラクティブなリアルタイム環境で学習します。フィードバックは報酬の形で与えられます。

AWS DeepComposerを使用した生成AI

AWS DeepComposer

AWS DeepComposerは、機械学習（ML）、特に生成AIを始めるための創造的で簡単な方法を提供します。コンピューターに接続してメロディーを入力するUSB​​キーボードと、 AWSディープコンポジットミュージックスタジオを含むAWSディープコンポーザーコンソールで構成されています。

AWS DeepComposer Music Studio

AWS DeepComposerを使用して構成を生成、作成、編集するには、AWS DeepComposer Music Studioを使用します。開始するには、入力トラックと訓練されたモデルが必要です。

入力トラックの場合、サンプルトラックを使用したり、カスタムトラックを録画したり、トラックをインポートしたりできます。

それぞれのAWS DeepComposer Music Studio Experienceは、Generative Anversarial Networks（GANS）、Autoregressising Convolutional Neural Network（AR-CNNS）、およびトランスの3つの異なる生成AI技術をサポートしています。

• GANテクニックを使用して、伴奏トラックを作成します。
• AR-CNNテクニックを使用して、入力トラックのメモを変更します。
• トランスフォーマーテクニックを使用して、入力トラックを最大30秒延長します。

aws deepcomposerを含むガン

GANは、2つのニューラルネットワークを互いにピットして、ジェネレーターと識別器という新しいコンテンツを生成する一種の生成機械学習モデルです。

• ジェネレーターは、トレーニングされたソースデータに似た新しいデータを作成することを学ぶニューラルネットワークです。
• 判別器は、実際のデータと合成データを区別するために訓練された別のニューラルネットワークです。

発電機と識別器は、交互のサイクルで訓練されています。発電機はますます現実的なデータを作成することを学び、差別者は新しく作成されたデータから実際のデータを区別することを学習するのがより良くなります。

トレーニング中に、次の画像に示されているように、ジェネレーターと判別器はタイトなループで動作します。

AWS DeepComposerを備えたAR-CNN

AR-CNNモデルをトレーニングして、メモを入力トラックから追加または削除する必要があることを予測するため（編集イベント）、モデルは入力トラックを繰り返し更新し、トレーニングデータセットのように聞こえます。トレーニング中、モデルは、オリジナルのピアノロールと新しく変更されたピアノロールの違いを検出することにも挑戦されます。