実践 AWSデータサイエンス ―エンドツーエンドのMLOpsパイプライン実装

はじめに

　本書は、AIや機械学習（Machine Learning、ML）の実務家が、Amazon Web Services（AWS）上でデータサイエンスプロジェクトをうまく構築、デプロイする方法を学ぶための実用書です。AmazonのAIとMLのスタックは、データサイエンス、データエンジニアリング、アプリケーション開発を統合し、読者のスキルをレベルアップすることができます。本書では、クラウド上でパイプラインを構築、実行します。そして、その結果を数日ではなく数分でアプリケーションに統合する方法を紹介しています。本書を通じて、著者のChris FreglyとAntje Barthは、コストを削減し、パフォーマンスを向上させる方法を示し、次に挙げることを達成します。

• AmazonのAIとMLのスタックを、自然言語処理、コンピュータビジョン、不正検出、会話型デバイスなどの実世界のユースケースに適用する。
• 自動化されたML（Automated ML、AutoML）を使用して、Amazon SageMaker Autopilotでユースケースの特定のサブセットを実装する。
• データの取り込みや分析などをはじめ、BERTベースの自然言語処理（Natural Language Processing、NLP）ユースケースのモデル開発ライフサイクル全体に深く入り込む。
• すべてを反復可能なMLオペレーション（ML Operations、MLOps）パイプラインに結び付ける。
• Amazon KinesisおよびAmazon Managed Streaming for Apache Kafka（Amazon MSK）を使用して、リアルタイムデータストリームでのリアルタイムML、異常検知、およびストリーミング分析を探求する。 ...