menu
arrow_back

Introduction to Amazon Machine Learning (日本語版)

アクセス可能時間: 55 分 · 完了までの時間: 35 分
Connection Details

注意: このラボで使用している AWS リソースには、受講中のハンズオンラボ、またはQwiklab™に関連しないデータは一切送信しないでください

無料

info_outline
You can take this lab for free! Other more advanced labs may cost credits to start.

00:55:00

<! --include:Logo-->

Introduction to Amazon Machine Learning (日本語版)

SPL-35 - バージョン 2.1.1

<! --include:Header-->

概要

Amazon Machine Learning (Amazon ML) は、ソフトウェア開発者が予測モデルをトレーニングし、その予測モデルを使用して強力な予測アプリケーションを作成できる堅牢な機械学習プラットフォームです。Amazon ML を使用することにより、ビジネスドメインエキスパートやソフトウェア開発者は、管理された機械学習モデルのトレーニングに必要なコンピューティングおよびストレージインフラストラクチャの運用や管理ではなく、予測モデルを使用して解決しようとしている問題に集中できます。

このラボでは、シンプルな Amazon Machine Learning モデルを構築し、あるレストランを顧客が気に入るかどうかを予測するために使用します。予測の結果はカスタマーレビューの データソース に基づいています。Amazon Machine Learning に渡される情報には、見込み客の 年齢性別希望予算 に加えて、レストランの 価格料理の種類 も含まれます。結果として、リアルタイム予測エンドポイントからは、以下のいずれかの予測が出力されます。

  • excellent
  • very good
  • satisfactory
  • dislike

これは、顧客がそのレストランを気に入る可能性を表します。

取り上げるトピック

このラボを修了すると、次のことができるようになります。

  • Amazon Machine Learning サービスでモデルをトレーニングするために使用するデータセットをダウンロードする
  • モデルのトレーニングに使用する属性をテストして理解する
  • Amazon Machine Learning を使用して、モデルのトレーニングと評価を行う
  • モデルを使用してリアルタイム予測を行う

技術知識の前提条件

このラボを問題なく進めるには、以下が必要です。

  • Amazon S3 サービスを使い慣れていること
  • バケットとオブジェクトのコンセプトについて理解していること
  • S3 マネジメントコンソールまたは AWS CLI を使用し、S3 バケットのオブジェクトに対して PUT オペレーションや GET オペレーションを実行する方法を理解していること
  • 少なくとも「Introduction to Amazon Simple Storage Service (S3)」ラボを修了していること
  • IAM ポリシー言語について理解しているとともに、機械学習サービスから S3 バケットに安全にアクセスするためにバケットポリシーを使用する方法について理解していること

AWS のその他のサービス

このラボに必要なサービス以外の AWS のサービスは、このラボへのアクセス中 IAM ポリシーによって無効にされています。また、このラボで使用されるサービスの機能はラボに必要なものに限定されており、場合によってはラボの設計の観点から意図的にさらに制限されています。このラボガイドに指定されていないサービスを使用したりアクションを実行したりすると、エラーが発生することがあります。

Amazon Machine Learning とは

Amazon ML は、さまざまな目的の予測に使用できるサービスです。例えば、あるマーケティングサービスに対して指定された顧客が反応する可能性があるかどうかを予測するモデルを Amazon ML で構築できます。Amazon ML では、管理されたデータセットからモデルを作成します。つまり、モデルはこれまでの観測記録に基づいています。この観測記録は、特徴、属性、ターゲット結果によって構成されます。マーケティングサービスの例では、特徴には顧客の年齢、職業、性別が含まれる可能性があります。ターゲット結果(ターゲット変数とも呼ばれる)は、マーケティングサービスに対して特定のお客様が反応するかどうかを示すものです。

既知の観測記録からモデルを作成するプロセスは、トレーニングと呼ばれます。Amazon ML でモデルをトレーニングすると、そのモデルを使用して結果を予測できます。この予測は、モデルのトレーニングに使用した属性と一致する属性セットに基づいて行われます。Amazon ML をスケールして、数千の予測を同時に行うことが可能です。リアルタイムに近い予測を提供するために、現在機械学習が頻繁に利用されているため、これは重要です。このラボでは、機械学習モデルを使用し、検索クエリの結果に基づいて、顧客が気に入る可能性のあるレストランを予測します。

<! --include:StartLab-->

タスク 1: トレーニングデータをアップロードする

  1. restaurants.data を右クリックし、コンピュータにファイルをダウンロードします。

このファイルには、モデルのトレーニングに使用するデータが含まれます。データの例を以下に示します。

age,gender,budget,price,cuisine_type,rating
35_49,female,under_20,20_to_30,Latin American/Mexican,very good
35_49,male,under_20,30_to_50,American,very good
50_64,male,under_20,30_to_50,Asian,dislike
20_34,female,under_20,20_to_30,Bars/Pubs,very good
50_64,male,under_20,under_20,Deli/Sandwiches/Fast Food,satisfactory
under_19,female,20_to_30,20_to_30,Asian,satisfactory
50_64,male,under_20,20_to_30,Latin American/Mexican,dislike
50_64,male,over_50,20_to_30,Continental,excellent
  1. AWS マネジメントコンソールの [サービス] で [S3] をクリックします。

Amazon S3 バケットを作成します。それぞれのバケットの名前として既に存在する名前は使用できません。そのため、バケット名にランダムな数字を追加します。例: data-123

  1. バケットを作成する をクリックして、次のように指定します。
  • バケット名:
  • NUMBER をランダムな番号に変更
  • バケット名をテキストエディタにコピー
  • [作成] をクリック
  1. 以下の手順を実行し、作成したバケットに restaurants.data ファイルをアップロードします。
  • 作成したバケットをクリック
  • アップロード をクリック
  • [ファイルを追加] をクリック
  • 先ほどダウンロードした restaurants.data ファイルを選択
  • [開く] をクリック
  • [アップロード] をクリック

このトレーニングデータを Amazon Machine Learning サービスで使用します。

Join Qwiklabs to read the rest of this lab...and more!

  • Get temporary access to the Amazon Web Services Console.
  • Over 200 labs from beginner to advanced levels.
  • Bite-sized so you can learn at your own pace.
Join to Start This Lab
home
ホーム
school
カタログ
menu
もっと見る
もっと見る