登場し出したユースケース
AWSが誰でも使える「機械学習」を実現？ 有望市場への取り組みを見る（2/2 ページ）
機械学習のユースケースと競合
機械学習、特にAmazon Machine Learningは、予測的な結果や規範的なものになり得る結果に特化しているため、従来の分析から進歩を遂げている。Amazon Machine Learningは競合他社の機械学習テクノロジーほど高度ではない。例えばトレーニングデータは100GB、実際のバッチ予測データは1TBに制限されている。
競合サービスも多い。恐らく最も著名なのがIBMの「Watson Analytics」だ。Watson Analyticsは、データ視覚化と予測分析をシンプルな「対話型」のインタフェースで提供する。また、Microsoftの「Microsoft Azure Machine Learning Studio」は、多数の機械学習のユースケースに適応可能な、そのまま使えるサンプルライブラリを提供している。それでもサードーン氏はAmazon Machine Learningに多くの期待を寄せており、使い方次第でAmazon Machine Learningの可能性は無限大だと語る。
例えば、「最適なエクスペリエンスを提供したりユーザーの注目を引き続けたりするために、Webサイトにおけるユーザーの行動を熟知する」という戦略は多くの組織に共通している。機械学習と予測分析は、「Amazon Simple Storage Service」（Amazon S3）やAmazon Redshiftでクリックストリームデータを分析して、ユーザーがクリックしそうな場所についての予測を立てる。管理者やデータアナリストは、これらの確率に基づき、望まれる最終状態（購入など）へとユーザーのクリックを誘導するために頭をひねらせるというわけだ。
Amazon Machine Learningはレコメンデーションエンジンとしての可能性も秘めている。「顧客にお勧めのレストランを提案するようなアプリからメリットを得られる業界は多い」とサードーン氏は語る。例えば、機械学習機能は、年齢、性別、居住地などユーザーが入力したデータを類似ユーザーや彼らの口コミなどのデータと比較して、そのユーザーに合った店を導き出す。このプロセスは多岐にわたる顧客の意思決定に適用できる。
ノルウェー在住のブロガー、アーネ・サンド氏が、数ある興味深いAmazon Machine Learningのユースケースの1つを紹介している。同氏はAmazon Machine Learningを天気予報や首都オスロの気温予測に利用した。通常オスロの天候パターンは西からの影響を受けるため、データセットにノルウェーの都市スタバンゲルやベルゲンなどの観測結果を含めた。これらの過去データを投入した結果、Amazon Machine Learningは新しいデータを生成して、オスロの気温をほぼ正確に予測するのに成功したという。
サンド氏は自身のブログにこう記している。「手始めに実世界のデータセットでAmazon Machine Learningを試してみるのは、大変興味深いことだった」
ちょっとした障害
現時点では、分析するデータはAWSリソース内に存在していることが条件となっているとサードーン氏は付け加えている。「これはAmazon Machine Learningの課題の1つだ。オブジェクトストレージのAmazon S3、データウェアハウスのAmazon Redshift、そして従来のSQLリレーショナルデータベースを提供するAmazon Relational Database Serviceにしか接続できない」
ただし、別のデータソースを操作することを好むデータアナリストは、「Apache Spark」などのオープンソースの機械学習システムと組み合わせて「Amazon Elastic MapReduce」を使用することが可能だ。「この組み合わせによって、ほぼ全てのHadoopデータソースに接続できる」（サードーン氏）
Amazon Machine Learningは非常に簡単にセットアップできるとサードーン氏はいう。また、エンドユーザーはAPIを使用して自然言語クエリを組み込むこともできる。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣 -
製品資料
[サイボウズ株式会社] AIが「わざわざ使うツール」になっていない？ 業務で自然に使う導線にする秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
-
4
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
5
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
6
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
7
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
8
BMWも導入 78兆円市場に化ける「フィジカルAI」の衝撃
-
9
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
-
10
「AI活用を前提とした業務PCへの移行」に関するアンケート
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー