概要

AWS の AI サービスを組み合わせてコンピュータービジョン・システムを本番稼働させる

想定読者

AWS の基本知識と Python/ML の概念を持ち、画像・動画解析システムを実務で構築したいエンジニアおよびデータサイエンティスト

こんな人には向いていない

• 機械学習やクラウドの基礎をまだ学習中の初学者には、前提知識なしで読み進めるのは難しい
• コンピュータービジョンの理論(数式・モデルアーキテクチャの深掘り)を中心に学びたい研究者には実装寄りすぎる
• AWS 以外のクラウド(GCP・Azure)でのコンピュータービジョン実装を主目的とする場合は対象外

読了後にできるようになること

• Amazon Rekognition および Rekognition Custom Labels を使って顔認識・物体検出・カスタム分類モデルを構築できる
• 非接触ホテルチェックイン・動画解析パイプライン・コンテンツ検閲など、実世界ユースケースへの適用手順を理解できる
• Amazon Lookout for Vision によるエッジでの製造不良検出システムを設計・実装できる
• SageMaker Ground Truth でラベリング、SageMaker で学習・推論パイプラインを構築できる
• Amazon Augmented AI(A2I)でヒューマン・イン・ザ・ループを組み込んだ品質保証フローを設計できる
• エンドツーエンドの CV パイプライン設計・AIガバナンス適用のベストプラクティスを実務に適用できる

本書のキー概念(章解説)

• 第 1 章 コンピュータービジョン・アプリケーションと AWS の AI・機械学習サービスの概要 — 本書全体の地図として最初に読む。Rekognition / SageMaker / Lookout の位置づけを整理できる
• 第 2 章 Amazon Rekognition の利用 — マネージドサービスの基本を習得する章。API 呼び出しから始める実装ハンズオン
• 第 3 章 Amazon Rekognition Custom Labels を使用したカスタムモデルの作成 — 独自データでのファインチューニング。既製モデルでは対応できない業務固有の分類に対処する
• 第 4 章 本人確認を使用した非接触型ホテルチェックインシステムの構築 — 顔認証を業務フローに統合する具体例。セキュリティ・法的考慮を含む実践的章
• 第 5 章 動画解析パイプラインの自動化 — リアルタイム・バッチ双方の動画処理アーキテクチャを扱う
• 第 6 章 AWS AI サービスによるコンテンツの検閲 — 不適切コンテンツ検出をプラットフォームに組み込む事例
• 第 7 章 Amazon Lookout for Vision の紹介
• 第 8 章 エッジでのコンピュータービジョンを使用した製造不良の検出 — クラウドだけでなくエッジデバイス上での推論を扱う。製造 DX への応用
• 第 9 章 Amazon SageMaker Ground Truth を使用したデータのラベル付け — 高品質なラベルデータ整備が精度を決める。ラベリングワークフローの設計指針
• 第 10 章 コンピュータービジョンでの Amazon SageMaker の使用
• 第 11 章 Amazon Augmented AI(A2I)によるヒューマン・イン・ザ・ループの統合 — モデルの不確実性が高いケースを人間がレビューする仕組みの実装
• 第 12 章 エンドツーエンドのコンピュータービジョン・パイプライン設計のベストプラクティス
• 第 13 章 コンピュータービジョンへの AI ガバナンスの適用 — 本番稼働後の説明責任・公平性・監査に踏み込んだ章。実務で見落とされがちな視点

ハイライト

• 実際の本番環境でも展開できるよう、具体的な実装方法を紹介します。Packt Publishing『Computer Vision on AWS』の翻訳書。(本書が単なるチュートリアルではなく本番稼働を射程に入れた実践書であることを端的に示す記述)
• エッジでのコンピュータービジョンを使用した製造不良の検出。Amazon Lookout for Vision によりクラウドだけでなくエッジデバイス上での CV 推論を扱う。(製造・物流 DX への適用を検討する読者が本書の差別化ポイントを確認できる記述)

外部からの言及

• Qiita・技術ブログ等での当書籍への直接言及は調査した範囲では確認できなかった。Amazon Rekognition や SageMaker を扱う記事は多数存在するが、本書を参照文献として挙げるものは見つからなかった。(other)

編集メモ

Qiita での当 ISBN 直接言及は確認できず(検索 0 件)。楽天ランキング情報なし。Rekognition / SageMaker 系記事の総量は多いが本書を明示的に参照するものは見当たらない。マネージドサービス活用の実装書として一定の需要は想定されるが、外部シグナルが限定的なため supplementary とする

読む前に押さえておきたいこと

• AWS マネジメントコンソール・IAM・S3・Lambda の基本操作経験
• Python での API 呼び出し・データ処理の実装経験
• 機械学習の基本概念(分類・物体検出・モデル評価指標)の理解

学習のコツ

• Part 1(1〜3 章)でサービス全体像と Rekognition の基本を押さえた後、自分の業務ユースケースに近い Part 2 の章(4〜6 章)を優先的に読むと吸収が早い
• Part 3(7〜8 章)はエッジ展開が業務要件にある場合のみ前倒しで読む。クラウド完結の用途なら最後に回してよい
• 9 章(Ground Truth)はデータ品質に直結するため、PoC 後にモデル精度で詰まった際のリファレンスとして手元に置いておくと有用
• 13 章(AI ガバナンス)は本番リリース前のチェックリストとして組織内レビューに活用できる