AWS Summit Japan 2024 Day2 初参加レポート

DX開発事業部の吉留です。
今回初めてAWS Summitに参加させていただきました！
セッションやブースを見ての所感などを参加レポートとしてご紹介させていただきます！

セッション

いくつかのセッションを聞いたのですが印象に残ったものをピックアップして紹介します。

Amazon CodeCatalyst と Amazon Q で開発者の生産性を向上！ – AI アシスタントの活用方法 –

このセッションでは、開発の流れとしてよくある、「Issueの作成→コードの作成→Pull Requestの作成→Pull Requestのレビュー→ソースリポジトリにマージ」の流れの中でアプリケーション開発者が感じる以下の課題を解消する方法として紹介されていました。

• よく理解していないソースリポジトリへの機能追加や変更
• Pull Requestの説明の作成
• Pull reauestレビューのための内容確認

Amazon CodeCatalyst
アプリケーションの企画〜本番デプロイまで簡単かつ迅速に行うことができる統合ソフトウェア開発サービス
Amazon Q
生成AIを活用したフルマネージド型のAIアシスタントサービス

Amazon QはAmazon CodeCatalyst内でも使用でき、生成AIを活用した開発体験として以下の内容がデモで紹介されていました。

• 機能開発
• Pull Requestの説明を作成
• Pull Requestのコメントを要約

機能開発ではIssueのタイトルにやってもらいたいことを記述し、Issueの担当者をAmazon Qにすることで機能実装のコードを生成しPull Requestを作り、Pull Requestの説明やコメントの要約は、作成したPull Requestにそれぞれの機能のボタンがあるのでそちらをポチッと押すだけで生成されていました。
こんな簡単な操作でここまでできるのは凄いですね。
個人的にはこのソースコードはなんの処理をしているのかを説明してくれるのはとても便利そうだと思いました。
プロジェクトに参画したばかりの人はとても重宝しそうですね。

また、Amazon CodeCatalystはCICDのWorkflowも実装でき、Workflowで出たエラーを修正するコードをAmazon Qで生成してPull Requestを作成するなどもできるようで、
Amazon CodeCatalystとAmazon Qのシナジーの高さに驚きました。

今からでも遅くない！Amazon SageMaker Canvas で始める機械学習

このセッションでは機械学習について知見が無い方や人材不足に悩んでいる方に向けて、Amazon SageMaker Canvasを使用した機械学習の方法が紹介されていました。

機械学習プロジェクトを進める上で一番重要なのはビジネスゴールの特定
機械学習することが目的となっているケースがよく散見されるがそれではプロジェクトはうまく進まない。
必ず解決したいビジネス課題を決めてから進める。

Amazon SageMaker Canvas
機械学習モデル、生成AIモデルを構築、カスタマイズ、デプロイできるコードワークスペース
学習せずともすぐに使用できるモデルもあり、カスタムモデルを構築することもできる。
また、機械学習のエキスパートとのコラボレーションできる機能もある。
ノーコードで「データ収集→データ前処理→特徴量エンジニアリング→学習 チューニング→デプロイ」をカバーしている。

データの前処理や特徴量エンジニアリングを日本語でチャットに問い合わせるだけで完了していたのはとても驚きました。
モデル構築する際のモデルタイプなども自動で最適なモデルタイプを選択してくれるようで、知識がなくてもデータがあれば短い時間で機械学習に取り組めそうです。
多種多様なユースケースに対応していて、ノーコードでここまでできるのは凄いですね。

↓ 自然言語での操作

ブース

Amazon Bedrockを使って生成AIで音楽を生成するというのをデモでやっていました。
その場でいろいろな音楽が生成されていて見応えがありました！

今回参加してみて

今回AWS Summitに初めて参加しましたが、まず人の多さに驚きました。
AWS Summitが盛り上がっていることは知っていましたが、会場に実際に行ってみて改めて実感することができました。
取り扱ってるトピックについては生成AIがとても多かったです。
今回AWS Summitに参加してAI関連のサービスについて知ることができたので、
これからもAI関連はウォッチしていきます。