Upgrade to Pro — share decks privately, control downloads, hide ads and more …

急成長スタートアップのシステムの裏側 / ABEJA Innovation Meetup

Avatar for toshitanian toshitanian
January 27, 2017
Technology
0
1.3k

急成長スタートアップのシステムの裏側 / ABEJA Innovation Meetup

Avatar for toshitanian

toshitanian

January 27, 2017
Tweet

More Decks by toshitanian

See All by toshitanian
エッジデバイスでディープラーニング！ AWSを活用したエッジデバイスマネジメントの紹介/ aws-edge-device-deeplearning
Avatar for toshitanian toshitanian
1
2.2k
機械学習プラットフォーム でのDocker利用事例 / DevSumiAbeja
Avatar for toshitanian toshitanian
1
580
nvidia-jetson-x-deep-learning
Avatar for toshitanian toshitanian
0
1.6k
Amazon Kinesis Video Streams × Deep Learning
Avatar for toshitanian toshitanian
1
7k
Docker入門 - Ruby on RailsアプリケーションをDockerで動かしてみる - / Introduction to Docker
Avatar for toshitanian toshitanian
7
2.9k

Other Decks in Technology

See All in Technology
開発者を支える Internal Developer Portal のイマとコレカラ / To-day and To-morrow of Internal Developer Portals: Supporting Developers
Avatar for Kento Kimura aoto
PRO
1
320
ここ一年のCCoEとしてのAWSコスト最適化を振り返る / CCoE AWS Cost Optimization devio2025
Avatar for MasahiroKawahara masahirokawahara
1
1.5k
下手な強制、ダメ！絶対！ 「ガードレール」を「檻」にさせない"ガバナンス"の取り方とは？
Avatar for Masataka Tsukamoto tsukaman
1
290
研究開発と製品開発、両利きのロボティクス
Avatar for Yutaka Kondo youtalk
1
470
Flutterでキャッチしないエラーはどこに行く
Avatar for AOKI Taiju taiju59
0
220
RSCの時代にReactとフレームワークの境界を探る
Avatar for uhyo uhyo
9
3k
AWSで推進するデータマネジメント
Avatar for かわなご kawanago
0
1k
ガチな登山用デバイスからこんにちは
Avatar for halka halka
1
210
AWS環境のリソース調査を Claude Code で効率化 / aws investigate with cc devio2025
Avatar for MasahiroKawahara masahirokawahara
2
1.3k
カミナシ社の『ID管理基盤』製品内製 - その意思決定背景と2年間の進化 #AWSUnicornDay / Kaminashi ID - The Big Whys
Avatar for 株式会社カミナシ kaminashi
3
800
データアナリストからアナリティクスエンジニアになった話
Avatar for hatsu hiyokko_data
2
420
[RSJ25] Feasible RAG: Hierarchical Multimodal Retrieval with Feasibility-Aware Embodied Memory for Mobile Manipulation
Avatar for Semantic Machine Intelligence Lab., Keio Univ. keio_smilab
PRO
0
100

Featured

See All Featured
Testing 201, or: Great Expectations
Avatar for Joseph Mastey jmmastey
45
7.6k
Facilitating Awesome Meetings
Avatar for Lara Hogan lara
55
6.5k
A designer walks into a library…
Avatar for Paul Jervis Heath pauljervisheath
207
24k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
Avatar for panda_program panda_program
111
20k
Build The Right Thing And Hit Your Dates
Avatar for Maggie C. maggiecrowley
37
2.8k
It's Worth the Effort
Avatar for 3n 3n
187
28k
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
Avatar for Tammy Everts tammyeverts
8
520
Design and Strategy: How to Deal with People Who Don’t "Get" Design
Avatar for Morgane Peng morganepeng
131
19k
The Art of Delivering Value - GDevCon NA Keynote
Avatar for David Neal reverentgeek
15
1.6k
Building Applications with DynamoDB
Avatar for Matt Wood mza
96
6.6k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
Avatar for Kevin Liebholz kevinliebholz
34
6k
Practical Tips for Bootstrapping Information Extraction Pipelines
Avatar for Matthew Honnibal honnibal
PRO
23
1.4k

Transcript

  1. ABEJA Innovation Meetup #ABEJAmeetup 2017/01/26 ABEJA, Inc. 河崎 敏弥

  2. • MachineLearning/DeepLearningを使った動画解析エンジン • 実行する上で課題になる事 • ABEJAでのアプローチ 今日話す事 2

  3. 自己紹介

  4. 河崎 敏弥 @toshitanian ABEJA, Inc. IoT Analytics Division Product Owner

    • 創業1年の時にABEJAに参画 • バックエンドエンジニア • クラウド上でシステム構築 • IoTデバイスとのシステム連携 • ここ2年はコンテナ推し

  5. 社名# 株式会社ABEJA# 設立# 2012年9月10日# 住所# 東京都港区虎ノ門4-1-20田中山ビル10F# 事業内容# ディープラーニングを活用した# 産業構造変革のサポート#

  6. ABEJA Platform Ecosystem "

  7. Unstructured Data Structured Data Analytics Engine Distributed Deep Learning Unstructured

    Data ↓ Structured Data API ABEJA Platform

  8. Video Analytics with Deep Learning

  9. Video Analytics with Deeplearning 9 動画 解析結果

  10. 10 動画 解析結果

  11. 11

  12. 12 ？ ？ ？ ？ ？ ？ ？ ？ ？

    ？ ？ ？

  13. 困った… 13

  14. • 大量の計算リソースの管理 • 大量のデータを処理 • スケール可能な解析インフラ • 効率の良い解析タスクの分散方法 • 利用リソースはアプリケーション依存.

    CPU？GPU?占有コア数・メモリ量 • アプリケーション管理 • 解析アプリに必要な要件は？ • 管理する解析アプリは増加の一途（研究開発によってできる事は増える） ML/DLの実行プラットフォームが考慮すべき事 14

  15. ABEJAでのアプローチ

  16. コンテナ

  17. • Elasticな実行インフラ • 計算リソースが足りなければ勝手に増える • 解析タスクの分散はコンテナのスケジューラにお任せ • クラスタのどこかでコンテナが動いて解析が走っている状態 • CPUとかGPUとか毎の要件毎にリソースプールを作ってる

    コンテナ - 実行インフラのスケーリング - 17 計算処理が増えても安心！

  18. • 解析エンジンはDocker Imageとしてパッケージ化 • コンテナ内部の構成を定義 • コンテナへのファイル入力方法と、結果の出力方法を仕様として定義 • 仕様に合っている限りは基盤上で動く •

    Docker registoryベースのアプリケーション管理 • アプリ毎のバージョン管理 • アプリ毎のリソース要件を付加 コンテナ - アプリケーション管理 - 18 アプリが増えても安心！

  19. 19 イケてるしヤバいエンジニア募集中 ABEJA Wantedly