ゲーム業界向けAWSで実現する機械学習

© 2017, Amazon Web Services, Inc. or its Affiliates. All rights reserved.
保里善太
ソリューションアーキテクト
アマゾンウェブサービスジャパン株式会社
zenthori@amazon.co.jp
ゲーム業界向け AWSで実現する機械学習
ゲーム業界における機械学習の活用事例
Game Tech Night #15

自己紹介
保里善太(ほりぜんた)
技術統括本部
ソリューションアーキテクト
中規模のスタートアップから大手企業に渡ってゲーム業
界を中心にご支援
最近の関心事：
統計や機械学習を用いた不正検知やチート検出などのセキュリ
ティの異常検知技術

Agenda
• ゲームにおける機械学習
• ゲームでの具体的な活用方法と顧客事例

加熱する第三次人工知能ブーム

ゲームとAIの歴史
Source: https://venturebeat.com/2018/06/07/the-150-billion-video-game-landscape-7-segments-to-watch/
• ゲームとAIの歴史は意外と古い
• NPC (non player character) の
ような技術は単純なパターン動
作からルールベースの動作を含
めて古くから研究されてきた
• ゲームとAI/機械学習の親和性
は非常に高い
NPC: ノンプレイヤーキャラクター
（non player character）とは、プレ
イヤーが操作しないキャラクターの
ことを指す語である
『パックマン』（ナムコ／1980年）
世界で初めて独立した思考を持つ4つの
キャラクターAIを実現

AI/機械学習とは何か？
https://www.geospatialworld.net/blogs/difference-between-ai%EF%BB%BF-machine-learning-and-deep-learning/
深層学習(DL)
音声合成や画像認識など
ニューラルネットワーク
を利用してデータの特徴
を自動で学習し、それを
元に未知のデータに対し
ても判断をするMLの領域
の一つ
人工知能(AI)
ルールベースのロジック
から機械学習までコン
ピュータを使って、学
習・推論・判断など人間
の知能のはたらきを人工
的に実現したもの
機械学習(ML)
統計学やパターン認識の技術を使
い、既存のデータから判断の方法
を習得し、新たな未知のデータに
対しても判断をするAIの領域の一
つ
(深層学習も含まれる)

機械学習の学習方法
人工知能(AI)
機械学習(ML)
教師あり学習
正解（正しい出力）付きのデータを機械に学習させ
る方法
教師なし学習
正解を必要とせず、膨大なデータから自動的に算出
した特徴量から構造や傾向、法則などを導くことで
機械に学習させる方法
強化学習
自ら試行錯誤して最適な行動を探しながら達成し
た課題に対して報酬を与えられることで学習して
いく方法

目的とデータに応じた機械学習のアルゴリズム
回帰 (Regression)
分類
(Classification)
マルチ分類
(Multiclass
Classification)
２値分類
(Binary
Classification)
教師あり学習
教師なし学習クラスタリング
(Clustering)
強化学習
異常検知

回帰 (Regression)
分類
(Classification)
マルチ分類
(Multiclass
Classification)
２値分類
(Binary
Classification)
教師あり学習
(Clustering)
強化学習
異常検知
数値を予測する
画像やテキストなどさ
まざまなオブジェクト
を自動分類する
３つ以上の複数のカ
テゴリーに分類する
２つのカテゴリー
に分類する
似たデータを集めてデータ構
造を発見し、自動分類する
教師あり学習も教師なし学習も両
方のアルゴリズムを応用して実現

回帰 (Regression)
分類
(Classification)
マルチ分類
(Multiclass
Classification)
２値分類
(Binary
Classification)
教師あり学習
(Clustering)
強化学習
異常検知
• 線形回帰 (Linear Regression)
• ベイズ線形回帰 (Bayesian
Linear Regression)
• ランダムフォレスト (Random
Forest)
• ブースト決定木 (Boosted
decision tree)
• 高速フォレスト分布 (Fast forest
quantile)
• ニューラルネットワーク (Neural
network)
• ロジスティック回帰
(Logistic Regression)
• ランダムフォレスト
(Random Forest)
• デシジョンジャングル
(Decision Jungle)
• ニューラルネットワーク
(Neural network)
• ロジスティック回帰
(Logistic Regression)
• ランダムフォレスト
(Random Forest)
• ブースト決定木
(Boosted decision tree)
• ニューラルネットワーク
(Neural network)
• k平均法 (k-means)
• 混合ガウス分布 GMM(Gaussian
mixture models)
• スペクトラルクラスタリング spectral
clustering
• サポートベクターマシーン (SVM)
• PCAによる異常検出 (PCA-based
anomaly detection)
• k平均法 (k-means)

ユーザー体験の向上
プレイヤーのエン
ゲージメントの向上
セキュリティの向上
と禁止行為の防止
NPC / キャラクター
AI
AI/機械学習のゲームでの主な用途
ゲーム開発の支援
売上の向上

AI
Game AIとその周辺領域
売上の向上
Game AI
Game周辺AI
Game周辺AI

AI
Game AIとその周辺領域の実例
売上の向上
ユーザーの離脱予測
QA/デバッグの自動化
レベルデザインの自動化
敵キャラの自動化
最強プレイヤーの作成
チートや不正行為の自動検出
ゲーム内チャットの自動翻訳
音声解析やジェスチャー認識
プレイヤーへのコーチング

AI
Game AIとその周辺領域
売上の向上
Game AI
Game周辺AI
Game周辺AI
各社独自の実装
割と汎用化しやすい技術
ゲームのコア技術なので
公開されないことが多い

AI
Game AIとAWS関連サービス
売上の向上
Game AI
Game周辺AI
Game周辺AI
APIベースのAIサービスで
解決することもある
Amazon SageMakerや
MLフレームワークを使っ
て自前で実装
機械学習の知識必須

機械学習のスキルは
不要
学習済みのモデルを
APIから利用するだけ
のサービス
AWSが提供する機械学習サービス
AIサービス
Amazon Personalize Amazon Forecast Amazon Rekognition Amazon Comprehend
Amazon Lex Amazon TextractAmazon TranscribeAmazon Translate
MLサービス
Amazon SageMaker
レコメンデーション時系列予測
画像と動画の
分析
高度なテキ
スト分析
翻訳ドキュメント分析対話型Bot 音声文字起こし
Amazon Polly
音声文字起こし
機械学習を知っている人向け
Jupyter NotebookやMLフレー
ムワークを使い自分で学習モ
デルを作る
Preview

セキュリティの向上と禁止行為の防止
NPC / キャラクターAI
AI/機械学習のゲームでの主な用途の詳細
売上の向上
プレイヤーのエンゲージメントの向上

売上の向上

NPC / キャラクターAI (Game AI)
• ゲーム内のキャラクタにAIを組み込み自律的に動作させる
• 敵のキャラクタにAIを組み込んで動作させたり(NPC)、名人と対
戦する最強のAIなどを作る (AlphaGoなど)
キャラクターAI
•ゲーム中のシナリオやパラメータの自動調整をする
•キャラクターAIが役者だとすれば、「メタAI」は映画監督で「AIディレク
ター」のようなもの
メタAI
• キャラクタAIやメタAIが環境を認識するための知能
• カーナビのようにマップ上のパス検索をしたり、マップ上の木が倒れて
道が塞がれるなど障害物が発生した際の環境の変化を認識する役割
ナビゲーションAI

実用例：キャラクターAI
実用例とできる
こと
• ゲーム内のキャラクタにAIを組み込み自律的に動作させ
る
• 敵のキャラクタにAIを組み込んで動作させたり(NPC)、名
人と対戦する最強のAIなどを作る (AlphaGoなど)
要素技術
アルゴリズム
• 強化学習など
関連するサービ
スやツール
• Amazon SageMaker
• Amazon SageMaker RL
https://github.com/awslabs/amazon-sagemaker-
examples
• OpenAI Gym https://gym.openai.com/
• Unity ML-Agents
難易度
機械学習の知
識
• 難
• 機械学習の知識は必須
前進する4足歩行AI
スペースインベーダー
ゲームをプレイするAI

要素技術：キャラクターAIと強化学習
良い行動には報
酬を与える
強化学習とはAIに与える飴と鞭
悪いことをしたら
何もあげないか罰
を与える
結果的に学習する
キャラクターAIには強化学習がよく用いられる

Amazon SageMaker とは
• 機械学習システムでよくある問題を解消し，データサイエンティストやエンジニア
が素早くプロセスを回せるようにするためのサービス
• 機械学習のインフラ構築・運用を自動化するだけでなく，そのほかのさまざまな機
能も提供
• 東京リージョンを含む，13 リージョンにてサービスを展開
ラベリング開発学習モデル変換推論

実用例：Unity ML-Agentsでの強化学習
• Unity ML-Agents :
• Unityの環境で機械学習を利
用するためのライブラリ
• Unityが強化学習の環境とエー
ジェントをシミュレーションする
学習はPython API
を介して外部の
TensorFlowにて行う

•AIによる高速自動プレイによりゲームバランスやレベルデザインの調整を行う
•AIによる自動バグ検出とその自動修正
•QA/デバッグの
自動化
•アニメーションの自動生成 (GANなど)
•ゲームシナリオの自動生成
•ダンジョン、フィールドなどのMAP自動生成 (プロシージャル技術)
コンテンツの自
動生成
•大量のアセット画像に対して自動的にシーンに基づいたラベリングを行う
•ゲームのシーンに最適なテクスチャを素材から選択する
アセット管理の
自動化
•過去にリリースされた旧作のソフトウェアを現在の技術の解像度に合うように自動的にアップコン
バートしてリメイク
ゲームにおける
超解像技術
•サーバー負荷の動向を予測し、インフラのスケール戦略の指標にする
•ユーザー数の動向を予測し、インフラのスケール戦略の指標にする
ゲーム運用時の
支援

実用例: QA/デバッグの自動化
こと
• カードゲームをAIにより高速にプレ
イさせることで、人力では不可能な
組み合わせと回数をテスト/QAする
ことによりレベルデザインの適性を
検査する
要素技術
アルゴリズム
• ディープラーニング(DNN、CNN)
• 強化学習など
スやツール
• Amazon EC2
• Unity
難易度
機械学習の知
識
• 難
複雑化したモバイルアプリの動作検証と品質
保証（QA）を、人手で実行し続けることは困難
カードゲームに新規のカードが追加されれ
ば、デッキの組み合わせも膨大に！
人力でのQAは難しい → QAをAIに実行させる

顧客事例：Cygamesのカードゲームの事例
https://twvideo01.ubm-us.net/o1/vault/gdc2018/presentations/Kurabayashi_AI_Driven.pdf
Deep Neural Network Server
(prediction engine )
Headless Game App
Management Server
node.js
express
DNN model server (GPGPU)
WebSocket
REST API
Headless
Unity
Container pool
docker
Headless
Unity
Headless
Unity
…
Headless unity app
instances are under
control of Docker
Autopiloting
by node.js
ユーザーの行動ログを収集。膨大なログ
データから一般のプレイヤーの行動をシ
ミュレーションする擬似AIをDNNにより作成。
要素技術：DNNによりユーザーの行動を
学習したモデルを作成
利用サービス：Amazon EC2、Unity
• 推論用のサーバーはAWSのGPGPUイ
ンスタンスで動作
• UnityのHeadlessモードでゲームアプリ
を動作させテストを実施

10人のファイターでデッキを編成するゲームにおいて、カードのレベルのバランス調整をAIを用いて実施
https://speakerdeck.com/mixi_engineers/machine-learning-in-fight-league
顧客事例：Mixiによるファイトリーグの事例

実用例: コンテンツの自動生成
実用例とできること • あるサンプル画像群と似たような性質の画像を生成することにより、
色々な背景画像やダンジョンをAIにより自動的に生成する (プロシー
ジャル技術)
• 一つのキャラクタの顔画像から様々な表情や角度を生成する
• ２つの画像を組み合わせて別の画像を生成する
要素技術
アルゴリズム
• GAN(Generative Adversarial Networks)
• DCGANs(Deep Convolutional Generative Adversarial Networks)な
ど
関連するサービスやツール • Amazon SageMaker
• Amazon EC2
• AWS 深層学習 AMI
難易度
機械学習の知識
• 難
https://media.giphy.com/media/jqMXbvIQzBOQtAw5tO/giphy.gif

売上の向上
•プレイヤー毎の離脱率を予測し、離脱しそうなプレイヤーに対して対策を行う
•プレイヤーのリ
テンション対策
•プレイヤーの消費行動を予測。より課金するようにパーソナライズ広告を表示する
•または、パーソナライズされたコンテンツを表示する
プレイヤーの収
益化
•新規見込み客となりそうなユーザーグループの判別
•ゲーム内広告からインストール傾向を予測。ユーザーがよりインストールしそうな広告を表示
•ユーザーが好みそうな画像や動画、コンテンツの自動表示
新規ユーザーの
獲得
•個人にターゲティングしたパーソナライズ広告を表示する
•同じようなユーザーから推論したアイテムのレコメンドを行う
コンテンツや広
告の最適化
•ゲーム全体における売り上げの予測やユーザー数の動向を予測。
ゲームの売上予
測

•プレイヤー毎の離脱率を予測し、離脱しそうなプレイヤーに対して対策を行う
•プレイヤーのリ
テンション対策
•プレイヤーの消費行動を予測。より課金するようにパーソナライズ広告を表示する
•または、パーソナライズされたコンテンツを表示する
プレイヤーの収
益化
•新規見込み客となりそうなユーザーグループの判別
•ゲーム内広告からインストール傾向を予測。ユーザーがよりインストールしそうな広告を表示
•ユーザーが好みそうな画像や動画、コンテンツの自動表示
新規ユーザーの
獲得
•個人にターゲティングしたパーソナライズ広告を表示する
•同じようなユーザーから推論したアイテムのレコメンドを行う
コンテンツや広
告の最適化
•ゲーム全体における売り上げの予測やユーザー数の動向を予測。
ゲームの売上予
測
売上の向上

実用例:プレイヤーのリテンション対策
実用例とできること • ある一定期間のユーザーの行動履歴(課金情報やログイン頻度)からそ
のユーザーがゲームを離脱しそうかどうか離脱率を推論する
• 離脱の可能性のあるユーザーに何らかの施策を実施して、リテンション
対策する
要素技術
アルゴリズム
• 勾配ブースティング木 : Gradient Tree Boosting (XGBoost)
関連するサービスやツール • Amazon SageMaker
• Amazon EC2
• XGBoost
• Amazon Forecast (Preview)
難易度
• 中〜難
• ある程度の機械学習の知識は必須

顧客事例：Rovioによるプレイヤーのリテンション対策
• Rovioは機械学習（ML）を使用して、ユー
ザーの獲得、維持、収益化を実現
• 機械学習で「プレイヤーの離脱」「プレイ
ヤーの消費行動」「アプリのインストール傾
向」の３つを予測
https://www.slideshare.net/AmazonWebServices/how-rovio-uses-ml-to-acquire-retain-and-monetize-users-gam304-aws-reinvent-2018

プレイヤーの離脱について機械学習で予測する方法
MIN 2 WEEKS
TRAINING
2 WEEKS
HOLD OUT
2 WEEKS
OBSERVATIONS
Extract features
Reserved - act to change the player
behavior
Any game sessions?
離脱予測モデルの構築
• 2週間の間、DAUやユーザーの使用デバイス、アイテム購入履歴など
の行動履歴から学習用データを収集
• 次の２週間でプレイヤーの行動を変える何らかの施策を実施する
• その後の２週間で実際にどう変化があったのか観測する
最後の２週間の間に再来しなかったユーザーを離脱と定義する

プレイヤーの離脱について機械学習で予測する方法
離脱予測モデルの構築
• モデルが完成すると、新規の２週間のユーザー行動ログから推論が可
能となり、特定の施策を実施した時のユーザーの離脱率を推論できる
fit(train_set) MODEL
predict(current_profile)
MIN 2
WEEKS
TRAINING
2 WEEKS
HOLD OUT
2 WEEKS
OBSERVATI
ONS
MIN 2
WEEKS
TRAINING
2 WEEKS
HOLD OUT
2 WEEKS
OBSERVATI
ONS
MIN 2
WEEKS
TRAINING
2 WEEKS
HOLD OUT
2 WEEKS
OBSERVATI
ONS
MIN 2
WEEKS
TRAINING
2 WEEKS
HOLD OUT
2 WEEKS
OBSERVATI
ONS
MIN 2
WEEKS
FEATURES
future 0.8
MIN 2
WEEKS
FEATURES
future future

関連技術：Amazon SageMakerサンプル
https://github.com/awslabs/amazon-sagemaker-examples
Prediction Customer Churn
携帯電話事業者のデータだ
が、ユーザーの電話回数や
課金状況で離脱率を
XGBoostで予測
Video Game Sales
ゲームユーザーからのレ
ビュースコアを元にビデオ
ゲームがヒットするかどうか
($1 Million以上の売り上げ
になるか)をXGBoostで推論

• ゲーム内におけるアイテムの不正取得やWallhackなどのCheat行為の検
出
• ユーザーパラメータやゲーム自体の不正なレベル調整
•プレイヤーの
Cheat検出
• ヌードやポルノ、衝撃的な画像などの不適切画像やコンテンツの検出
• チャットにおける不適切発言の検出
• 荒らし行為やユーザーの挑発行為、不適切発言の監視と検出
Abuse行為の検
出
•アイテム購入やゲーム内通貨に関する詐欺検出
•ログイン情報のなりすましの検出
•不正な支払いがないかの監視
詐欺行為の検出

実用例：アバター等の不適切画像の検出
実用例とできること • チャットやアバターなどでユーザーが不適切な
画像(ヌード、ポルノ、流血、傷害、兵器、自傷行
為、死体に関連した画像)をアップロードした際
の一次判定などで利用
• 一次判定で引っかかった投稿は人間の目で
チェック
要素技術
アルゴリズム
• ディープラーニング
関連するサービスや
ツール
• Amazon Rekognitionの節度判定機能
難易度
• 易
• APIサービスを利用するだけなので機械学習の
知識は不要
ヌードや不適切画像の判定

❏ 明示的なヌード - Explicit Nudity
❖ ヌード
❖ 男性のヌード画像
❖ 女性のヌード画像
❖ 性的な行為
❖ 部分的なヌード
❏ 暗示的 - Suggestive
❖ 女性の水着または下着
❖ 男性の水着または下着
❖ 露出の多い衣服
要素技術：Rekognition Imageの節度判定
• クライアントから
S3にデータをアッ
プロードした際に
Lambdaを起動し
Rekognition
Imageを呼び出す
• Rekognitionから
返された高い
Nudityに対しては
掲載を自動的に
Rejectする
https://aws.amazon.com/jp/about-aws/whats-new/2019/08/amazon-rekognition-now-detects-violence-weapons-and-self-injury-in-images-and-videos-
improves-accuracy-for-nudity-detection/

実用例： SNSやチャットにおける不適切なメッセージ検
知
実用例とできるこ
と
• ユーザーがゲームに対するネガティブ
な投稿、または利用規約に反するする
ようなメッセージを送信した場合に検知
する
要素技術
アルゴリズム
関連するサービス
やツール
• Amazon Comprehendの感情分析機
能とキーフレーズ抽出機能
• ただし、Amazon Comprehendは現
状は日本語に対応していないので
Amazon Translateによる日本語から
英語変換を間に入れる必要あり
難易度
• 易
• APIサービスを利用するだけなので機
械学習の知識は不要
You know what you did, you stupid freak.
(何をしたかわかってるだろ、バカ野郎)
You haven't learned anything.
But you will. Payback is coming.
(お前は何も学んでないな。でも直ぐにわかるよ。報い
を受けることになるよ。)
You don't deserve to know how.
(お前に知る資格なんかないよ。）
As far as you know, it's just the start of the payback.
You know how to make all this stop.
(わかるだろうけど、それは報復の始まりに過ぎないよ。
どうしたら止められるか君がよくわかっているだろ。)
Even someone as stupid as you can figure it out.
(君のような愚か者であっても、はっきりと分かるよ。)

要素技術： Amazon Comprehend
感情分析
ドキュメントの全体的な感情 (肯定
的、否定的、中立的) が取得可能
キーフレーズ抽出
キーフレーズまたは会話のポイント、
およびそれがキーフレーズであること
を裏付ける信頼性スコアを取得可能
* これらの機能は現状、日本語には対応しておりません。

実用例：クレジットカードの不正利用検知
https://aws.amazon.com/jp/solutions/fraud-detection-using-machine-learning/
• SampleのTransaction Dataset を
SageMaker Endpointへ送り推論
• クレジットカードの不正利用の可能性
を推論
• CloudFormation Templateですぐに
Deploy可能
こと
• ゲーム内のアイテム購入時や課金
時に不正使用の疑いのあるクレ
ジットカードを検出する
要素技術
アルゴリズム
• Amazon SageMakerのbuilt-in
Linear Learner Algorithm (線形学
習アルゴリズム)
スやツール
• AWS SolutionsのCloudFormationを
実行
難易度
機械学習の知
識
• 易〜中
• CloudFormationのTemplateを実
行するだけでテスト可能だが、改変
する場合には多少の機械学習の
知識が必要

• ゲーム内チャットの自動翻訳
• チャット内容の音声読み上げ
•チャットの自
動翻訳機能
• ゲームプレイヤーのレベルに合わせた難易度の自動調整
• プレイヤー一人一人にデザインされた対戦キャラクターの作成 (特に格
闘ゲーム)
ゲーム内パーソ
ナライゼーショ
ン
• プレイヤーの感情分析を行いゲームの改善につなげる
• SNSの書き込みやアプリストア内のレーティング、ゲームへのフィード
バックを改善に生かす
プレイヤーの感
情分析

実用例: Twitchなどのチャットの自動翻訳
実用例とできること • グローバルゲームにおけ
るゲーム内チャットなどで
外国語で書かれた文章を
母国語にリアルタイム翻
訳
• 必要であれば、翻訳した
内容を音声合成に喋らせ
る
要素技術
アルゴリズム
関連するサービス
やツール
• Amazon Translate
• Amazon Polly
難易度
• 易
• APIベースのAIサービスを
利用するだけなので機械
学習の知識は必須なし
https://docs.aws.amazon.com/ja_jp/translate/latest/dg/examples-twitch.html

実用例：AIでソーシャルメディアの投稿を可視化
https://aws.amazon.com/jp/solutions/ai-driven-social-media-dashboard/
• Amazon Comprehend
を用いてTwitterの投稿
内容をリアルタイムに分
析
• 投稿された文章のエン
ティティ(人、場所、位置、
日時など)と、
Positive/Negative/Neut
ralなどのSentiment(感
情)データを保存
• QuickSightでそれぞれ
の投稿のエンティティと
感情を可視化

売上の向上

• ゲーム内レコメンデーション
• リアルタイムによるプレイヤーへのアドバイス
•レコメンデーショ
ンエンジン
• マルチプレイヤーゲームにおけるユーザー同士のマッチング
• ソーシャルゲームおけるプレイヤー同士のマッチング
Matchmaking
• メッセージやチャネル、提案によるキャンペーンの最適化
• ボットを活用したりAR/VRを活用したコミュニケーション
コミュニケーショ
ンの最適化
•プレイヤーの技術向上のためのAIによる技術アドバイス
•プレイヤーのスキルに応じたトレーニング方法の提案
プレイヤーのトレ
ーニング

https://www.slideshare.net/AmazonWebServices/activision-blizzard-giving-call-of-duty-gamers-an-edge-with-alexa-and-aws-
gam302-aws-reinvent-2018
実用例とできること • Activision Blizzardがゲームタイトル、Call of Duty
において、各プレーヤーごとにパーソナライズされ
た機械学習によるコーチング機能を実装
• インタラクティブなゲーム体験をしてもらうために
アドバイス/コーチングはAmazon Alexaを介して行
う
• Alexaを利用してプレイヤーに楽しみながら技術力
を高めてもらいプレイヤーのエンゲージメントを向
上
要素技術
アルゴリズム
• AI/ML技術非公開 (Skill Model, Playstyle Model,
Recommedation Modelの作成)
関連するサービスや
ツール
• Alexa Skill Kit
• Amazon EC2
• Amazon Polly
難易度
• 高度
• 高度な知識を持つ機械学習エンジニア、データサ
イエンティストが必要
顧客事例：Call of Dutyのプレイヤーへのコーチング

https://www.youtube.com/watch?v=7c8O_XqZf78
Alexaと機械学習によるコーチングの様子

サーバー部分は全てECSを利用して実装している
現状のアーキテクチャ

最後に
• APIベースの汎用技術を使
えばできることもあるが利用
用途は限られている
• ゲーム性に依存するGame
AIを実現するには汎用技術
は使えず高度な機械学習の
知識が必要となってくる
• 困った時は担当のAWS SA
にご相談ください！

Thank you!
AWS Gaming

ゲーム業界向けAWSで実現する機械学習

Recomendados

Recomendados

Mais conteúdo relacionado

Mais de Amazon Web Services Japan

Mais de Amazon Web Services Japan (20)

ゲーム業界向けAWSで実現する機械学習