[Developers Festa Sapporo 2018] Azure AI ～Microsoft AzureでのAI開発のイマ～
•
1 like•1,177 views
[Developers Festa Sapporo 2018] Azure AI ～Microsoft AzureでのAI開発のイマ～ https://satonaoki.wordpress.com/2018/11/19/devfesta-azure-ai/
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to [Developers Festa Sapporo 2018] Azure AI ～Microsoft AzureでのAI開発のイマ～
Similar to [Developers Festa Sapporo 2018] Azure AI ～Microsoft AzureでのAI開発のイマ～ (20)
More from Naoki (Neo) SATO
More from Naoki (Neo) SATO (20)
[Developers Festa Sapporo 2018] Azure AI ～Microsoft AzureでのAI開発のイマ～
- 1. Azure AI ～Microsoft AzureでのAI開発のイマ～ 佐藤 直生 (Neo) | @satonaoki 日本マイクロソフト株式会社 Azureテクノロジスト
- 9. AI が人々の助けになる
- 11. Azure Cognitive Services Azure Bot Service Azure Cognitive Search Azure Databricks Azure Machine Learning Azure AI Infrastructure Knowledge miningAI apps & agents Machine learning Azure AI
- 12. Azure Cognitive Services Azure Bot Service Azure Cognitive Search Azure Databricks Azure Machine Learning Azure AI Infrastructure Knowledge miningAI apps & agents Machine learning Azure AI
- 13. Bot Service Microsoft で学習させ公開している pre-trained AI 容易なカスタマイズ 多様なプログラミング言語のサポート テンプレートベースの多様な言語での開発 多様な Bot Skill の接続先のサポート Vision Speech Language Search …
- 14. 14
- 16. AI Capabilities Bot Features: Personality Dialogs Language Model ナレッジ ソース Manuals (PDF) Data Sources General Knowledge Azure Bot Service + Cognitive Services LOB Apps Enterprise stores Language Understanding Speech Vision QnA Type Speak Tap ユーザー デバイス Channels Azure Bot Services Adaptive Cards 16
- 19. 画像 動画 音声 Machine Learning
- 20. Serverless を使った イケている サービス
- 22. Azure Cognitive Services Azure Bot Service Azure Cognitive Search Azure Databricks Azure Machine Learning Azure AI Infrastructure Knowledge miningAI apps & agents Machine learning Azure AI
- 23. companies Google Microsoft Facebook record-id companies 1 [ “v02”, “v01”, “v05” ] メタデータ化 | 構造化データ 自然言語処理 (NLP) は大変… Deep Learning は、2012年に Googleの研究者によって 飛躍的に技術向上しました。 その後Microsoftや Facebookなどの企業も 本格参入。 2015年から写真の識別など 幾つかの分野でMicrosoftが 人と同程度のModelを 開発しました。
- 24. Deep Learning がもたらしたもの Text (OCR) “(1) Validate enrichment pipeline”
- 25. Deep Learning がもたらしたもの Tags “throwing”, “ball”, “girl”, “grass”, “basketball” Caption “A girl throwing a ball”
- 26. Entities Persons “Anita Christiansen”, “Conrad Nuber”, Locations “Bothell”, “Woodinville” Organization “Litware Insurance Corp.” Deep Learning がもたらしたもの
- 27. Documents Cognitive skills Fully text-searchable rich index Knowledge mining with Azure Search
- 28. 文書・画像 Cognitive skills 一括テキスト検索と絞り 込み 28 Cognitive Servicesと連携し、文書や画像から情報を抽出し検索が可能 従来では、人がタグ情報などを準備していた部分が、AIにより自動抽出
- 29. 29
- 32. Machine Learning で、Feature 抽出 Surface は 品川で買えるみたい! XXX店は いつも混んでいて嫌
- 33. Azure Cognitive Services Azure Bot Service Azure Cognitive Search Azure Databricks Azure Machine Learning Azure AI Infrastructure Knowledge miningAI apps & agents Machine learning Azure AI
- 34. 機械学習の作業 1. 課題の特定 2. データの取得と加工 3. モデルの設計 4. モデルの学習5. モデルの テストと評価 a. 初期化 b. データセットからミニバッチデータ取得 c. 損失(差分)を計算d. 最適化: 損失(差分)の最小化 e. 重みづけの更新 y =Wx + b loss = |desired – actual outcome|δ 6. 展開と推論
- 35. トレーニング済みのモデル ビジネスロジックにMLをアタッチ Azure Databricks VMs Deep Learning Framework Deep Learning モデルの作成 TensorFlow KerasPytorch Azure Machine Learning LanguageSpeech … SearchVision On-premises Cloud Edge 生産性の高いサービス データサイエンティストと開発チームの生産性を上げる パワフルな Compute Deep Learning の学習と推論の加速 柔軟な推論環境の選択肢 Cloud と Edge へのモデル展開と管理 Machine Learning on Azure Chainer
- 36. Databricks Platform Azure Databricks (Unified Analytics Platform) PaaS による ゼロメンテナンス エンタープライズ セキュリティ クラウドに最適化 されたエンジン 他の Azure サービス との統合 独自のコラボレーション Databricks Notebook Microsoft 1st Party 商用サポート Azure 36
- 38. 38 Azure Machine Learning Studio Azure Machine Learning は、未来を予測し「自立的」に判断するアプリケーションをコードを書かずに素早く開発でき、 それを稼働させるスケーラブルなプラットフォームである ブラウザだけで開始できる Azure サブスクリプションにログインすれば、ブラ ウザだけで開発が可能。 誰とでも、どこからでも、簡単に共有が可能 オープンで優れた統合環境 “R” や “Python” で利用される数百ものアルゴ リズムやパッケージを利用可能。 Xbox や Bing で養われた優れたアルゴリズムを 利用可能。 ソリューションを数分で展開できる １クリックで学習が完了したモデルをWeb サー ビスとして即時ディプロイ。あらゆる場所からス ケーラブルに利用可能。 世界への展開 グローバルな Azure Machine Learning Marketplace を介して、ソリューションを販売可 能
- 39. • 使い慣れたフレームワークを利用可能 • 様々な実行環境 • ローカルPC / GPU VM / Azure Batch AI / Azure Kubernetes Services / Databricks .. • 実行履歴/モデルの管理 • Azure ML Python SDK • Pythonから、AML Servicesを利用 • 機械学習の自動化 • Automated ML • 機械学習のモデル選択/ハイパーパラメータのチューニング Azure Machine Learning Services 様 々 な 革 新 的 な 技 術 を 利 用 使 い 慣 れ た ツ ー ル の 利 用 使 い 慣 れ た フ レ ー ム ワ ー ク / ラ イ ブ ラ リ の 利 用 39
- 40. Automated Machine Learning Hyper parameter tuning Distributed Deep Learning New FPGA-powered models Python SDK Azure Notebook 連携
- 41. Services Schema モデル スキーマ ファイル (Option) 推論実行 コード 推論環境の全体像 Azure Kubernetes Services Azure Machine Learning Services
- 42. 今回は、どの Feature (列) が有効なの? 次のボーナス2018/12
- 43. Source: http://scikit-learn.org/stable/tutorial/machine_learning_map/index.html 今回は、どの アルゴリズム が効く?
- 44. Mileage Condition Car brand Year of make Regulations … Parameter 1 Parameter 2 Parameter 3 Parameter 4 … Gradient Boosted Nearest Neighbors SVM Bayesian Regression LGBM … Mileage Gradient Boosted Criterion Loss Min Samples Split Min Samples Leaf Others Model Which algorithm? Which parameters?Which features? Car brand Year of make モデルの開発には、多くの 試行錯誤 が必要…
- 45. Criterion Loss Min Samples Split Min Samples Leaf Others N Neighbors Weights Metric P Others Which algorithm? Which parameters?Which features? Mileage Condition Car brand Year of make Regulations … Gradient Boosted Nearest Neighbors SVM Bayesian Regression LGBM … Nearest Neighbors Model 繰り返し Gradient BoostedMileage Car brand Year of make Car brand Year of make Condition
- 46. Mileage Condition Car brand Year of make Regulations … Gradient Boosted Nearest Neighbors SVM Bayesian Regression LGBM … Gradient Boosted SVM Bayesian Regression LGBM Nearest Neighbors Which algorithm? Which parameters?Which features? 繰り返し Regulations Condition Mileage Car brand Year of make
- 47. データセット 目標設定 学習の一貫性 出力入力 学習を並列処理 Compute リソース管理 ベストなモデルの選択 Optimized model Automated Machine Learning
- 50. STORE & EXPLORESensors and IoT (unstructured) Files (unstructured) Media (unstructured) Logs (unstructured) Business/custom apps (structured) Power BIAzure Analysis Services Real-time Apps Cosmos DB INGEST PREP & TRAIN MODEL & SERVE STORE Azure Data Lake Storage Gen2 SQL Data Warehouse (Polybase) Azure Databricks Cosmos DB Azure Data Explorer Azure SQL Data Warehouse Azure Data Explorer Azure Databricks Azure Machine Learning Azure Data Factory Data Lake as “Product” Sensors and IoT (unstructured) Azure IoT Hub Kafka
- 51. Azure Operational Data Services
- 52. Azure Cosmos DB: マルチ モデル/マルチ API • キー/バリュー • ドキュメント • グラフ • SQL (DocumentDB) • MongoDB • Azure Table Storage • Gremlin グラフ
- 53. Delivery Service Refund Service Notification Service Azure Functions + Azure Cosmos DB
- 59. © 2018 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries. The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation. MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.