第37回 Machine Learning 15minutes! (2019/06/29) https://machine-learning15minutes.connpass.com/event/130683/ [第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ～ Azure Machine Learning サービスを中心に～ https://satonaoki.wordpress.com/2019/06/30/ml15-azure-ml-build-2019-updates/

1. Microsoft AI: Build 2019 Updates
～ Azure Machine Learning サービスを中心に～
日本マイクロソフト株式会社
Azureテクノロジスト
佐藤 直生 (@satonaoki)

2. Azure Machine Learning サービス
機械学習プロセスを効率的に回す仕組みを提供

3. Azure Machine Learning サービス
Azure ML
Python SDK
✓Prepare Data
✓Build Models
✓Train Models
✓Manage Models
✓Track Experiments
✓Deploy Models
カバー範囲
Azure CLI
機械学習プロジェクトの生産性を向上
企業における機械学習ライフサイクルを管理

4. Python ライブラリ
LightGBM
MMLSpark
Horovod

5. プログラム開発環境の制限もなし
Azure Notebook Visual Studio Code
Jupyter Notebook
Databricks Notebook
PyCharmNotebook VM

6. 3つのインタフェースを提供
New Update !

7. マネージドな計算環境
• 様々なスペックの VM を選択・起動
• 自動スケールアウト/イン
• ジョブ管理、スケジュール管理
学習コード
train train train
ジョブ・スケジュール管理
• 自動でライブラリ/データを準備
・・・
• 低優先度オプション: 80% 割引で利用可能
Azure Machine Learning コンピューティング

8. マネージドな推論環境
Azure
Container Instances
(ACI)
Azure
Kubernetes Service
(AKS)
テスト用途
高速スタートアップ
本番用途
自動スケールアウト
エッジデバイスで動作
Azure IoT Hub 連携
Azure IoT Edge

9. ビジュアル インターフェイス

10. デモ: ビジュアル
インターフェイス

12. 実験の基本フロー
前処理
アルゴリズム選択
ハイパーパラメーター選択
Source: http://scikit-
learn.org/stable/tutorial/machine_learning_map/index.html

13. 自動機械学習 (Automated Machine Learning)
Automated ML
最適なモデル生成
データ前処理、モデルアルゴリズム、
ハイパーパラメーターの組合せの中で精度の高いモデルを算
データ セット
制約条件
(処理時間/回数)
ゴール設定
（モデル種類/精度評価）
機械学習モデル
LightGBM
Azure Machine Learning
Workspace
Scikit-Learn Pipeline形式

14. あらゆるサービスから Automated ML が利用可能
Automated ML
LightGBM

15. デモ: 自動機械学習
(Automated ML)

22. MLOps による効率的なライフサイクルの実現
ML
コード統合
データ、コードのテスト
モデル開発
モデルのパッケージ化
複数環境へデプロイ
データ、モデルの監視
モデル再学習・再作成
Infrastructure as Code (IaS)
データ準備・加工
（実験的な）モデル開発

23. Azure DevOps

24. アプリケーション開発の場合
Model reproducibility Model retrainingModel deploymentModel validation
Build appCollaborate Test app Release app Monitor app
App developer
using Azure DevOps
Data scientist using
Azure Machine Learning

25. 機械学習の場合
Model reproducibility Model retrainingModel deploymentModel validation
Train model Validate
model
Deploy
model
Monitor
model
Build appCollaborate Test app Release app Monitor app
App developer
using Azure DevOps
Data scientist using
Azure Machine Learning
Retrain model
Azure Machine Learning extension
for Azure DevOps
Data
(Model)
Code
自動化パイプラインによって運用管理を効率的に！

26. デモ: MLOps
(Azure Machine Learning + Azure DevOps)

31. Azure Machine Learning サービス
Orchestration Services
Monitoring
Real-Time
Azure Kubernetes Service
ML Data Drift
Experimentation Monitoring
Batch
Azure ML Compute
Inference Monitoring
Compute
Azure DevOps ML
Extension
Storage
Model Packaging
Model Validation
Run History
Model Deployment
Asset Management
Environments
Code
Datasets
ML Audit Trail
Training Services
Edge
Azure IoT Hub

32. https://azure.microsoft.com/free/
https://azure.microsoft.com/services/machine-learning-service/
https://docs.microsoft.com/azure/machine-learning/service/ui-concept-visual-interface
https://docs.microsoft.com/azure/machine-learning/service/concept-automated-ml
https://docs.microsoft.com/azure/machine-learning/service/concept-model-management-and-
deployment
関連リンク

33. © 2018 Microsoft Corporation. All rights reserved.
本情報の内容（添付文書、リンク先などを含む）は、作成日時点でのものであり、予告なく変更される場合があります。
© 2019 Microsoft Corporation. All rights reserved.
本情報の内容 (添付文書、リンク先などを含む) は、de:code 2019 開催日 (2019年5月29~30日) 時点のものであり、予告なく変更される場合があります。
本コンテンツの著作権、および本コンテンツ中に出てくる商標権、団体名、ロゴ、製品、サービスなどはそれぞれ、各権利保有者に帰属します。