Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
1
2
稼働中
アナウンス済み / 構築中
米国中部
Iowa
米国東部
Virginia
米国政府
Virginia
米国中北部
Illinois
米国政府
Iowa
米国中南部
Texas
南ブラジル
Sao Paulo State
西ヨーロッパ
...
マイクロソフトのネットワークは、世界第 2 位の規模
(上にいるのは、米国政府のネットワークのみ)
第三者機関からの評価
Magic Quadrant for
Cloud Infrastructure as a
Service Worldwide
(May 2015)
Topic Area Magic Quadrant Last Releas...
 Azure は、日本初のクラウド セキュリティ ゴールドマークの取得 (外部監査人による ISO 27017 認定)を始め、
ISO 27018、HIPAA、FedRAMP、SOC 1、SOC 2 などの、幅広い国際的および業界固有のコンプ...
日本初のクラウド セキュリティ ゴールドマークを取得
Microsoft Azure、Office 365が
情報セキュリティ監査の認定を取得
その他の第三者認証・監査
透明性
お客様データ・プライバシー保護
準拠法・裁判管轄
 準拠法は日本...
コンプライアンスへの適合状況
(2016年 8月 26日 現在)
https://www.microsoft.com/en-us/TrustCenter/Compliance/default.aspx
政府機関からのデータ開示要求に対する対応
https://www.microsoft.com/en-us/TrustCenter/Compliance/default.aspx
https://www.eff.org/who-has-your-...
Platform Services
Infrastructure Services
Web Apps
Mobile
Apps
API
Management
API Apps
Logic Apps
Notification
Hubs
Conten...
11
Internet of Things (IoT) が AI 分野をリード
社会インフラから一般業務システムにまで波及
 安心・安全・健康
 インフラ(橋、トンネル、道路、水道、ガス)の問題検知
 インフラ部品 / プラント部品 の故...
12
Azure は最も先進的な AI & IoT Platform を提供
Azure は、AI & IoT に必要な機能スタックを統合的に提供
 基本:スケーラビリティと信頼性
 Azure IoT Hub :数百万イベント/秒を受け入...
13
Azure IoT Platform
LoB Apps
Third-party
Systems
External
Analytics Tools
Device Actions through Agent Capabilities Comm...
Pepper × Azure = Cloud Robotics の衝撃
“ソフトバンクグループは8日、ヒト型ロボット「ペッパー」事業で米マイクロソフト
(MS) と提携を発表した。MS のクラウドとつないで小売業の接客支援サービスを共同開
発し...
Pepper AI × Cloud AI = Cloud Robotics
イノベーションを容易に実現
15
理解・会話・推奨
の自動化
Cloud Robotics Azure Platform
16
Pepper × Azure
デバイス エコシステム
Power BI を始めとした
データ活用エコシステム
Device
Controller
Device
Router
Ap...
LINE:女子高生人工知能「りんな」
https://blogs.bing.com/japan/2015/08/07/aijk_rinna/
1818
アクション
人
自動化された
システム
アプリ
Web
モバイル
Bots
インテリジェンス
ダッシュボード &
可視化
Cortana
Bot
Framework
Cognitive
Services
Power BI
データの取得...
19
20
※ Wikipedia より引用
定型レポート
(SSRS)
セルフサービス BI
(Power BI)
マシンラーニング
(Azure ML)
機械学習とデータマイニングは交差する部分が大きく、技法も同じなので混同されることが多いが、次...
• レコメンデーション
• 同じ商品を買った人が買った別のアイテムを お勧め商品として提示
• 同じ属性を持った人が買った商品を お勧め商品として提示
• 分類
• メール本文・タイトルの内容からスパムメールの分類
• Web サイトの行動履歴...
Microsoft の AI 分野での取り組み
Bing maps
提供開始
目的地への
最短経路
Microsoft
Research
設立
Hotmail
提供開始
迷惑メールの
判別
Bing search
提供開始
最適な
検索結果
1...
2323
機械学習 教師あり学習
教師なし学習
強化学習
決定木
線形回帰
SVM
ロジスティック回帰
ニューラルネットワーク
クラスタリング
次元削減
Q学習
K-mean法
主成分分析
正準相関分析
ディープニューラル
ネットワーク
畳みこ...
• クラウドベースの機械学習実行基盤
• 機械学習の「モデル作成」「モデルの評価」から、作成した分析モデルのデプロ
イ( Web サービス化)まで、機械学習 の開発~サービス提供で必要となるすべ
てのコンポーネントを PaaS で提供
Micr...
25
熟練者のノウハウをサービス化して世界に展開
26
経営課題
• 高度な予兆保全サービスによる連続稼働性の向上と、
低コストの保守ビジネスによる利益確保を両立したい
• 急成長するアジア市場で保守技術者の大量育成が必要
効果
解決策
“我々は予防...
2727
デバイス・コネクティ
ビティ
データ収集と
ブローカー
サービス
イベント処
理とデバイ
ス管理
データ管理
(変換・蓄
積・処理)
高度な分析
(Big Data 処
理)
データの提供と
表現・気づき
モビリティとコラボレー
ショ...
Azure ML を用いてビルの熱源・動力の制御モデルを構築し、自動制御を実施
28
① 建物の情報を Microsoft Azureにリアルタイム送信
② 機械学習 Microsoft Azure Machine Learning によりデー...
ビジネス課題
• ゲーム開始直後 (3ヶ月以内) に解約する会員の増加
• 解約が予期される会員への早期のアクションが必要
• アクティブ期間が伸びるほど収益への影響が大きい
利用データ
最初の3日間の下記データを基に150以上のパターン化(数...
3030
3131
ビジネス課題
• 口コミサイトの削除対象投稿を人手により監視
• キーワード検索では精度が悪い
• 投稿内容を熟読し、削除の有無を判断するため、非常に工数がかかる
モデリング
• 日本語の形態素解析 (分かち書き) のソフトウエアとA...
生活リズムの
色分け表示
各種統計
グラフ表示
空腹・オムツ替
の予測通知
新生児を育てるママの
10人に1人が
ダウンロード
お客様からの言葉 ~ Azure ML 採用による効果
「解析回数を大幅に増やすことができ、
求めるクオリティレベルの結果を得られた。
解析スクリプトの自社開発を検討していたが、
リソース的に困難であり Azure ML がなければ
実現できて...
34
1. トレーニングデータ(実績データ)の準備
• 予測モデルを作成する為のトレーニングデータ(実績データ)を準備
例:顧客属性によるお勧め商品の提示(リコメンデーション)を行いたいのであれ
ば、どういった属性情報のお客様が、どういう商品を買った...
① 部品をドラッグ&ドロップ
②各部品のプロパティーを設定
36
Azure ML Studio の基本的な使い方
① 部品をドラッグ&ドロップ
②各部品のプロパティーを設定
37Azure ML Studio の基本的な使い方
38
39
性別 年齢 配偶者 子供人数
…
製品カテゴリ
男性 19 無 0 1
女性 44 有 2 3
男性 49 有 1 2
男性 12 無 0 3
女性 37 無 0 1
女性 60 有 2 4
男性 44 有 1 2
女性 27 有 0 4...
40
Azure Machine Learning では、以下のシステム・サービスからトレーニングデー
タをロード可能
CSV, TSV, ARFF, SvmLight 形式
HDInsight
(Hadoop)
Azure SQL Datab...
41
Train
Model
Score
Model
検証用
データ
トレーニング
データ
Evaluate
Model
機械学習
アルゴリズム
予測モデルの評価予測モデルの見直し
• アルゴリズムの変更
• パラメータの見直し
43
トレーニングデータの
読込み
データクレンジング・
メタデータ設定
読み込んだデータを「トレー
ニングデータ」と「評価用
データ」に分割
予測モデルの作成に使用する
アルゴリズム
予測モデルの作成(トレーニング)
左インプット:利用するア...
44
 ML Studio : Experiments > Evaluate Model > Evaluation Result
• True Positive
• False Positive
• True Negative
• False...
45
予測モデルの公開(Web サービス)
46
47
② Web サービスの
Input / Output を設定
③「 PREPARE WEB SERVICE 」ボタンを
クリックすると Web サービスが
作成される
① Deploy 用の
Experiment を作成
48
WEBサービスは
「REQUEST/RESPONSE」「BATCH
EXECUTION」の2種類が作成される
API Help Pageで作成された Web
サービスの詳細を確認可能
Web フォーム、Excel を使って
Web サービ...
 REST API. POST リクエスト
 HTTP の Req/Res の body は JSON 形式
 REST API. 入力として各種データソースが指定可能。
Azure Blob/Azure Table/Azure SQL ...
50
• Request-Response Service
 Web サービス URI
 インプットパラメータ
 アウトプットパラメータ
 サンプルコード( C# / Python / R )
• Batch Execution Ser...
51
① Excel シートにパラ
メータを入力
② 予測結果が表示される
① Webフォームに入力パ
ラメータを設定
② クリックすると予測結果
が表示される
Training
Data
Web
Service
Azure Machine Learning
Microsoft Azure
52
Webシステム
Azure Blob
ストレージ
Hive
Azure SQL Database
Azure...
53
54
55
56
57
58
59
R 言語対応
• Execute R Script / Create R Model モジュール
• R スクリプトの記述と実行を制御する Azure ML のモジュール
• 良く利用される 400 以上の標準的な R パッケージを事前ロ...
60
Python 対応
• Execute Python Script モジュール
• Python Script の記述と実行を制御する Azure ML のモジュール
• 「データ加工」「予測結果のプロット」等に利用可能
• Python...
61
 依存関係のある R パッケージ (.zip) をまとめて ZIP 化して、”+NEW” で Dataset としてアップロードする
 Saved Datasets からアップロードした Dataset を Drag & Dropし、...
• Microsoft Azure Machine Learning Center
http://azure.microsoft.com/ja-jp/documentation/services/machine-learning/
• Azur...
63
Agenda
人工知能 (AI) とは?
Cognitive Services 概要
Bot Framework 概要
Cognitive ServicesとBot Framework の利用方法
人工知能 (AI) とは?
人工知能 (AI) とは?
知能 (Intelligence) とは
人工知能(AI: Artificial Intelligence)とは
AIを支える技術: Machine Learning
人工知能 (AI) とは?
AI = Big Data + Machine Learning
人工知能 (AI) とは?
AI = Big Data + Machine Learning
人工知能 (AI) とは?
AI = Big Data + Machine Learning
AIの市場セグメント例
小売業
コールセンター
医療&ヘルスケア
農業
金融
自動車、運輸
観光
AIの分類
・・・・・
・・・・・
・・・・・
・・・・・
・・・・・
身近な AI (っぽい) アプリの例
Microsoft Garage
Cognitive Services 概要
Microsoft Cognitive Services とは
Web API 経由で利用できる “人工知能パーツ”
Microsoft Cognitive Services とは
Web API 経由で利用できる “人工知能パーツ”
Microsoft Cognitive Services とは
Web API 経由で利用できる “人工知能パーツ”
Microsoft Cognitive Services 一覧
Face
Computer
Vision
Emotion
Video
Speaker
Recognition
Custom
Recognition
Bing Speech
Ling...
78
Cognitive Services:Face API
画像を分析し、複数人の顔を自動認識。顔検知機能、顔のグルーピング機能、顔の人物特定機能
などを提供する
https://www.microsoft.com/cognitive-ser...
79
Cognitive Services:Emotion API
画像や動画を分析し、人の感情を自動的に認識。怒り・軽蔑・嫌悪・怖れ・幸福・中立・悲しみ・驚き
の8つの要素を確率で回答
https://www.microsoft.com/co...
80
Cognitive Services:Computer Vision API
画像を分析し、2,000 に及ぶ物体を自動的に認識。自動タグ生成機能、自動説明機能、OCR 機能、
サムネイル機能などを提供する
https://www.mic...
Cognitive Services:Video API
動画の安定化機能、動画から人の顔を認識・トラッキングする機能、動きを自動的に検出する機能、
サムネイル動画を自動作成する機能などを提供
https://www.microsoft.com...
Cognitive Services:Bing Speech API
音声を認識しテキスト化する機能、テキストを認識し音声出力する機能などを提供
https://www.microsoft.com/cognitive-services/en-u...
Cognitive Services:LUIS API
会話を学習し、会話の内容から何をしたいのかを理解する
https://www.microsoft.com/cognitive-services/en-us/language-
unders...
Cognitive Services:Linguistic Analysis API
自然言語処理の為の高度な言語解析機能を提供
https://www.microsoft.com/cognitive-services/en-us/lingui...
Cognitive Services:Text Analytics API
テキストを解析し、言語の自動特定、キーフレーズの自動抽出、ポジティブかネガティブかの感情
の自動判別を行う
https://www.microsoft.com/cogn...
日本語の入力を分析するには?
Language: ja
keyPhrases: Azure
CognitiveServicesで広がるサービスの可能性
株式会社HmComm 様
コールセンターソリューション
・・・・・・・・
・・・・・・・・
・・・・・・・・
・・・・・・・・・・・
・・・・・・・・
・・・・・・・・・・
・・・・・...
CognitiveServicesで広がるサービスの可能性
製品の評判分析、要求分析
“(want to|request)”
HoloLens
・・・・・
・・・・・
・・・・・
・・・・・
・・・・・
・・・・・
・・・・・
・・・・・
・・...
Computer Vision APIとBing Speech API 組み合わせ例
画像ファイル
テキストファイル
画像ファイルの送信
テキストファイル生成
撮影
(画像ファイル生成検知)
実行スクリプト
画像表示・キャプション発声
(HTM...
Face APIとBing Speech API 組み合わせ例
カメラ
カメラの前に
いる人の画像
音声ガイダンス
「写真を撮ってください」
ID用カメラ
写真付ID
音声ガイダンス
「コードを入力してください」
カメラ画像とID
の画像を照合...
Cognitive Services 活用事例
Cognitive Services 活用事例
The Economist
Election 2016 Emotion
Tracking
Cognitive Services 事例:対話型自動販売機
http://www.nri.com/Home/jp/news/2015/151221_1.aspx
Cognitive Services 事例:顔認識による Pepper 応対
http://www.headwaters.co.jp/news/pepper/SynApps.html
Cognitive Services 活用事例
株式会社アロバ 様
アロバビューコーロ
Cognitive Services 活用事例
株式会社ピクセラ 様
顔シーク アプリ
Bot Framework 概要
Microsoft Bot Framework
Bot とは?
Bot Framework とは?
ダイアログ形式のコミュ
ニケーションを実装
(C#, Node.js)
BOT アプリをメッセージ
ングサービスに接続
Bing, Cortana などから
利用できるディレクトリ
に登録
Microsoft Bot Framework
BOT...
Bot Builder SDKs
Node.js & C# SDK
Bot Connector
BOTと他のメッセージチャネルを接続
Bot Directory
Bot Framework によるBOTの
登録ディレクトリー
Bot Framework 活用事例
株式会社ZEALS 様
BOT TREE for MEDIA
Bot Framework 活用事例
高知銀行
(株式会社NextStreamer & 株式会社ブイキューブ)
店頭受付応答BOT「頭取くんと秘書子ちゃん」
Cognitive Services と
Bot Framework の利用方法
Cognitive Services 料金体系
基本的に無料
https://www.microsoft.com/ cognitive-
services/en-us/pricing
https://www.luis.ai/
https://w...
Cognitive Services の開発環境、ドキュメント
開発ツール
https://github.com/Microsoft/ProjectOxford-clientsdk
https://dev.projectoxford.ai/do...
Cognitive Services 呼び出し方法 (1)
API Call
https://api.projectoxford.ai/
emotion/v1.0/recognize
Cognitive Services 呼び出し方法 (2)
ライブラリの利用 (例:C#)
Microsoft.ProjectOxford.Emotion
RecognizeAsync
Microsoft Cognitive Toolkit (CNTK)
Theano は、1 GPU ボードのみサポー
Microsoft CNTK (Computational Network Tool Kit) は、2 ノード、8 GPU ボ...
AI & Bot に注目する理由
• いつでもどこでも
• ユーザーが使い慣れたツール
を経由して、商品やサービス
を提供可能
• 自然言語に近く、意図を類推
しやすい
• パーソナライズ、パターン化
などによる定型処理
MicrosoftCognitiveServicesをおススメする理由
簡単 フレキシブル 実績
数行のコードを
追加するだけ
Web API でアクセス
開発言語や
プラットフォームを
問わず利用可能
マイクロソフトの
あらゆる分野の
テクノ...
情報リソース
Cognitive Services サービス解説
https://docs.com/decode2016/1562/dbp-018-ai-microsoft-cognitive-services
Cognitive Servic...
Upcoming SlideShare
Loading in …5
×

Microsoft Azureの機械学習サービス (Azure Machine Learning/Microsoft Cognitive Services)

7,916 views

Published on

https://docs.com/satonaoki/8592/microsoft-azure-azure-machine-learning-microsoft

Published in: Software
  • Be the first to comment

Microsoft Azureの機械学習サービス (Azure Machine Learning/Microsoft Cognitive Services)

  1. 1. 1
  2. 2. 2
  3. 3. 稼働中 アナウンス済み / 構築中 米国中部 Iowa 米国東部 Virginia 米国政府 Virginia 米国中北部 Illinois 米国政府 Iowa 米国中南部 Texas 南ブラジル Sao Paulo State 西ヨーロッパ Netherlands 北中国 * Beijing 南中国 * Shanghai 東日本 Tokyo, Saitama 西日本 Osaka 南インド Chennai 東アジア Hong Kong 東南アジア Singapore 東南オーストラリア Victoria 東オーストラリア New South Wales 中央インド Pune カナダ東部 Quebec City カナダ中央 Toronto 西インド Mumbai ドイツ北東** Magdeburg ドイツ中央 ** Frankfurt 北ヨーロッパ Ireland 米国東部2 Virginia イギリス 2 Regions US DoD East TBD US DoD West TBD * Operated by 21Vianet ** Data Stewardship by Deutsche Telekom 30 の地域でサービス中、38 の地域まで拡大予定 世界最大のインフラストラクチャー 中央韓国 Seoul 南韓国 TBD 米国中西部 Utah 米国西部 California 米国西部2 California  100カ所以上のデータセンター  ネットワーク網が全世界で第 2 位の規模  AWS の 2 倍、Google 6 倍の地域サポート https://azure.microsoft.com/en-us/regions/ New イギリス 2 Regions
  4. 4. マイクロソフトのネットワークは、世界第 2 位の規模 (上にいるのは、米国政府のネットワークのみ)
  5. 5. 第三者機関からの評価 Magic Quadrant for Cloud Infrastructure as a Service Worldwide (May 2015) Topic Area Magic Quadrant Last Release Microsoft Business Applications Business Intelligence and Analytics Platforms Feb-16 Leader Software Infrastructure Client Management Tools May-15 Leader Software Infrastructure Cloud Infrastructure as a Service May-15 Leader Business Applications CRM Customer Engagement Center Apr-15 Leader Software Infrastructure Data Warehouse Database Management Systems Feb-16 Leader Software Infrastructure Enterprise Application Platform as a Service Mar-16 Leader Business Applications Enterprise Content Management Oct-15 Leader Software Infrastructure Horizontal Portals Sep-15 Leader Software Infrastructure Operational Database Management Systems Oct-15 Leader Software Infrastructure Public Cloud Storage Services Jun-15 Leader Business Applications Sales Force Automation Jul-15 Leader Software Infrastructure Secure Email Gateways Jun-15 Leader Business Applications Social Software in the Workplace Oct-15 Leader Communications Equipment Unified Communications Aug-15 Leader Software Infrastructure Web Conferencing Dec-15 Leader Software Infrastructure x86 Server Virtualization Infrastructure Jul-15 Leader Identity Identity & Access Management Jun-16 Leader LEADER Magic Quadrant for Public Cloud Storage Services (June 2015) Magic Quadrant for Enterprise Application Platform as a Service (March 2016) Magic Quadrant for X86 Server Virtualization Infrastructure (July 2015) Magic Quadrant for Operational Database Management Systems (Oct 2015) LEADER LEADER LEADER LEADER Magic Quadrant for Business Intelligence and Analytics Platforms (Feb 2016) LEADER Gartner Magic Quadrants… • Microsoft は core cloud technologies, IaaS, PaaS, Private & Public Clouds等、全17のカテゴリーでリーダー
  6. 6.  Azure は、日本初のクラウド セキュリティ ゴールドマークの取得 (外部監査人による ISO 27017 認定)を始め、 ISO 27018、HIPAA、FedRAMP、SOC 1、SOC 2 などの、幅広い国際的および業界固有のコンプライアンス基準に 適合しています。米国防総省、英国政府での採用、日本の FISC などの国ごとの基準も満たしています。  Azure DC は、ネットワーク レイヤに人工知能を用いた DDoS / DOS / IDS 防御機能を標準で備え、不正な トラフィックを自動検知・遮断することができます。  マイクロソフトは、サイバークライム センターを運営しています。サイバークライムセンターでは、24 時間 の監視体制で、1日5億件以上のトラフィックを分析し、マルウェアの情報/状況を把握するとともに、攻撃元 の特定を行い、セキュリティ関連団体、インターポールや各国の警察機関に情報を提供しています。  サイバークライム センターは、米国本社の他、日本を含む世界5都市に拠点を展開しています。 世界最高レベルの安全性
  7. 7. 日本初のクラウド セキュリティ ゴールドマークを取得 Microsoft Azure、Office 365が 情報セキュリティ監査の認定を取得 その他の第三者認証・監査 透明性 お客様データ・プライバシー保護 準拠法・裁判管轄  準拠法は日本法  合意管轄裁判所は東京地方裁判所  日本データセンター開設 東西拠点により災害対策環境も 含めて日本DCを利用可能  セキュリティセンターによる情報公開  ISO/IEC 27018の準拠 • 事業者は、カスタマーの同意なしに個人情報をマーケティングや広告には使って はいけない • 事業者は、データの保管場所(国)及び、取扱事業者を公開しなければならない  EU のデータ保護指令の要件を満たすと認定 (世界で最初に認定を受けた企業)  その他対応規格/認証  セキュリティ監査協会(JASA)クラウドセキュリティ推進協議会が制定した 「クラウド情報セキュリティ監査制度」において、日本で初めて 「クラウド セキュリティ(CS)ゴールドマーク」を取得  「クラウド情報セキュリティ監査制度」:クラウドサービスを提供する事業者の サービスのセキュリティが、国際的な基準(ISO/IEC 27017)で求められる 水準であることを示すことを目的とし、サービス提供の実態が、情報セキュリ ティ マネジメントの基本的な要件を満たしているか評価する仕組みとして制定  CS ゴールドマークは国際的な基準とされる Service Organization Controls (SOC)2 にならぶ、日本で初めての第三者認定制度であり、クラウドサービス の利用者は、CSゴールドマークを導入時や年次の利用者自身の監査結果として 利用することができます。  政府調達基準(http://www.nisc.go.jp/active/general/kijun2016.html)に おいても、セキュリティ監査制度の活用示唆されている  日本マイクロソフトには、JIS クラウド セキュリティ コントロール標準化専門 委員会幹事や ISO/IEC JTC 1/SC 27 WG1 および WG4 委員も在籍 西日本 東日本 EU Model Clauses , Data Processing Agreement, ISO 27001, SAS 70, SSAE 16/ISAE 3402, HIPAA BAA, FISMA, FERPA  原則 お客様データはお客様のものでありクラウドサービスをお客様に提供する目的 にのみ使用  委託先の管理 • 社員と同等のセキュリティレベル、プライバシー基準を維持 • 下請業者の一覧を公開  閉域網接続サービスの提供 • Azure :提供中 • Office 365 :提供中 クラウドセキュリティ(CS)ゴールドマーク取得により、Microsoft Azure、Office 365を、日本のお客様が、客観的な基準により安全性・信頼性が確認 されたサービスとして、選択できるようになりました。当社の CSP プログラムなどを活用し Azure や Office 365を活用したクラウドビジネスを推進する パートナー各社にとっても、サプライチェーンとして利用サービスの安全性・信頼性を客観的にお客様へと証明することが可能となります。 http://jcispa.jasa.jp/cs_mark_co/cs_gold_mark_co/
  8. 8. コンプライアンスへの適合状況 (2016年 8月 26日 現在) https://www.microsoft.com/en-us/TrustCenter/Compliance/default.aspx
  9. 9. 政府機関からのデータ開示要求に対する対応 https://www.microsoft.com/en-us/TrustCenter/Compliance/default.aspx https://www.eff.org/who-has-your-back-government-data-requests-2014
  10. 10. Platform Services Infrastructure Services Web Apps Mobile Apps API Management API Apps Logic Apps Notification Hubs Content Delivery Network (CDN) Media Services BizTalk Services Hybrid Connections Service Bus Storage Queues Hybrid Operations Backup StorSimple Azure Site Recovery Import/Export SQL Database DocumentDB Redis Cache Azure Search Storage Tables Data Warehouse Azure AD Health Monitoring AD Privileged Identity Management Operational Analytics Cloud Services Batch RemoteApp Service Fabric Visual Studio App Insights Azure SDK VS Online Domain Services HDInsight Machine Learning Stream Analytics Data Factory Event Hubs Mobile Engagement Data Lake IoT Hub Data Catalog Security & Management Azure Active Directory Multi-Factor Authentication Automation Portal Key Vault Store/ Marketplace VM Image Gallery & VM Depot Azure AD B2C Scheduler The Azure Platform
  11. 11. 11 Internet of Things (IoT) が AI 分野をリード 社会インフラから一般業務システムにまで波及  安心・安全・健康  インフラ(橋、トンネル、道路、水道、ガス)の問題検知  インフラ部品 / プラント部品 の故障検知  店舗・住居(強盗、空き巣、火災)の見守り  高齢者 / 要介護者 の見守り  発作などの検知  製品サービスの高度化  自社製品の買い替えタイミングの把握  積極的なメンテナンス(保守の差別化)  製品のインテリジェント化(製品の差別化)  第四次産業革命  機械学習による 工場のインテリジェント ネットワーク化  異なるメーカー、工場間のインテリジェント ネットワーク化  業務システムのインテリジェント化  機械学習による プロフェッショナル / エキスパートの行動の取り込み  機械学習による ホワイトカラーの業務の取り込み
  12. 12. 12 Azure は最も先進的な AI & IoT Platform を提供 Azure は、AI & IoT に必要な機能スタックを統合的に提供  基本:スケーラビリティと信頼性  Azure IoT Hub :数百万イベント/秒を受け入れられるキャパシティ  Azure Data Lake :エクサバイト超のスケーラブルな HDFS ストレージサービス  Azure HDInsight & Spark :Hadoop によるスケーラブルなデータ処理  Azure SQL Data Warehouse :ペタバイト級のスケーラブルな RDB DWH サービス  Azure Data Factory :スケーラブルなワークフローエンジン、情報生成ツール  コア:自動検知、自動判断・予測、可視化  Azure Stream Analytics :リアルタイム集計や特異点検知  Azure Machine Learning :人工知能コア プラットフォーム  Cognitive Services :人工知能サービス API 群  Power BI :データのビジュアル化  優位:低いコスト  Azure は世界最大のクラウドサービスの1つ。AWS よりも低い費用  クリティカル:信頼と継続性、グローバル対応  40年に渡るエンタープライズ ビジネスの経験  年間1兆円の研究開発投資、5年間で1兆5千億円の設備投資  世界 26 地域、100 ヶ所以上のデータセンターでサービス展開  サイバー攻撃に対する高度な防御機能を備えた DC とサイバークライム センター
  13. 13. 13 Azure IoT Platform LoB Apps Third-party Systems External Analytics Tools Device Actions through Agent Capabilities Command and Control Data Ingress Data Egress (Visualize + Decide)Data Processing (Transform + analyze / Capture + manage) Agent Gateway 0011010111000101 Agent 0011010111000101 Agent Agent • Accepts Commands • Selectivity Transmits Data 0011010111000101 0011010111000101 95 3:00PM 25%humidity 70preset IoT Hub Data Factory Azure Storage / Data Lake HDInsight & Spark Notification HubWeb Site Stream Analytics Machine Learning IoT Platform 011010110101 Data Management Gateway Azure SQL DB / Data Warehouse RestAPI PowerBI.com Real-time Dashboard & Mobile HoloLens Windows 10 IoT Cognitive Services Bot Framework >> Cloud AI Platform
  14. 14. Pepper × Azure = Cloud Robotics の衝撃 “ソフトバンクグループは8日、ヒト型ロボット「ペッパー」事業で米マイクロソフト (MS) と提携を発表した。MS のクラウドとつないで小売業の接客支援サービスを共同開 発し、今秋に提供する。2月に米 IBM の学習するコンピューター「ワトソン」との連携 を発表したのに続く協業となる。人工知能 (AI) や言語処理など海外の最新技術を取り込 んでペッパーの魅力を引き上げる。” 3月8日付 日本経済新聞より “ソフトバンクロボティクスとマイクロソフト コーポレーションは8日、クラウドロボティ クス分野において戦略的協業を発表した。協業の第一弾として人型ロボット 「Pepper」 と クラウドプラットフォーム 「Microsoft Azure」 を活用した小売業界向け次世代型 店舗 ソリューション「未来の商品棚 (仮称)」を 2016年秋を目処に提供する。” 3月8日付 マイナビ ニュースより
  15. 15. Pepper AI × Cloud AI = Cloud Robotics イノベーションを容易に実現 15 理解・会話・推奨 の自動化
  16. 16. Cloud Robotics Azure Platform 16 Pepper × Azure デバイス エコシステム Power BI を始めとした データ活用エコシステム Device Controller Device Router Application Router 32 インスタンス までスケール可能 Microsoft Azure 繰り返し学習 Power BI Service Cloud AI の利用 API Call API Call
  17. 17. LINE:女子高生人工知能「りんな」 https://blogs.bing.com/japan/2015/08/07/aijk_rinna/
  18. 18. 1818 アクション 人 自動化された システム アプリ Web モバイル Bots インテリジェンス ダッシュボード & 可視化 Cortana Bot Framework Cognitive Services Power BI データの取得 Event Hubs Data Catalog Data Factory 機械学習/分析 HDInsight (Hadoop and Spark) Stream Analytics インテリジェンス Data Lake Analytics Machine Learning データの格納 SQL Data Warehouse Data Lake Store データ ソース アプリ センサー/ デバイス データ 企業内に散在するデータを収集し、整理し、分析/学習し、アクションにつなげる End-to-Endのサービスを提供
  19. 19. 19
  20. 20. 20 ※ Wikipedia より引用 定型レポート (SSRS) セルフサービス BI (Power BI) マシンラーニング (Azure ML) 機械学習とデータマイニングは交差する部分が大きく、技法も同じなので混同されることが多いが、次のよう に定義できる。 • 機械学習の目的は、訓練データから学んだ「既知」の特徴に基づく予測である。 • データマイニングの目的は、それまで「未知」だったデータの特徴を発見することである。
  21. 21. • レコメンデーション • 同じ商品を買った人が買った別のアイテムを お勧め商品として提示 • 同じ属性を持った人が買った商品を お勧め商品として提示 • 分類 • メール本文・タイトルの内容からスパムメールの分類 • Web サイトの行動履歴から不正ユーザの検出 • 異常検知 • センサー情報に基づく機械故障予測 • NW アクセス情報から不正アクセスや攻撃を検知 • ユーザ属性の推定 • 属性情報が完全に取れているお客様のデータから、属性情報に欠損のあるお客様の属性情報を推定 21
  22. 22. Microsoft の AI 分野での取り組み Bing maps 提供開始 目的地への 最短経路 Microsoft Research 設立 Hotmail 提供開始 迷惑メールの 判別 Bing search 提供開始 最適な 検索結果 1991 20091997 2008 Kinect 販売開始 人の動きを 認識する Azure ML 提供開始 将来起こること の予測 Skype Translator 提供開始 人の言葉を 認識する 2014 20152010 CNTK OSS公開 深層学習 ツールキット 2016 Cognitive Services 提供開始 知覚・記憶・ 判断・推理 2016 クラウド ロボティクス分野 戦略提携 Pepper による 次世代型店舗 2016 Microsoft AI and Research Group 設立 2016 りんな 提供開始 会話型 AI 2015
  23. 23. 2323 機械学習 教師あり学習 教師なし学習 強化学習 決定木 線形回帰 SVM ロジスティック回帰 ニューラルネットワーク クラスタリング 次元削減 Q学習 K-mean法 主成分分析 正準相関分析 ディープニューラル ネットワーク 畳みこみニューラル ネットワーク 再帰的ニューラル ネットワーク 回帰結合ニューラル ネットワーク
  24. 24. • クラウドベースの機械学習実行基盤 • 機械学習の「モデル作成」「モデルの評価」から、作成した分析モデルのデプロ イ( Web サービス化)まで、機械学習 の開発~サービス提供で必要となるすべ てのコンポーネントを PaaS で提供 Microsoft Azure Machine Learning 開発環境 予測モデルのデプロイ ( Web サービス ) 24
  25. 25. 25
  26. 26. 熟練者のノウハウをサービス化して世界に展開 26 経営課題 • 高度な予兆保全サービスによる連続稼働性の向上と、 低コストの保守ビジネスによる利益確保を両立したい • 急成長するアジア市場で保守技術者の大量育成が必要 効果 解決策 “我々は予防保全の業界標準の先を行き、先取りした予兆的な保全を行うことにより、 より高い稼働時間を保証したかった” ANDREAS SCHIERENBECK CEO ThyssenKrupp Elevator • ThyssenKrupp とその顧客の保守費用を削減 • 予測モデルの精度を向上し、急成長する市場の未熟な保守 技術者も活用 • エレベーターの稼動データをリアルタイムに監視・見え る化し、PCやモバイルでどこでも活用 • 問題発生時の対処方法のノウハウを機械学習でシステム に学ばせ世界中に展開
  27. 27. 2727 デバイス・コネクティ ビティ データ収集と ブローカー サービス イベント処 理とデバイ ス管理 データ管理 (変換・蓄 積・処理) 高度な分析 (Big Data 処 理) データの提供と 表現・気づき モビリティとコラボレー ション ISS Agent ISS Gateway Event Hub Blob Storage マシンデータ の蓄積 Azure ML 予兆の学習モデル Azure ML 修繕方法の 学習モデル ダッシュボード 参照 • 顧客 • 設備 • 担当者 Notification Hubs 通知 予兆イベント 修繕方法 の推奨 • ヘルス状態 • インシデント管理 • 対応のディスパッチ 現地技術要員の モバイルデバイス オペレーション センター Power BI セルフサービス分析 『ThyssenKrupp teams up with Microsoft to create ‘smart’ elevators』 http://blogs.microsoft.com/firehose/2014/09/30/thyssenkrupp-teams-up-with-microsoft-to-create-smart-elevators/ 数千のシステムとセンサー データ • イベント : ドア開閉、軸アライメント、キャビン速度、 モーター温度など • アラーム : 故障アラーム、エラーコードなど
  28. 28. Azure ML を用いてビルの熱源・動力の制御モデルを構築し、自動制御を実施 28 ① 建物の情報を Microsoft Azureにリアルタイム送信 ② 機械学習 Microsoft Azure Machine Learning によりデータを解析・学習し、建物にフィードバック これまでのビル設備管理は“経 験と勘”に頼っていたが、今回 の連携とクラウド化によって、 実データに基づく制御モデルの 構築や管理の自動化が可能とな り、ビルの使用エネルギー効率 化と管理負担の軽減が実現する
  29. 29. ビジネス課題 • ゲーム開始直後 (3ヶ月以内) に解約する会員の増加 • 解約が予期される会員への早期のアクションが必要 • アクティブ期間が伸びるほど収益への影響が大きい 利用データ 最初の3日間の下記データを基に150以上のパターン化(数十TB以上) • Engagement(各セッションや日毎の利用時間) • Performance(ランキング、勝利数、敗退数) • Social(友人や他ユーザーとの同時プレイ数) モデリング • パターン化されたユーザー毎に次の7日間の行動を分析 • 1 週間分のデータを基にモデルのテストを実施 (Boosted Decision Tree を活用) 効果  ランダム抽出による従来の分析方法に 比較して、3倍以上の精度で解約する 会員を特定  AUC*:0.779  影響を与えた主要な項目: ・友人とのプレイ数 ・3日目のプレイ数 ・3日目のプレイヤーの Grade *AUC (Area under the carve) AUC 0.9 - 1.0 High accuracy AUC 0.9 - 0.7 Moderate accuracy AUC 0.5 - 0.7 Low accuracy
  30. 30. 3030
  31. 31. 3131 ビジネス課題 • 口コミサイトの削除対象投稿を人手により監視 • キーワード検索では精度が悪い • 投稿内容を熟読し、削除の有無を判断するため、非常に工数がかかる モデリング • 日本語の形態素解析 (分かち書き) のソフトウエアとAzure MLを組み合わせ、削除 対象投稿を抽出 • 品詞の抽出方法(名詞のみ、名詞+動詞+形容詞 等)とアルゴリズムの組み合わせを 総当たりでテストし、精度を向上 効果 • Azure MLが削除対象投稿を判断してくれるようになったため、作業が非常に楽に なった *AUC (Area under the carve) AUC 0.9 - 1.0 High accuracy AUC 0.9 - 0.7 Moderate accuracy AUC 0.5 - 0.7 Low accuracy
  32. 32. 生活リズムの 色分け表示 各種統計 グラフ表示 空腹・オムツ替 の予測通知 新生児を育てるママの 10人に1人が ダウンロード
  33. 33. お客様からの言葉 ~ Azure ML 採用による効果 「解析回数を大幅に増やすことができ、 求めるクオリティレベルの結果を得られた。 解析スクリプトの自社開発を検討していたが、 リソース的に困難であり Azure ML がなければ 実現できていなかった。 同レベルの解析回数を実施しての最適化は工数的に 想像できないレベル。」
  34. 34. 34
  35. 35. 1. トレーニングデータ(実績データ)の準備 • 予測モデルを作成する為のトレーニングデータ(実績データ)を準備 例:顧客属性によるお勧め商品の提示(リコメンデーション)を行いたいのであれ ば、どういった属性情報のお客様が、どういう商品を買ったのかという実績データ が必要 2. 予測モデルの開発と評価 3. 予測モデルの公開(Web サービス) • 作成した予測モデルは、非常に簡単な操作でWebサービスとして公開可能。 35
  36. 36. ① 部品をドラッグ&ドロップ ②各部品のプロパティーを設定 36 Azure ML Studio の基本的な使い方
  37. 37. ① 部品をドラッグ&ドロップ ②各部品のプロパティーを設定 37Azure ML Studio の基本的な使い方
  38. 38. 38
  39. 39. 39 性別 年齢 配偶者 子供人数 … 製品カテゴリ 男性 19 無 0 1 女性 44 有 2 3 男性 49 有 1 2 男性 12 無 0 3 女性 37 無 0 1 女性 60 有 2 4 男性 44 有 1 2 女性 27 有 0 4 女性 51 有 3 2 女性 81 有 2 1 男性 22 無 0 3 男性 29 無 0 2 トレーニングデータ(実績データ) を元に予測モデルを作成 Azure Machine Learning ではトレーニングデータを使ってモデルの学習を行い、 予測モデルを作成 性別:男 年齢:45 配偶者:有 子供人数:2
  40. 40. 40 Azure Machine Learning では、以下のシステム・サービスからトレーニングデー タをロード可能 CSV, TSV, ARFF, SvmLight 形式 HDInsight (Hadoop) Azure SQL Database Azure テーブル OData 業務システム OData Training Data Azure Machine Learning
  41. 41. 41
  42. 42. Train Model Score Model 検証用 データ トレーニング データ Evaluate Model 機械学習 アルゴリズム 予測モデルの評価予測モデルの見直し • アルゴリズムの変更 • パラメータの見直し
  43. 43. 43 トレーニングデータの 読込み データクレンジング・ メタデータ設定 読み込んだデータを「トレー ニングデータ」と「評価用 データ」に分割 予測モデルの作成に使用する アルゴリズム 予測モデルの作成(トレーニング) 左インプット:利用するアルゴリズム 右インプット:トレーニングデータ 作成した予測モデルを評価する為に、 評価用データで予測を実行 予測結果の評価と可視化
  44. 44. 44  ML Studio : Experiments > Evaluate Model > Evaluation Result • True Positive • False Positive • True Negative • False Negative • Accuracy • Precision • Recall • F1 Score • Threshold • AUC  AUC 0.9 - 1.0 High accuracy  AUC 0.9 - 0.7 Moderate accuracy  AUC 0.5 - 0.7 Low accuracy
  45. 45. 45
  46. 46. 予測モデルの公開(Web サービス) 46
  47. 47. 47 ② Web サービスの Input / Output を設定 ③「 PREPARE WEB SERVICE 」ボタンを クリックすると Web サービスが 作成される ① Deploy 用の Experiment を作成
  48. 48. 48 WEBサービスは 「REQUEST/RESPONSE」「BATCH EXECUTION」の2種類が作成される API Help Pageで作成された Web サービスの詳細を確認可能 Web フォーム、Excel を使って Web サービスや予測モデルの 確認・評価を行う事が可能
  49. 49.  REST API. POST リクエスト  HTTP の Req/Res の body は JSON 形式  REST API. 入力として各種データソースが指定可能。 Azure Blob/Azure Table/Azure SQL Database/HiveQL/HTTP  レスポンスとして “JOBID” が返ってくる。 それを基にバッチジョブの状態を定期チェック  状態が Finished/Failed になったら処理結果を取得 結果は Azure Blob に出力される
  50. 50. 50 • Request-Response Service  Web サービス URI  インプットパラメータ  アウトプットパラメータ  サンプルコード( C# / Python / R ) • Batch Execution Service (BES) • Web サービス URI • ジョブの投入方法 • ジョブステータス確認方法 • ジョブのキャンセル方法 • サンプルコード( C# / Python / R )
  51. 51. 51 ① Excel シートにパラ メータを入力 ② 予測結果が表示される ① Webフォームに入力パ ラメータを設定 ② クリックすると予測結果 が表示される
  52. 52. Training Data Web Service Azure Machine Learning Microsoft Azure 52 Webシステム Azure Blob ストレージ Hive Azure SQL Database Azure テーブル 業務システム OData OData HDInsight ( Hadoop ) 他システム Power View 等の データ分析・可視化 ツール Azure Blob ストレージ Azure SQL Database Batch Execution Service Request-Response Service 評価モデル作成 (Training)
  53. 53. 53
  54. 54. 54
  55. 55. 55
  56. 56. 56
  57. 57. 57
  58. 58. 58
  59. 59. 59 R 言語対応 • Execute R Script / Create R Model モジュール • R スクリプトの記述と実行を制御する Azure ML のモジュール • 良く利用される 400 以上の標準的な R パッケージを事前ロード済み • カスタムパッケージを作成、ロードして利用する事も可能。 Execute R Script • 主にデータ加工とプロット(可視化)に利用 Create R Model • 機械学習の独自アルゴリズムの実装に利用 • Training Script(機械学習のアルゴリズム) と Scoring Script (予測モデルの評価用スクリプ ト)の2つを記述 59 Execute R Script モジュール の例 R スクリプトを記述 Execute R Script モジュール カスタムパッケージ (Zip)
  60. 60. 60 Python 対応 • Execute Python Script モジュール • Python Script の記述と実行を制御する Azure ML のモジュール • 「データ加工」「予測結果のプロット」等に利用可能 • Python の実行環境には、データ分析・科学技術計算ライブラリが豊富な Anaconda ディストリビューションを採用 • カスタムパッケージを作成、ロードして利用する事も可能 Execute R Script モジュール の例 カスタムパッケージ (Zip) Execute R Script Python スクリプトを記述
  61. 61. 61  依存関係のある R パッケージ (.zip) をまとめて ZIP 化して、”+NEW” で Dataset としてアップロードする  Saved Datasets からアップロードした Dataset を Drag & Dropし、R 実行モジュールの Script Bundle Port (一番右側の入力ポート) に接続し、install.packages を利用して ZIP 内の R パッケージを読み込む  読み込み先としてセットするパスの “src/” 部分は固定 スクリーンショットは、RHmm モジュール を読み込んで利用している例。依存関係の ある MASS と nlme を含めている。
  62. 62. • Microsoft Azure Machine Learning Center http://azure.microsoft.com/ja-jp/documentation/services/machine-learning/ • Azure Machine Learning Support Forum http://social.msdn.microsoft.com/forums/azure/en-US/home?forum=MachineLearning • Machine Learning Blog http://blogs.technet.com/b/machinelearning/ 62
  63. 63. 63
  64. 64. Agenda 人工知能 (AI) とは? Cognitive Services 概要 Bot Framework 概要 Cognitive ServicesとBot Framework の利用方法
  65. 65. 人工知能 (AI) とは?
  66. 66. 人工知能 (AI) とは? 知能 (Intelligence) とは 人工知能(AI: Artificial Intelligence)とは AIを支える技術: Machine Learning
  67. 67. 人工知能 (AI) とは? AI = Big Data + Machine Learning
  68. 68. 人工知能 (AI) とは? AI = Big Data + Machine Learning
  69. 69. 人工知能 (AI) とは? AI = Big Data + Machine Learning
  70. 70. AIの市場セグメント例 小売業 コールセンター 医療&ヘルスケア 農業 金融 自動車、運輸 観光
  71. 71. AIの分類 ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・
  72. 72. 身近な AI (っぽい) アプリの例 Microsoft Garage
  73. 73. Cognitive Services 概要
  74. 74. Microsoft Cognitive Services とは Web API 経由で利用できる “人工知能パーツ”
  75. 75. Microsoft Cognitive Services とは Web API 経由で利用できる “人工知能パーツ”
  76. 76. Microsoft Cognitive Services とは Web API 経由で利用できる “人工知能パーツ”
  77. 77. Microsoft Cognitive Services 一覧 Face Computer Vision Emotion Video Speaker Recognition Custom Recognition Bing Speech Linguistic Analysis Language Understanding Bing Spell Check Web Language Model Text Analytics Knowledge Exploration Entity Linking Academic Knowledge Recommendations Bing Image Search Bing Video Search Bing Web Search Bing Autosuggest Bing News Search Translator Content Moderator
  78. 78. 78 Cognitive Services:Face API 画像を分析し、複数人の顔を自動認識。顔検知機能、顔のグルーピング機能、顔の人物特定機能 などを提供する https://www.microsoft.com/cognitive-services/en-us/face-api 顔から人物を特定 210人の顔を登録 2秒弱で特定完了
  79. 79. 79 Cognitive Services:Emotion API 画像や動画を分析し、人の感情を自動的に認識。怒り・軽蔑・嫌悪・怖れ・幸福・中立・悲しみ・驚き の8つの要素を確率で回答 https://www.microsoft.com/cognitive-services/en-us/emotion-api 感情を自動認識
  80. 80. 80 Cognitive Services:Computer Vision API 画像を分析し、2,000 に及ぶ物体を自動的に認識。自動タグ生成機能、自動説明機能、OCR 機能、 サムネイル機能などを提供する https://www.microsoft.com/cognitive-services/en-us/computer-vision-api 写真の中にある物体を自動認識し タグとして生成
  81. 81. Cognitive Services:Video API 動画の安定化機能、動画から人の顔を認識・トラッキングする機能、動きを自動的に検出する機能、 サムネイル動画を自動作成する機能などを提供 https://www.microsoft.com/cognitive-services/en-us/video-api 動画の揺れを自動補正 して、安定化 動画の中から人の顔を認識し 自動的に追跡
  82. 82. Cognitive Services:Bing Speech API 音声を認識しテキスト化する機能、テキストを認識し音声出力する機能などを提供 https://www.microsoft.com/cognitive-services/en-us/speech-api 話している内容を 自動的にテキスト化
  83. 83. Cognitive Services:LUIS API 会話を学習し、会話の内容から何をしたいのかを理解する https://www.microsoft.com/cognitive-services/en-us/language- understanding-intelligent-service-luis 航空券予約である ことを認識 (86%の信頼確率)
  84. 84. Cognitive Services:Linguistic Analysis API 自然言語処理の為の高度な言語解析機能を提供 https://www.microsoft.com/cognitive-services/en-us/linguistic-analysis-api 文章の構造と品詞を 自動認識
  85. 85. Cognitive Services:Text Analytics API テキストを解析し、言語の自動特定、キーフレーズの自動抽出、ポジティブかネガティブかの感情 の自動判別を行う https://www.microsoft.com/cognitive-services/en-us/text-analytics-api 文章からキーフレーズ を自動認識
  86. 86. 日本語の入力を分析するには? Language: ja keyPhrases: Azure
  87. 87. CognitiveServicesで広がるサービスの可能性 株式会社HmComm 様 コールセンターソリューション ・・・・・・・・ ・・・・・・・・ ・・・・・・・・ ・・・・・・・・・・・ ・・・・・・・・ ・・・・・・・・・・ ・・・・・・ ! ・・・・・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・ ・・・・
  88. 88. CognitiveServicesで広がるサービスの可能性 製品の評判分析、要求分析 “(want to|request)” HoloLens ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・ ・・・・・
  89. 89. Computer Vision APIとBing Speech API 組み合わせ例 画像ファイル テキストファイル 画像ファイルの送信 テキストファイル生成 撮影 (画像ファイル生成検知) 実行スクリプト 画像表示・キャプション発声 (HTML/JavaScript) 周期監視 Computer Vision API Describe Image機能 Microsoft Cognitive Services Bing Speech API Text To Speech機能 組み込みWebサーバ SDカード 合成音声で発声 ”a cat is sitting in the grass” ”a cat is sitting in the grass” a cat is sitting in the grass
  90. 90. Face APIとBing Speech API 組み合わせ例 カメラ カメラの前に いる人の画像 音声ガイダンス 「写真を撮ってください」 ID用カメラ 写真付ID 音声ガイダンス 「コードを入力してください」 カメラ画像とID の画像を照合 アプリケーションの利用 音声ガイダンス 「確認できました」
  91. 91. Cognitive Services 活用事例
  92. 92. Cognitive Services 活用事例 The Economist Election 2016 Emotion Tracking
  93. 93. Cognitive Services 事例:対話型自動販売機 http://www.nri.com/Home/jp/news/2015/151221_1.aspx
  94. 94. Cognitive Services 事例:顔認識による Pepper 応対 http://www.headwaters.co.jp/news/pepper/SynApps.html
  95. 95. Cognitive Services 活用事例 株式会社アロバ 様 アロバビューコーロ
  96. 96. Cognitive Services 活用事例 株式会社ピクセラ 様 顔シーク アプリ
  97. 97. Bot Framework 概要
  98. 98. Microsoft Bot Framework Bot とは? Bot Framework とは?
  99. 99. ダイアログ形式のコミュ ニケーションを実装 (C#, Node.js) BOT アプリをメッセージ ングサービスに接続 Bing, Cortana などから 利用できるディレクトリ に登録 Microsoft Bot Framework BOT アプリを容易に作成するフレームワーク
  100. 100. Bot Builder SDKs Node.js & C# SDK
  101. 101. Bot Connector BOTと他のメッセージチャネルを接続
  102. 102. Bot Directory Bot Framework によるBOTの 登録ディレクトリー
  103. 103. Bot Framework 活用事例 株式会社ZEALS 様 BOT TREE for MEDIA
  104. 104. Bot Framework 活用事例 高知銀行 (株式会社NextStreamer & 株式会社ブイキューブ) 店頭受付応答BOT「頭取くんと秘書子ちゃん」
  105. 105. Cognitive Services と Bot Framework の利用方法
  106. 106. Cognitive Services 料金体系 基本的に無料 https://www.microsoft.com/ cognitive- services/en-us/pricing https://www.luis.ai/ https://www.cris.ai/ https://portal.azure.com
  107. 107. Cognitive Services の開発環境、ドキュメント 開発ツール https://github.com/Microsoft/ProjectOxford-clientsdk https://dev.projectoxford.ai/docs/services/ https://bingapis.portal.azure-api.net/docs/services/ 開発ドキュメント https://www.microsoft.com/cognitive-services/en-us/documentation
  108. 108. Cognitive Services 呼び出し方法 (1) API Call https://api.projectoxford.ai/ emotion/v1.0/recognize
  109. 109. Cognitive Services 呼び出し方法 (2) ライブラリの利用 (例:C#) Microsoft.ProjectOxford.Emotion RecognizeAsync
  110. 110. Microsoft Cognitive Toolkit (CNTK) Theano は、1 GPU ボードのみサポー Microsoft CNTK (Computational Network Tool Kit) は、2 ノード、8 GPU ボードに 跨るスケーラビリティを唯一達成できたツールキット。圧倒的な性能を誇る 0 10000 20000 30000 40000 50000 60000 70000 80000 CNTK Theano TensorFlow Torch 7 Caffe 速度比較 (Frames/Second, The Higher the Better) 1 GPU 1 x 4 GPUs 2 x 4 GPUs (8 GPUs)
  111. 111. AI & Bot に注目する理由 • いつでもどこでも • ユーザーが使い慣れたツール を経由して、商品やサービス を提供可能 • 自然言語に近く、意図を類推 しやすい • パーソナライズ、パターン化 などによる定型処理
  112. 112. MicrosoftCognitiveServicesをおススメする理由 簡単 フレキシブル 実績 数行のコードを 追加するだけ Web API でアクセス 開発言語や プラットフォームを 問わず利用可能 マイクロソフトの あらゆる分野の テクノロジー開発から誕生 GET A KEY
  113. 113. 情報リソース Cognitive Services サービス解説 https://docs.com/decode2016/1562/dbp-018-ai-microsoft-cognitive-services Cognitive Services ハンズオン http://aka.ms/cogbot01_HOL1 http://aka.ms/cogbot01_HOL2

×