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.

機械学習と Azure ML Studio の基本

275 views

Published on

Techfair 2017年3月 (2017年3月4日開催) セッション資料

Docs.com サービス停止のため、資料を引っ越しました。
Slideshare 公開時点では古い内容を含んでいることがありますが、記録・参考として公開します。

Published in: Technology
  • Be the first to comment

機械学習と Azure ML Studio の基本

  1. 1. Techfair.jp 2017年3月 2017年3月4日 瀬尾佳隆 (@seosoft) Microsoft MVP for Windows Dev 機械学習と Azure ML Studio の基本
  2. 2. おことわり 本資料は、2017年3月4日時点の内容です Slideshare 公開した 2018年1月時点では 一部古い内容を含んでいることがありますが、 記録・参考として公開します
  3. 3. 自己紹介 瀬尾佳隆 (せおよしたか) • MVP for Windows Development • http://yseosoft.wordpress.com/ • 乃木坂46 / 欅坂46 と仏像 / 屏風絵が好き  Techfair 主宰 (http://techfair.jp/)  Cogbot コミュニティ スタッフ
  4. 4. 今日の内容 機械学習の基本的な考え方 Azure ML Studio の操作方法 扱わないこと • R 言語や Python は扱いません(できません) • 統計学的な深堀りはしません(できません)
  5. 5. 機械学習とは
  6. 6. 機械学習とは 「蓄積したデータを、 コンピューターが自動的に上手く使って、 人間が思いつかないような全く新しい答えを 考え出してくれる」 こと
  7. 7. 機械学習とは 「蓄積したデータを、 コンピューターが自動的に上手く使って、 人間が思いつかないような全く新しい答えを 考え出してくれる」 こと ※実際に、これを期待した相談を受けたことがあります
  8. 8. 機械学習とは Azure Machine Learning Hands on Labs によると: https://github.com/Azure-Readiness/hol-azure-machine-learning
  9. 9. 機械学習とは Using known data, develop a model to predict unknown data.
  10. 10. 既存のデータを使って Using known data, develop a model to predict unknown data. Known data 既存のデータを使って
  11. 11. 学習モデルを開発して Using known data, develop a model to predict unknown data. Known data 既存のデータを使って Model 学習モデルを開発して
  12. 12. 新しいデータを予測すること Using known data, develop a model to predict unknown data. Known data 既存のデータを使って Model 学習モデルを開発して Unknown data 新しいデータを予測する
  13. 13. 学習モデル 初期モデル (アルゴリズム) 学習用データ 結果を予測 するための “方法”
  14. 14. 学習モデルの種類 教師あり・・・過去のデータから未来を予測する • 分類(二項/多項) • 回帰 • 異常検出 教師なし・・・過去のデータを整理する • グループ化(=クラスタリング) https://docs.microsoft.com/ja-jp/azure/machine-learning/machine- learning-algorithm-choice
  15. 15. 分類 「Aか Bか」 • この気温・湿度ならば、晴れか雨か(曇りか)? • この条件ならば、Aか Bか? https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning- data-science-for-beginners-the-5-questions-data-science-answers
  16. 16. 回帰 「どのくらいの量/数か」 • この気温・曜日ならば、商品は何個売れそうか? • 今日はこの気温なら、明日は何度になりそうか? https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning- data-science-for-beginners-the-5-questions-data-science-answers
  17. 17. 異常検出 「これは異常か」 • この温度・音ならば、機械は故障しているか? • 猫が混じっているが、どれか? https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning- data-science-for-beginners-the-5-questions-data-science-answers
  18. 18. グループ化(=クラスタリング) 「どのような構成か」 • 似た者同士で、班を作ろう • このデータは、このグループに入れよう https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning- data-science-for-beginners-the-5-questions-data-science-answers
  19. 19. ML Studio の使い方
  20. 20. 用意するもの MS アカウント • https://www.microsoft.com/ja- jp/msaccount/signup/default.aspx ML Studio サインイン • https://studio.azureml.net/
  21. 21. ML Studio~Home 画面 作成済みのワークスペース、 学習モデルの一覧 ページ下部には、サンプルやチュートリアルが多数
  22. 22. ML Studio~Studio 画面 (1/4) Experiments (学習モデル作成)
  23. 23. ML Studio~Studio 画面 (2/4) 作成済み Web サービス一覧
  24. 24. ML Studio~Studio 画面 (3/4) アップロード済み 学習用データ (再利用可能)
  25. 25. ML Studio~Studio 画面 (4/4) 作成済み学習モデル (再利用可能)
  26. 26. 学習モデルの作り方
  27. 27. モデリングの流れ 1 データ入力 2 データ加工 3 初期モデルの決定 4 学習モデルの作成 5 学習結果の測定 6 評価用データを予測 7 未来を予測
  28. 28. モデリングの流れ 1 データ入力 学習に使うデータを用意する 2 データ加工 適切な形式に加工する 3 初期モデルの決定 学習に使うアルゴリズムを決める 4 学習モデルの作成 データ+アルゴリズム 5 学習結果の測定 学習結果を数値で確認 6 評価用データを予測 実際のデータで学習結果を予測 7 未来を予測 サービス化して学習モデルを活用 今日、一番のポイント!
  29. 29. ML Studio で大事な点 「モデリングの流れ」 に沿って進めること • この流れから外れることはありません モジュールを置くごとに、”Run selected” する • 次のモジュールのパラメーター設定するために必須 Run selected したら、”Visualize” する • モデリングが適切かどうかをチェック
  30. 30. (もう一度)モデリングの流れ 1 データ入力 学習に使うデータを用意する 2 データ加工 適切な形式に加工する 3 初期モデルの決定 学習に使うアルゴリズムを決める 4 学習モデルの作成 データ+アルゴリズム 5 学習結果の測定 学習結果を数値で確認 6 評価用データを予測 実際のデータで学習結果を予測 7 未来を予測 サービス化して学習モデルを活用
  31. 31. 参考 自習のために
  32. 32. 今回の資料 機械学習と Azure ML Studio の基本 (この資料) • http://bit.ly/mlstudio20161203 IoTキットハンズオン解説 (ML Studio パート) #1 共通手順 • http://bit.ly/mlhol_1_20161203 IoTキットハンズオン解説 (ML Studio パート) #2 回帰分析 • http://bit.ly/mlhol_2_20161203 IoTキットハンズオン解説 (ML Studio パート) #3 分類分析 • http://bit.ly/mlhol_3_20161203 IoTキットハンズオン解説 (ML Studio パート) #4 グループ化 • http://bit.ly/mlhol_4_20161203 “20161203” です ごめんなさい
  33. 33. MS の公式資料 hol-azure-machine-learning • https://github.com/Azure-Readiness/hol-azure- machine-learning Azure Machine Learning のドキュメント • https://docs.microsoft.com/ja-jp/azure/machine- learning/ 初心者向けデータ サイエンス ビデオ • https://docs.microsoft.com/ja-jp/azure/machine- learning/machine-learning-data-science-for- beginners-the-5-questions-data-science-answers
  34. 34. サンプルデータ Azure Machine Learning Studio における サンプル データセットの使用 • https://docs.microsoft.com/ja- jp/azure/machine-learning/machine-learning- use-sample-datasets UC Irvine Machine Learning Repository • http://archive.ics.uci.edu/ml/index.html

×