https://satonaoki.wordpress.com/2017/05/03/ml15m-cntk/ https://www.slideshare.net/satonaoki/20170429ml15mcntk https://docs.com/satonaoki/6937/15-microsoft-cognitive-toolkit-cntk

2. Microsoft Research による研究成果を製品にフィードバック
Bing Maps
ルート検索
Microsoft
Research
設立
Kinect
人体
モーションの
検出
Azure ML,
Cognitive,
R Server
etc…
ディープ
ラーニング
Hotmail
ジャンク
メール
検出
Bing 検索
情報増加に
応じた
最適な検索
Skype
Translator
音声の
リアルタイム
翻訳
1991 201420091997 2015-20102008

3. ImageNet で最高評価
28.2
25.8
16.4
11.7
7.3 6.7
3.5
ILSVRC 2010
NEC America
ILSVRC 2011
Xerox
ILSVRC 2012
AlexNet
ILSVRC 2013
Clarifi
ILSVRC 2014
VGG
ILSVRC 2014
GoogleNet
ILSVRC 2015
ResNet
ImageNet Classification top-5 error (%)
誤差率を半減させ、
人の誤差率(5%)も下回る
2015年、マイクロソフトは、エントリーした5分野すべてで1位を獲得
(ImageNet classification, ImageNet localization, ImageNet detection, COCO detection, and COCO
segmentation)

4. https://blogs.technet.microsoft.com/microsoft_japan_corporate_blog/2016/10/24/161018-microsoft-researchers-reach-human-parity/

5. https://www.microsoft.com/en-us/research/project/aerial-informatics-robotics-platform/
https://github.com/Microsoft/AirSim
https://www.microsoft.com/en-us/research/project/medical-image-analysis/

6. http://www.msmarco.org/
会話用 AI 開発/研究向けの
匿名化された質問/回答
10万件を無償公開

7. 課題の認識
仮説の立案
データ
収集/加工
学習 評価 デプロイ

8. 8
Machine
Learning
Stream Analytics
SQL Data Ware House
/ SQL Database
/ DocumentDB
IoT Hub /
Event Hub
各種デバイス
Data Factory
Data Lake Store
Storage
(Blob / Table / Queue)
Data Lake Analytics
Power BI
Microsoft
R Server
HDInsight
Cognitive
Services
Data Catalog
Cognitive
Toolkit

9. Cognitive
Services
Azure
Machine
Learning
HDInsight (Hadoop)
Microsoft R ServerMahout
(Hadoop)
MLlib
(Spark)
SQL
Server
2016
Cognitive
Toolkit
(Deep Learning)
Virtual
Machine
(CPU / GPU)

10. https://www.microsoft.com/en-us/research/product/cognitive-toolkit

11. https://github.com/Microsoft/CNTK-docker

12. 4層全結合のニューラルネットの計算 (512-2048-2048-2048-2048-10000)
https://github.com/Alexey-Kamenev/Benchmarks

13. model = Sequential (
Scale {featScale} :
ConvolutionalLayer {32, (5:5), pad = true} : ReLU :
MaxPoolingLayer {(3:3), stride=(2:2)} :
ConvolutionalLayer {48, (3:3), pad = false} : ReLU :
MaxPoolingLayer {(3:3), stride=(2:2)} :
ConvolutionalLayer {64, (3:3), pad = false} : ReLU :
DenseLayer {96} : Dropout : ReLU :
LinearLayer {labelDim}
)
例：手書き文字認識 (MNIST)

14. with cntk.layers.default_options(activation=cntk.ops.relu, pad=False):
conv1 = cntk.layers.Convolution2D((5,5), 32, pad=True)(scaled_input)
pool1 = cntk.layers.MaxPooling((3,3), (2,2))(conv1)
conv2 = cntk.layers.Convolution2D((3,3), 48)(pool1)
pool2 = cntk.layers.MaxPooling((3,3), (2,2))(conv2)
conv3 = cntk.layers.Convolution2D((3,3), 64)(pool2)
f4 = cntk.layers.Dense(96)(conv3)
drop4 = cntk.layers.Dropout(0.5)(f4)
z = cntk.layers.Dense(num_output_classes, activation=None)(drop4)
例：手書き文字認識 (MNIST)

15. https://www.microsoft.com/en-us/research/product/cognitive-toolkit/model-gallery/

17. Azure Notebook
または
Data Science
VM
Data Science
VM
Azure
Batch
Shipyard

18. https://notebooks.azure.com
Cognitive Toolkitの
チュートリアルが
すぐに試せます

19. http://aka.ms/dsvmdoc
http://aka.ms/dsvmhandout
http://aka.ms/dsvmtenthings
https://blogs.technet.microsoft.com/
machinelearning/2017/04/18/deep-learning-on-
the-new-ubuntu-based-data-science-virtual-
machine-for-linux/
https://docs.microsoft.com/en-us/azure/
machine-learning/machine-learning-data-
science-dsvm-ubuntu-intro

20. CPU (Windows)
GPU (Linux)
CPU (Linux)
GPU (Windows)

21. http://gpu.azure.com/
https://azure.microsoft.com/en-us/blog/azure-n-series-general-availability-on-december-1/
NC6 NC12 NC24 NC24r
Cores 6 12 24 24
GPU 1 x K80 GPU 2 x K80 GPUs 4 x K80 GPUs 4 x K80 GPUs
Memory 56 GB 112 GB 224 GB 224 GB
Disk 380 GB SSD 680 GB SSD 1.44 TB SSD 1.44TB SSD
Network
Azure Network Azure Network Azure Network InfiniBand &
Azure Network

22. https://github.com/Azure/batch-shipyard
Shipyard
Client
(Linux推奨)
Azure
Batch
Docker Repository
・Shipyard コマンド
- ジョブの開始など
・設定ファイル
- アカウント情報
- Docker イメージ名
- 実行コマンド など
(Githubから入手)
Docker Image

23. https://www.microsoft.com/research/product/cognitive-toolkit/
https://github.com/microsoft/cntk
https://github.com/Microsoft/CNTK/wiki/CNTK-Library-API
https://blogs.technet.microsoft.com/machinelearning/2017/01/11/announcing-data-
science-utilities-version-0-11-for-the-team-data-science-process/
https://aka.ms/cntkjapan
https://www.facebook.com/groups/1529425353735438/

24. https://www.microsoft.com/
ja-jp/events/decode/2017/
sessions.aspx#AI05

25.  本書に記載した情報は、本書各項目に関する発行日現在の Microsoft の見解を表明するものです。Microsoftは絶えず変化する市場に対応しなければならないため、
ここに記載した情報に対していかなる責務を負うものではなく、提示された情報の信憑性については保証できません。
 本書は情報提供のみを目的としています。 Microsoft は、明示的または暗示的を問わず、本書にいかなる保証も与えるものではありません。
 すべての当該著作権法を遵守することはお客様の責務です。Microsoftの書面による明確な許可なく、本書の如何なる部分についても、転載や検索システムへの格納または挿入を行うことは、どのような形式または手段（電子的、
機械的、複写、レコーディング、その他）、および目的であっても禁じられています。
これらは著作権保護された権利を制限するものではありません。
 Microsoftは、本書の内容を保護する特許、特許出願書、商標、著作権、またはその他の知的財産権を保有する場合があります。Microsoftから書面によるライセンス契約が明確に供給される場合を除いて、本書の提供はこれらの
特許、商標、著作権、またはその他の知的財産へのライセンスを与えるものではありません。
© 2015 Microsoft Corporation. All rights reserved.
Microsoft, Windows, その他本文中に登場した各製品名は、Microsoft Corporation の米国およびその他の国における登録商標または商標です。
その他、記載されている会社名および製品名は、一般に各社の商標です。