More Related Content Similar to 【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
Similar to 【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI (20) 【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI1. © 2017 Knowledge Communication Co., Ltd.
【若手・中堅エンジニア向け勉強会】金融機関アクセラレータ
参加ベンチャーと学ぶAI
クラウド×AIで機械学習の民主化
を目指すナレコムAI
2017年05月16日
株式会社ナレッジコミュニケーション
小泉 裕二
2. © 2017 Knowledge Communication Co., Ltd.
本日のアジェンダ
2
[1]会社紹介
[2]AIの中の機械学習
[3]クラウドAIについて
[4]機械学習プラットフォーム「ナレコムAIについて」
3. © 2017 Knowledge Communication Co., Ltd.
ナレッジコミュニケーションについて
3
■会社名:株式会社ナレッジコミュニケーション
■設立日 :2008年11月 (創立2006年5月)
■資本金:9,000,000円
■代表者:代表取締役 奥沢 明
■本社:東京都江東区
■支社:千葉オフィス、熊本オフィス
■従業員:20名
会社情報
4. © 2017 Knowledge Communication Co., Ltd. 4
特にクラウドAI(機械学習)の分野に注力して事業展開
設 計 構 築 運 用 保 守
ナレッジコミュニケーションについて
6. © 2017 Knowledge Communication Co., Ltd.
AIの中の機械学習
6
人工知能という大きな枠の中に機械学習・深層学習がある
人口知能
Artificial Intelligence
人間の知性を機械的に再現
深層学習
Deep Learning
データ分類や認識の基準をデータ
自ら見つけ出す機械学習の手法
機械学習
Machine Learning
データ解析の結果から、
判断材料となるルールを見つ
け出す手法
データ
規則性の抽出
アルゴリズム
猫と判断
参考 : https://blogs.nvidia.co.jp/2016/08/09/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
7. © 2017 Knowledge Communication Co., Ltd.
AIの中の機械学習
7
人工知能という大きな枠の中に機械学習・深層学習がある
参考 : https://blogs.nvidia.co.jp/2016/08/09/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
人口知能
Artificial Intelligence
人間の知性を機械的に再現
深層学習
Deep Learning
データ分類や認識の基準をデー
タ自ら見つけ出す機械学習の手
法
機械学習
Machine Learning
データ解析の結果から、
判断材料となるルールを見つ
け出す手法
データ
規則性の抽出
アルゴリズム
猫と判断
今日は↓の話をします
8. © 2017 Knowledge Communication Co., Ltd.
機械学習とは
8
性別
年齢
年収
勤続年数 ローンOK
機械学習
・あるデータとその答えをもとにコンピュータが予測方法を自動的に学習
・新しいデータを入れるとその予測結果を返してくれる
9. © 2017 Knowledge Communication Co., Ltd.
これまでのデータ分析と予測
9
過去の経験からの予測
業務が属人化
勘と経験
金>月>水・木>火の順で多い
給料日、年金支給日は多い
五十日は多い、など
月 火 水 木 金 土 日
27日 28日 3月1日 2日 3日 4日 5日
6日 7日 8日 9日 10日 11日 12日
13日 14日 15日 16日 17日 18日 19日
20日 21日 22日 23日 24日 25日 26日
27日 28日 29日 30日 31日 4月1日 2日
来店者数予測
過去の実績からの予測
ルールを作る手間
ルールベース
来店者数予測
27日 28日 29日 30日 31日
190人 190人 200人 200人 240人
ルール例
・前年同月来店者数の平均を求める
・曜日ごとの係数をかける
月 火 水 木 金
+5% -5% 0% 0% +20%
10. © 2017 Knowledge Communication Co., Ltd.
機械学習による自動化・精度向上
10
データ(過去の来店者実績)
日付
予測
来店者数
4月1日 175
4月2日 201
4月3日 221
4月4日 205
4月5日 195
学習
(モデル作成) 予測
予測結果
日付 曜日
給与
支給日
五十日 来店者数
3月15日 水 Y 230
3月16日 木 180
3月17日 金 215
3月18日 土 ー
3月19日 日 ー
3月20日 月 Y ー
3月21日 火 206
3月22日 水 200
3月23日 木 176
3月24日 金 Y 241
他にも、月末、週末、年金支給日、
四半期末、半期末、年度末など
・データを自動的に分析してモデルを自動作成
・大量のデータから人間が気づいていなかった特徴を捉えてモデルに反映するため
予測精度が向上
11. © 2017 Knowledge Communication Co., Ltd.
様々な分野で利用される機械学習
11
機械学習
データからパターン・規則・関係などの抽出
特徴をモデル化
銀行 工場 ヒトの行動 医療 物流 企業活動
融資判断支援
不正取引検出
設備の予兆保全
自動検品
購買活動予測
効率化
診断精度向上
ゲノム解析作業
需要予測
商品レコメンド
人材マッチング
企業戦略案策定
12. © 2017 Knowledge Communication Co., Ltd.
様々な分野で利用される機械学習
12
機械学習
データからパターン・規則・関係などの抽出
特徴をモデル化
銀行 工場 ヒトの行動 医療 物流 企業活動
融資判断支援
不正取引検出
設備の予兆保全
自動検品
購買活動予測
効率化
診断精度向上
ゲノム解析作業
需要予測
商品レコメンド
人材マッチング
企業戦略案策定
機械学習で出来ること
=
高度な予測・分析を少ない労力で実現
14. © 2017 Knowledge Communication Co., Ltd.
クラウドAIの活用でデータ分析の敷居が下がる
14
-主な特徴
・強力なクラウド ベースの予測分析
・MS Research、Xbox、Bing で実証済みのアルゴリズム
・オープン ソースの R 言語を高度にサポート
・ビッグ データ ソリューション用の HDInsight へのシームレスな接続
・モデルのAPI化もクラウドサービスを利用することにより対応
機械学習の演算処理をクラウド上で行うことにより、
データを送り処理結果を受け取るだけで機械学習処理を行うことが可能。
機械学習のために大規模なインフラを用意することが不要になる。
15. © 2017 Knowledge Communication Co., Ltd.
Azure MLのアルゴリズム
Azure
Machine Learning
回帰分析
多項分類
二項分類
クラスタリング・Linear
・Bayesian Liner
・Neural Network
・Decision Forest
・Boosted Decision Tree
・Fast Forest Quantile
・Ordinal
・Poisson
・Logistic Regression
・Decision Forest
・Decision Jungle
・Boosted Decision Tree
・K-Means Clustering
・Averaged Perceptron
・Bayes Point Machine
・Boosted Decision Tree
・Decision Forest
・Decision Jungle
・Support Vector Machine
・Locally-Deep Support Vector Machine
・Logistic Regression
・Neural Network
15
16. © 2017 Knowledge Communication Co., Ltd.
Azure MLユーザーインターフェイス
16
**********
ドラッグ&ドロップ操作
(コーディング不要)
基本的なモデルは
数個のモジュールをつなぐだけ
17. © 2017 Knowledge Communication Co., Ltd. 17
クラウド上で機械学習が利用できる
Amazon Machine Learning
モデル化データの分析
専門的知識が不要でデータ活用
回帰分析
(需要予測)
二項分類
(○×分類)
多項分類
(カテゴリの分類)
18. © 2017 Knowledge Communication Co., Ltd. 18
コスト削減、解析結果を素早く得られる
データ蓄積・集計 分 析
活用例
Amazon Redshift
データ蓄積・集計 分 析
Amazon Redshift Machine Learning
Redshift + Machine Learning
20. © 2017 Knowledge Communication Co., Ltd. 20
頭数?
出荷出産
予測したい!>
日数?
配送
手配
養豚-グローバルピッグファーム株式会社様
21. © 2017 Knowledge Communication Co., Ltd. 21
利用データ:生産データ、天候データ等
出荷分娩 肥育離乳
①生産イベント ②事故率等係数 ③出荷仕切りデータ
④天候データ
22. © 2017 Knowledge Communication Co., Ltd.
PoC結果
22
生産データ 気象データ データクレンジング
予測誤差: ± 53 日
予測誤差: ± 28 日
予測誤差: ± 14 日
農場別:最小 ± 6 日
23. © 2017 Knowledge Communication Co., Ltd.
Azure Storage
構成イメージ
23
Machine Learning
Web Service
(Predictive API)
Web
Service
発行
Azure
Machine Learning
Azure Storage
気象データ
過去の
生産データ
生産データ
可視化
25. © 2017 Knowledge Communication Co., Ltd.
AIを金融の分野にも活用できるか
RISE UP CLUB:https://www.riseupclub.com/CS202_CorpMbrshpArticleRefPage?name=0354
マルチクラウドの
機械学習から自動的に
最適化を行う
「ナレコムAI」
クラウドAI×専門家不要
26. © 2017 Knowledge Communication Co., Ltd. 26
私達の仮説:データ分析はデータサイエン
ティストだけのものではない
課題発掘・
ゴール設定
データ
設計
データ
加工
モデル
作成
テスト 活用
データサイエンティストで
ないと出来ない範囲
業務担当者が
できる範囲
27. © 2017 Knowledge Communication Co., Ltd. 27
業務担当者が直接データ分析ができるようにする
機械学習プラットフォーム
データサイエンティストIT担当業務担当
データ分析の敷居を下げるため
データサイエンティストの担当箇所をカバーする
プロダクト「ナレコムAI」
課題発掘・
ゴール設定
データ
設計
データ
加工
モデル
作成
テスト 活用
28. © 2017 Knowledge Communication Co., Ltd. 28
機械学習の予測モデルの自動最適化
課題発掘・
ゴール設定
データ
設計
データ
加工
モデル
作成
テスト 活用
アルゴリズム選択 パラメーターチューニング
アセスメント
[今まで]数千万通りから数週間以上かけて
経験と勘で選んだ数十~数百パターンで最適化
29. © 2017 Knowledge Communication Co., Ltd.
アルゴリズム1
アルゴリズム2
アルゴリズム3
モードA
モードB
レート0.1
レート0.2
レート0.3
Data Source
最適
モデル
作成
難しいアルゴリズム選定、パラメーター調整を自動最適化
[ナレコムAIなら] 1時間以内に数百~数千の組
み合わせから自動的に最適な予測モデルを構築
機械学習の予測モデルの自動最適化
35
マルチクラウド
アルゴリズム
30. © 2017 Knowledge Communication Co., Ltd.
特徴
36
アルゴリズム
パラメータ
モデル1 正解率91%
モデル2 正解率71%
モデル3 正解率45%
モデル4 正解率86%
モデル5 正解率65%
Microsoft Azure
■簡単 :アップロードして予測対象を指定するだけ
➡最適なアルゴリズム、パラメータを自動選択
■高精度:最新のアルゴリズムを利用可能
➡複数のクラウドサービスの機械学習APIを利用
■速い :数十分でモデル作成完了
➡クラウド上でモデル作成を並列実行
31. © 2017 Knowledge Communication Co., Ltd.
補足資料 : モデル精度について
36
世界の統計の専門家やデータ分析家が最適モデルを競う
「 Kaggle 」におけるナレコムAIの結果
モデル スコア(pt) 備考
世界トップが作成したモデル 0.829072
ナレコムAIで生成したモデル 0.821963 トップと僅か0.008pt差
未チューニングモデル 0.688330
トップクラスのデータサイエンティストが300回近く試行錯誤したスコア
32. © 2017 Knowledge Communication Co., Ltd. 32
まとめ
■色々な業種・業界で利用されている機械学習
■早く、安く、簡単にAIを試せる「ナレコムAI」
■データ分析の敷居を下げるクラウドAI
33. © 2017 Knowledge Communication Co., Ltd. 33
AIに興味があるエンジニアを
絶賛大募集中です。
ご興味ある方はメッセージください。
https://www.facebook.com/yuji.koizumi.9