Submit Search
Upload
AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)
•
5 likes
•
2,073 views
Keita Onabuta
Follow
Azure Machine Learning の AutoML の機能 % モデル解釈の機能
Read less
Read more
Report
Share
Report
Share
1 of 23
Download now
Download to read offline
Recommended
東北大学AIE - 機械学習中級編とAzure紹介
東北大学AIE - 機械学習中級編とAzure紹介
Daiyu Hatakeyama
機械学習のモデル作成は、多くの試行錯誤の中で行われ、終わりが見えません。直近数年は、更に効率的にモデル作成 を行う研究やそれらの実装が進んでいます。機械学習自身がブーム的に扱われがちであるが故、研究や技術的興味が 先行しがちです。結果、学習のためのデータに内包しているプライバシーやバイアスの取り扱い。そして、倫理観。そ して製造物としての説明責任が大きな問題になっています。ここでは、機械学習のモデル作成経験のある方を対象と して、学習処理の自動化や、モデルのブラックボックス化を最小化するための、最新の機械学習のツールをご紹介し ます。
Azure Machine Learning アップデートセミナー 20191127
Azure Machine Learning アップデートセミナー 20191127
Keita Onabuta
Azure Machine Learning Update Seminar Ignite 2019
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
Keita Onabuta
製造業における品質管理・設備保全での機械学習の適用方法についてのスライドです。
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
Daiyu Hatakeyama
前処理に欠かせない存在となっている Azure Synapse Analytics。実は推論実行の場の側面も持っています。Spark・SQL Pool(s)・機械学習連携に焦点を当ててご紹介します。
DataDrift in Azure Machine Learning
DataDrift in Azure Machine Learning
Keita Onabuta
Data Drift feature in Azure Machine Learning
Azure machine learning service 最新の機械学習プラットフォーム
Azure machine learning service 最新の機械学習プラットフォーム
Keita Onabuta
クラウドベースのオープンな機械学習プラットフォームである Azure Machine Learning service ご紹介スライド
【Microsoft×Aidemy】初めて作る!機械学習モデルハンズオンセミナー: Designer の知っておきたい便利機能
【Microsoft×Aidemy】初めて作る!機械学習モデルハンズオンセミナー: Designer の知っておきたい便利機能
Daiyu Hatakeyama
GUI でのモデルの構築・展開の出来る Designer はともすれば基本的な機能しかないと思いがちです。 本格的なデータサイエンス プロジェクトに役に立つ機能を3つピックアップしてご紹介します。
Neural Network Intelligence 概要 (AutoML Platform)
Neural Network Intelligence 概要 (AutoML Platform)
Keita Onabuta
Neural Network Intelligence は Microsoft が開発している AutoML ための Open Source Platform です。様々なHPO (HyperParameter Optimization) 、NAS (Neural Architecture Search) への対応を目指しています。
Recommended
東北大学AIE - 機械学習中級編とAzure紹介
東北大学AIE - 機械学習中級編とAzure紹介
Daiyu Hatakeyama
機械学習のモデル作成は、多くの試行錯誤の中で行われ、終わりが見えません。直近数年は、更に効率的にモデル作成 を行う研究やそれらの実装が進んでいます。機械学習自身がブーム的に扱われがちであるが故、研究や技術的興味が 先行しがちです。結果、学習のためのデータに内包しているプライバシーやバイアスの取り扱い。そして、倫理観。そ して製造物としての説明責任が大きな問題になっています。ここでは、機械学習のモデル作成経験のある方を対象と して、学習処理の自動化や、モデルのブラックボックス化を最小化するための、最新の機械学習のツールをご紹介し ます。
Azure Machine Learning アップデートセミナー 20191127
Azure Machine Learning アップデートセミナー 20191127
Keita Onabuta
Azure Machine Learning Update Seminar Ignite 2019
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
Keita Onabuta
製造業における品質管理・設備保全での機械学習の適用方法についてのスライドです。
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
Daiyu Hatakeyama
前処理に欠かせない存在となっている Azure Synapse Analytics。実は推論実行の場の側面も持っています。Spark・SQL Pool(s)・機械学習連携に焦点を当ててご紹介します。
DataDrift in Azure Machine Learning
DataDrift in Azure Machine Learning
Keita Onabuta
Data Drift feature in Azure Machine Learning
Azure machine learning service 最新の機械学習プラットフォーム
Azure machine learning service 最新の機械学習プラットフォーム
Keita Onabuta
クラウドベースのオープンな機械学習プラットフォームである Azure Machine Learning service ご紹介スライド
【Microsoft×Aidemy】初めて作る!機械学習モデルハンズオンセミナー: Designer の知っておきたい便利機能
【Microsoft×Aidemy】初めて作る!機械学習モデルハンズオンセミナー: Designer の知っておきたい便利機能
Daiyu Hatakeyama
GUI でのモデルの構築・展開の出来る Designer はともすれば基本的な機能しかないと思いがちです。 本格的なデータサイエンス プロジェクトに役に立つ機能を3つピックアップしてご紹介します。
Neural Network Intelligence 概要 (AutoML Platform)
Neural Network Intelligence 概要 (AutoML Platform)
Keita Onabuta
Neural Network Intelligence は Microsoft が開発している AutoML ための Open Source Platform です。様々なHPO (HyperParameter Optimization) 、NAS (Neural Architecture Search) への対応を目指しています。
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
Recruit Lifestyle Co., Ltd.
2019年4月16日(火)開催「PyData.Tokyo Meetup #19 SysML」の発表資料。 データ活用施策を実サービスに組み込むには、データサイエンス・機械学習のスキルだけでなく、エンジニアリングスキルも必要です。そのため、毎回データサイエンティスト・エンジニアの工数が発生して施策がスローダウンしたり、そもそも実施を諦めることてしまうことも少なくありません。私たちリクルートライフスタイルの CET チームは、この問題を解消するため、データ活用のための統一基盤を開発・運用しデータサイエンティストだけで施策を実施できる環境を整えています。本セッションでは、その基盤がどのように構築されているのか、また実際にどのような施策が実施されているのかを具体的にご紹介します。 https://pydatatokyo.connpass.com/event/123479/
BrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AI
Daiyu Hatakeyama
システムの一部として、AI を組み込む際に、大きな課題となっているのは、Data の扱いです。ツールの出来る事はまだ少ないのですが、その中でも2020年2月時点の Azure のBig Data x Machine Learning の Platform の方向性を取り扱います。
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
機械学習の jupyternotebook のコードを動かした後は、実プロジェクトへの応用を始めると思います。 そのプロジェクト自体の全体像と、その中の一部ですが - 環境構築 - Hyperparameter Turning - Responsible AI (Model Explanation について、扱います
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Daiyu Hatakeyama
AutoML に絞っての Azure Machine Learning のハンズオンの概要説明資料です。 ハンズオンのテキストはこちら。 GUI版: https://docs.microsoft.com/ja-jp/azure/machine-learning/tutorial-first-experiment-automated-ml Deep Learning with Code版: https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/training-with-deep-learning/train-hyperparameter-tune-deploy-with-keras
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Daiyu Hatakeyama
Build 2018 の情報も一部取り入れて、データサイエンティスト + Developer のための、Microsoft AI Platform のご紹介です。Data Science VM | Azure Machine Learning Services | Azure IoT Edge までカバーいています。
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Keita Onabuta
Azure Machine Learning & ONNX 概要
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
Daiyu Hatakeyama
AIが何をどこまで出来るようになっているのか? そして、AIのエンジンである、機械学習部分を作るために、現在どんな道具があるのか。2017年9月時点の最新情報をお伝えします。
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
Daiyu Hatakeyama
映像・放送業界における主要データである映像の解析エンジンとその活用の実装について Step by Step で解説。Video Indexer と Logic App の使い方を中心にしています。
Spark Analytics - スケーラブルな分散処理
Spark Analytics - スケーラブルな分散処理
Tusyoshi Matsuzaki
DEEP LEARNING LAB「Ignite 2019 最新アップデート AI & BigData 」での登壇資料
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
2018/06/27 に開催された DEEP LEARNING LAB の 10:10 - 10:40 のセッションにてご紹介した、Cognitive Services に関するご案内スライドです。
Azure Machine Learning services 2019年6月版
Azure Machine Learning services 2019年6月版
Daiyu Hatakeyama
Azure Machine Learning servicesの概要資料です。データクリーニング・AutoML含む学習・k8s, IoTも選択肢の展開、そしてMLOpsの概要です。 サービス自体が逐次更新されますので、あくまでスナップショットとして。
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Daiyu Hatakeyama
2017年9月初旬時点での、Microsoft のAI技術の取り組みを紹介します。Cognitive Service、Azure Data Lake、Azure Media Services、SQL Server 2017 などです。
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
Recruit Lifestyle Co., Ltd.
2018年9月30日開催『Serverlessconf Tokyo 2018』での発表資料。 http://tokyo.serverlessconf.io/home.html 株式会社リクルートライフスタイル 山田 雄・秋本 大樹・白鳥 昇治
Azure Cognitive Services
Azure Cognitive Services
Deep Learning Lab(ディープラーニング・ラボ)
日本マイクロソフト株式会社 大塚将由
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Daiyu Hatakeyama
Azure Machine Learning には、機械学習のモデル開発作業を強力にサポートする、AutoML機能が搭載されています。Hyperparameter Turning、Model Explanationだけでなく、GPUマシンの管理なども。これらを時間の許す限り徹底的に解説します!
Azure Machine Learning Services 概要 - 2019年3月版
Azure Machine Learning Services 概要 - 2019年3月版
Daiyu Hatakeyama
Azure Machine Learning Services の概要です。 データの準備、学習ジョブ、モデルの展開、Automated Machine Learning、Hyperparameter Explorer、ONNIX、WindowsMLなどが含まれています。
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
Ryoma Nagata
https://sqlserver.connpass.com/event/216911/ 【初級、中級者向け】Azure Purview Linage for Synapse Dataflow/Spark 登壇資料
20180627 databricks ver1.1
20180627 databricks ver1.1
Hirono Jumpei
DLLAB Machine Learning Meetup Databricks
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Daiyu Hatakeyama
Build 2020 で Reinforcement Learning の開発が Azure Machine Learning 上でやり易くなりました。 主に以下の2つについて取り扱います - RLlib on Ray - bonsai
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
HironoriTAKEUCHI1
JST未来社会 未来社会創造事業 機械学習を用いたシステムの高品質化・実用化を加速する”Engineerable AI”(eAI)プロセスパターンチーム による機械学習応用システムのアーキテクチャ・デザインパターンの整理
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
Naoki (Neo) SATO
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/
More Related Content
What's hot
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
Recruit Lifestyle Co., Ltd.
2019年4月16日(火)開催「PyData.Tokyo Meetup #19 SysML」の発表資料。 データ活用施策を実サービスに組み込むには、データサイエンス・機械学習のスキルだけでなく、エンジニアリングスキルも必要です。そのため、毎回データサイエンティスト・エンジニアの工数が発生して施策がスローダウンしたり、そもそも実施を諦めることてしまうことも少なくありません。私たちリクルートライフスタイルの CET チームは、この問題を解消するため、データ活用のための統一基盤を開発・運用しデータサイエンティストだけで施策を実施できる環境を整えています。本セッションでは、その基盤がどのように構築されているのか、また実際にどのような施策が実施されているのかを具体的にご紹介します。 https://pydatatokyo.connpass.com/event/123479/
BrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AI
Daiyu Hatakeyama
システムの一部として、AI を組み込む際に、大きな課題となっているのは、Data の扱いです。ツールの出来る事はまだ少ないのですが、その中でも2020年2月時点の Azure のBig Data x Machine Learning の Platform の方向性を取り扱います。
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
機械学習の jupyternotebook のコードを動かした後は、実プロジェクトへの応用を始めると思います。 そのプロジェクト自体の全体像と、その中の一部ですが - 環境構築 - Hyperparameter Turning - Responsible AI (Model Explanation について、扱います
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Daiyu Hatakeyama
AutoML に絞っての Azure Machine Learning のハンズオンの概要説明資料です。 ハンズオンのテキストはこちら。 GUI版: https://docs.microsoft.com/ja-jp/azure/machine-learning/tutorial-first-experiment-automated-ml Deep Learning with Code版: https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/training-with-deep-learning/train-hyperparameter-tune-deploy-with-keras
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Daiyu Hatakeyama
Build 2018 の情報も一部取り入れて、データサイエンティスト + Developer のための、Microsoft AI Platform のご紹介です。Data Science VM | Azure Machine Learning Services | Azure IoT Edge までカバーいています。
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Keita Onabuta
Azure Machine Learning & ONNX 概要
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
Daiyu Hatakeyama
AIが何をどこまで出来るようになっているのか? そして、AIのエンジンである、機械学習部分を作るために、現在どんな道具があるのか。2017年9月時点の最新情報をお伝えします。
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
Daiyu Hatakeyama
映像・放送業界における主要データである映像の解析エンジンとその活用の実装について Step by Step で解説。Video Indexer と Logic App の使い方を中心にしています。
Spark Analytics - スケーラブルな分散処理
Spark Analytics - スケーラブルな分散処理
Tusyoshi Matsuzaki
DEEP LEARNING LAB「Ignite 2019 最新アップデート AI & BigData 」での登壇資料
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
2018/06/27 に開催された DEEP LEARNING LAB の 10:10 - 10:40 のセッションにてご紹介した、Cognitive Services に関するご案内スライドです。
Azure Machine Learning services 2019年6月版
Azure Machine Learning services 2019年6月版
Daiyu Hatakeyama
Azure Machine Learning servicesの概要資料です。データクリーニング・AutoML含む学習・k8s, IoTも選択肢の展開、そしてMLOpsの概要です。 サービス自体が逐次更新されますので、あくまでスナップショットとして。
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Daiyu Hatakeyama
2017年9月初旬時点での、Microsoft のAI技術の取り組みを紹介します。Cognitive Service、Azure Data Lake、Azure Media Services、SQL Server 2017 などです。
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
Recruit Lifestyle Co., Ltd.
2018年9月30日開催『Serverlessconf Tokyo 2018』での発表資料。 http://tokyo.serverlessconf.io/home.html 株式会社リクルートライフスタイル 山田 雄・秋本 大樹・白鳥 昇治
Azure Cognitive Services
Azure Cognitive Services
Deep Learning Lab(ディープラーニング・ラボ)
日本マイクロソフト株式会社 大塚将由
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Daiyu Hatakeyama
Azure Machine Learning には、機械学習のモデル開発作業を強力にサポートする、AutoML機能が搭載されています。Hyperparameter Turning、Model Explanationだけでなく、GPUマシンの管理なども。これらを時間の許す限り徹底的に解説します!
Azure Machine Learning Services 概要 - 2019年3月版
Azure Machine Learning Services 概要 - 2019年3月版
Daiyu Hatakeyama
Azure Machine Learning Services の概要です。 データの準備、学習ジョブ、モデルの展開、Automated Machine Learning、Hyperparameter Explorer、ONNIX、WindowsMLなどが含まれています。
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
Ryoma Nagata
https://sqlserver.connpass.com/event/216911/ 【初級、中級者向け】Azure Purview Linage for Synapse Dataflow/Spark 登壇資料
20180627 databricks ver1.1
20180627 databricks ver1.1
Hirono Jumpei
DLLAB Machine Learning Meetup Databricks
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Daiyu Hatakeyama
Build 2020 で Reinforcement Learning の開発が Azure Machine Learning 上でやり易くなりました。 主に以下の2つについて取り扱います - RLlib on Ray - bonsai
What's hot
(20)
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
BrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AI
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
Spark Analytics - スケーラブルな分散処理
Spark Analytics - スケーラブルな分散処理
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Azure Machine Learning services 2019年6月版
Azure Machine Learning services 2019年6月版
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Open Cloud カンファレンス@札幌 Microsoft AI最前線
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
Azure Cognitive Services
Azure Cognitive Services
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Azure Machine Learning Services 概要 - 2019年3月版
Azure Machine Learning Services 概要 - 2019年3月版
MLOpsはバズワード
MLOpsはバズワード
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
20180627 databricks ver1.1
20180627 databricks ver1.1
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Similar to AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
HironoriTAKEUCHI1
JST未来社会 未来社会創造事業 機械学習を用いたシステムの高品質化・実用化を加速する”Engineerable AI”(eAI)プロセスパターンチーム による機械学習応用システムのアーキテクチャ・デザインパターンの整理
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
Naoki (Neo) SATO
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/
【de:code 2020】 AutoML ではじめる機械学習の民主化
【de:code 2020】 AutoML ではじめる機械学習の民主化
日本マイクロソフト株式会社
機械学習をビジネスで活用する機運が高まっているものの、モデル構築には高度な専門性が要求され、本番環境でモデルを継続的に運用管理することは難しいものです。本セッションでは、Azure Machine Learning の自動機械学習 (Automated ML) を使って、精度が高い機械学習モデルを自動・高速に作成する方法と運用方法についてご説明します。
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
Denodo
Watch full webinar here: https://bit.ly/3QM4bgI データ仮想化(Denodo)を活用した当社の考えるアーキテクチャーの中から今回はDenodoとプログラミング言語の一例としてPythonにフォーカスをあてて、データの理解・データの準備・モデル作成・評価・展開のフローとそれぞれで用いる仕組みと注目ポイントについてご紹介致します。 また分析モデル作成の自動化をご支援する仕組みとしてDataRobotの概要と注目ポイント についてもご紹介致します。
Azure Machine Learning Build 2020
Azure Machine Learning Build 2020
Keita Onabuta
Build 2020 最新アップデート Analytics&AI https://dllab.connpass.com/event/177706/
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~
Naoki (Neo) SATO
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~ https://satonaoki.wordpress.com/2018/11/19/devfesta-azure-ai/
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
Ayako Omori
九州インフラ交流勉強会(KIXS) Vol.000(2016/8/26) のLT (Microsoft Cognitive Services 入門 & Azure サーバー管理ツール) 資料です。
スマートエスイーセミナー:機外学習応用システムパターンの例
スマートエスイーセミナー:機外学習応用システムパターンの例
HironoriTAKEUCHI1
7月13日のセミナー資料
エンタープライズと機械学習技術
エンタープライズと機械学習技術
maruyama097
エンタープライズでの機械学習技術の受容の背景 いくつかの機械学習アルゴリズムの紹介 MS Azure Machine Learning での開発のサンプル
Azure Machine Learning の使い方 (全体を理解するための入門編)
Azure Machine Learning の使い方 (全体を理解するための入門編)
hnishi
会社の勉強会で発表した資料を public に公開できる形にしました。 できるだけ図を入れてイメージしやすく、Azure Machine Learning を概観できるように意識して解説しました。
機械学習アーキテクチャ・デザインパターン
機械学習アーキテクチャ・デザインパターン
Hironori Washizaki
鷲崎弘宜, 機械学習システムの33のアーキテクチャパターンおよびデザインパターン, スマートエスイーセミナー: 機械学習デザインパターンとアジャイル品質パターン, 2019年11月8日(金), 早稲田大学 西早稲田キャンパス
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
Hironori Washizaki
鷲崎弘宜, 機械学習システムの33のアーキテクチャパターンおよびデザインパターン, スマートエスイーセミナー: 機械学習デザインパターンとアジャイル品質パターン, 2019年11月8日(金), 早稲田大学 西早稲田キャンパス
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
Kohei Ogawa
▼発表内容はこちら。 Azure AI (Cognitive Services, Azure Machine Learning, Applied AI Service)アップデートに関して。 今回のUpdateにより、GPT-3をAzureで使える「Azure OpenAI Service」や、言語処理系サービスを統合し、新機能が追加された「Azure Cognitive Service for Language」等が発表されました。それらを中心にAzure Synapse AnalyticsとのAI/ML連携やその他の最新Updateも絡めて、最新情報をお伝えします! ▼イベントページはこちら https://dllab.connpass.com/event/232219/
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Takuya Minagawa
2024年3月3日開催 第12回全日本コンピュータビジョン勉強会(JapanCV)「データセット関連読み会」の発表資料です。 https://kantocv.connpass.com/event/307177/ Machine Learning Operations (MLOps): Overview, Definition, and Architecture 読みました。 https://arxiv.org/abs/2205.02302
Microsoft AI Platform
Microsoft AI Platform
Daiyu Hatakeyama
Microsoft の AI Platform について特徴的な部分のみ取り上げます。Cognitive Services、SQL Server Machine Learning Service、Azure Machine Learning Services などです。
MLOps入門
MLOps入門
Hiro Mura
社内勉強会
機械学習応用アーキテクチャ・デザインパターン概観
機械学習応用アーキテクチャ・デザインパターン概観
Hironori Washizaki
鷲崎弘宜, 機械学習応用アーキテクチャ・デザインパターン概観, スマートエスイーセミナー: IoT・機械学習応用ソフトウェアの設計とパターン, 2020/07/13
20181117 azure ml_seminar_1
20181117 azure ml_seminar_1
sady_nitro
20181117 Azure Machine Lerning 勉強会 in Okayama (1)
IoT World Conference 2017 - Microsoft AI Platform
IoT World Conference 2017 - Microsoft AI Platform
Daiyu Hatakeyama
IoT World Conference 2017 での講演資料です。IoTとAIの織り成すIntelligentな世界を作るための新しいツールとPlatformをご紹介しています。
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
Hironori Washizaki
鷲崎弘宜, 機械学習デザインパターンおよび機械学習システムの品質保証の取り組み, 豆寄席 オンラインセミナー, 2021年8月25日
Similar to AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)
(20)
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
【de:code 2020】 AutoML ではじめる機械学習の民主化
【de:code 2020】 AutoML ではじめる機械学習の民主化
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
Azure Machine Learning Build 2020
Azure Machine Learning Build 2020
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
スマートエスイーセミナー:機外学習応用システムパターンの例
スマートエスイーセミナー:機外学習応用システムパターンの例
エンタープライズと機械学習技術
エンタープライズと機械学習技術
Azure Machine Learning の使い方 (全体を理解するための入門編)
Azure Machine Learning の使い方 (全体を理解するための入門編)
機械学習アーキテクチャ・デザインパターン
機械学習アーキテクチャ・デザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Microsoft AI Platform
Microsoft AI Platform
MLOps入門
MLOps入門
機械学習応用アーキテクチャ・デザインパターン概観
機械学習応用アーキテクチャ・デザインパターン概観
20181117 azure ml_seminar_1
20181117 azure ml_seminar_1
IoT World Conference 2017 - Microsoft AI Platform
IoT World Conference 2017 - Microsoft AI Platform
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)
1.
AutoML のモデルを Azure
ML で解釈してみた 女部田啓太 日本マイクロソフト株式会社 Cloud Solution Architect – Machine Learning & Deep Learning https://github.com/konabuta https://www.linkedin.com/in/ keita-onabuta/
2.
3.
AutoML
4.
モデル学習のプロセス アルゴリズム 選択 パラメータ 選択 特徴量 エンジニアリング モデルデータ 学習 モデル探索
5.
• 試行錯誤が楽になる • 誰でも機械学習モデルが作れる
(AI の民主化) • モデルを大量に生成できる • 多数セグメントの需要予測・マーケティング etc
6.
Microsoft Research (MSR)
7.
8.
企業における機械学習プロジェクトを支えるプラットフォーム インフラ管理 スケジューリング、オートスケール、バックアップ データセット管理 プロファイル、バージョン、ラベリング、ドリフト検知 推論環境 (Cloud &
Edge) リアルタイム & バッチ、No Code Deploy 分析機能 機械学習、深層学習、強化学習 (private preview) (Python & R SDK、 Estimator、 自動チューニング) モデル管理 バージョン 実験管理 メトリック、ログ、履歴 民主化 AutoML、 Designer、 Azure ML studio エンタープライズ対応 セキュリティ、ガバナンス、モニタリング、モデル解釈 MLOps 再現性、自動化、Azure DevOps連携、CLI、REST IoT エッジ セキュリティ、管理、デプロイ 機械学習モデル Power BI Data warehouses ONNX + App データソース ライブラリ 開発ツール
9.
企業における機械学習プロジェクトを支えるプラットフォーム インフラ管理 スケジューリング、オートスケール、バックアップ データセット管理 プロファイル、バージョン、ラベリング、ドリフト検知 推論環境 (Cloud &
Edge) リアルタイム & バッチ、No Code Deploy 分析機能 機械学習、深層学習、強化学習 (private preview) (Python & R SDK、 Estimator、 自動チューニング) モデル管理 バージョン 実験管理 メトリック、ログ、履歴 民主化 AutoML、 Designer、 Azure ML studio エンタープライズ対応 セキュリティ、ガバナンス、モニタリング、モデル解釈 MLOps 再現性、自動化、Azure DevOps連携、CLI、REST IoT エッジ セキュリティ、管理、デプロイ 機械学習モデル Power BI Data warehouses ONNX + App データソース ライブラリ 開発ツール aka.ms/aml1127
10.
データ ゴール設定 制約条件 Input ベイズ最適化 +
協調フィルタリングを用いた 効率的な機械学習パイプラインの探索 Optimized model 機械学習のプロセスを全自動で構築する最新アプローチ Output
11.
12.
• Microsoft Research
の研究結果をベースに開発 • NIPS 2018 にて論文を発表 • 強調フィルタリングとベイズ最適化をメタ学習に採用 • プライバシー保護:データを直接見ない • ONNX 変換をサポート • スケーラブルな計算環境による高速学習 RegressionClassification Time Series Forecasting Supervised Learning Automated Machine Learning の利用メリット
13.
microsoft/nni
14.
Hyper Parameter Tuning Network
Morphism など Neural Architect Search
15.
モデル解釈
16.
Model interpretability in
Azure Machine Learning service
17.
※contrib
18.
https://www.kaggle.com/ajay1735/hmeq-data 件数:5961レコード 項目 - 説明変数 :
12 - 目的変数 : 1
19.
モデル全体の説明変数の重要度
20.
個々の予測値についての説明変数の重要度
21.
22.
Azure 無償トライアル :
http://aka.ms/amlfree Azure ML ドキュメント : http://aka.ms/azureml-ja-docs Microsoft Learn :https://aka.ms/mslearn-aml
23.
MICROSOFT CONFIDENTIAL 本資料は情報提供のみを目的としており、本資料に記載されている情報は、本資料作成時点でのマイクロソフトの見解を示し たものです。状況等の変化により、内容は変更される場合があります。本資料に表記されている内容(提示されている条件等 を含みます)は、貴社との有効な契約を通じて決定されます。それまでは、正式に確定するものではありません。従って、本資 料の記載内容とは異なる場合があります。また、本資料に記載されている価格はいずれも、別段の表記がない限り、参考価 格となります。貴社の最終的な購入価格は、貴社のリセラー様により決定されます。マイクロソフトは、本資料の情報に対して 明示的、黙示的または法的な、いかなる保証も行いません。 © 2019
Microsoft Corporation. All rights reserved.
Download now