Download as PDF, PPTX
Uploaded byKeita Onabuta
Azure Machine Learning Build 2020
Build 2020 最新アップデート Analytics&AI https://dllab.connpass.com/event/177706/
![[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ～ Azure ...](https://cdn.slidesharecdn.com/ss_thumbnails/20190629ml15azuremlbuild2019updates-190630053028-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Japan Tech summit 2017] MAI 003](https://cdn.slidesharecdn.com/ss_thumbnails/techsummit2017pdfmai003-171116035458-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Microsoft Tech Summit 2018] Azure Machine Learning サービスと Azure Databricks で実...](https://cdn.slidesharecdn.com/ss_thumbnails/20181107techsummitazuremldatabricks-181108015121-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Developers Festa Sapporo 2018] Azure AI ～Microsoft AzureでのAI開発のイマ～](https://cdn.slidesharecdn.com/ss_thumbnails/20181117devfestasapporoazureaipublic-181119035506-thumbnail.jpg?width=640&height=640&fit=bounds)
![[DLLAB Engineer Days 講演資料] Automated ML & Model Interpretability](https://cdn.slidesharecdn.com/ss_thumbnails/automatedmlmodelinterpretability-191009020857-thumbnail.jpg?width=640&height=640&fit=bounds)
Azure Machine Learning Build 2020
- 1.
- 2. konabuta Keita Onabuta Cloud SolutionArchitect - Machine Learning & Deep Learning
- 3. • Data Scientist、機械学習エンジニア •AI プロジェクト担当者・責任者 • 機械学習の導入のハードルの高さや運用管理の煩雑さに 課題を抱えている • Azure Machine Learning の最新動向を 4 つの特徴の観点から ご理解いただき、皆様の機械学習プロジェクトでご活用いただく 対象者 課題 ゴール
- 4.
- 5. モデル学習 パッケージ化 & モデル検証 アセット管理モニタリングデプロイ CI/CD & モデル再学習 Azure DevOps & GitHub 統合
- 6. TrustedIndustry leading MLOps Open & Interoperable Forall skill levels あらゆるスキルレベルに対応し、 ML の生産性・利便性を向上 DevOps 連携による ML ライフサイクルの運用管理 責任のある ML ソリューションの構築 オープンテクノロジーの採用 と相互運用性の実現
- 7. TrustedIndustry leading MLOps Open & Interoperable Forall skill levels AutoML BERT No-Code Deep Learning GitHub Actions Responsible MLNotebook
- 8. TrustedIndustry leading MLOps Open & Interoperable GitHubAction Responsible MLNotebook For all skill levels AutoML BERT No-Code Deep Learning
- 9.
- 10. • 直感的なマウス操作でパイプライン構築 • 特徴量エンジニアリング •モデル学習 (回帰、分類、クラスタリング) • • 推論 (リアルタイム & バッチ) • カスタムモデル・スクリプト (Python, R) 機械学習パイプライン構築、テスト、デプロイするためのビジュアルワークフロー ※ 参考 : Azure Machine Learning デザイナー (プレビュー) とは https://docs.microsoft.com/ja-jp/azure/machine-learning/concept-designer
- 11. Deep Learning による画像認識モデルを追加 •PyTorch を採用 • 基本的な画像の前処理 • 学習済みモデルによる転移学習 レコメンデーションのアルゴリズム強化 • wide & deep recommender • 協調フィルタリングとコンテンツベースのハイブリッド型 Wide & Deep Learning for Recommender Systems” by Cheng et al. ※参考 : Algorithm & module reference for Azure Machine Learning designer (preview) https://docs.microsoft.com/ja-jp/azure/machine-learning/algorithm-module- reference/module-reference?view=azure-ml-py
- 12.
- 14. For all skill levels TrustedOpen& Interoperable Responsible MLNotebook AutoML BERT No-Code Deep Learning Industry leading MLOps GitHub Actions
- 15. Data Scientist ITProfessional モデル学習の再現性 モデル再学習の自動化シンプルなデプロイモデル検証 "エンドーツーエンドの機械学習ライフサイクルを実現”
- 16. Data Scientist ITProfessional モデル学習の再現性 モデル再学習の自動化シンプルなデプロイモデル検証 "エンドーツーエンドの機械学習ライフサイクルを実現” Azure DevOps & Github Azure Machine Learning
- 17. Github 上で AzureML の CI/CD を構築するための Github Actions を Github Marketplace にて公開 GitHub Actions Azure ML
- 18. • エンタープライズレベルの CI/CDによって GitHub によるワークフローを自動化 • GitHub とネイティブ統合 • 3,400 以上の Actions が Marketplace で公開 • マネージド or セフルホステッド環境が 利用可能 ※参考 : GitHub Actionsについて https://help.github.com/ja/actions/getting- started-with-github-actions/about-github-actions
- 19. Workspace Compute ActionRun Action Register Model Action Deploy Action Azure ML Workspace の作成と接続 GPU/CPU サーバ の作成と接続 Python スクリプトや ML パイプラインの実行 学習済みモデルの登録 Kubernetes へ モデルのデプロイメント
- 20. Demo ~MLOps~ git commitをトリガーにした CI/CD の実行 MLOps with GitHub Actions and Azure Machine Learning (デモで利用) https://github.com/machine-learning-apps/ml-template-azure
- 22. Industry leading MLOps GitHub Action Forall skill levels Trusted Responsible MLAutoML BERT No-Code Deep Learning Open & Interoperable Notebook
- 23. nteract & MonacoEditor を UI に採用 コラボレーション機能 (coming soon) Python スクリプトの自動生成 (coming soon) Compute Instances をエンジン • 普段使い慣れた Jupyter Notebook & Jupyter Lab への切り替えも容易
- 24. https://channel9.msdn.com/Shows/AI-Show/Edit-and-run-Jupyter-notebooks-without- leaving-Azure-Machine-Learning-studio by Kaitlin McKinnon,Azure Machine Learning Program Manager
- 25. Industry leading MLOps GitHub Action Forall skill levels Open & Interoperable Notebook AutoML BERT No-Code Deep Learning Trusted Responsible ML
- 26.
- 27. Understand Protect Control モデルの理解と公平性の実現プライバシー保護と機密性の確保 機械学習プロセス管理とガバナンス
- 28. Understand Protect Control モデルの理解と公平性の実現プライバシー保護と機密性の確保 機械学習プロセス管理とガバナンス
- 29.
- 30. https://github.com/fairlearn/fairlearn 公平性の評価 : 公平性を評価する一般的なメトリックと ダッシュボードを利用した Sensitive Featureの評価 モデルのフォーマット : scikit-learn, TensorFlow, PyTorch, Keras などに対応 メトリック: 15以上の一般的なグループを対象にした公 平性メトリック モデルの種類: クラス分類、回帰 不公平性の軽減 : 最先端のアルゴリズムによって 分類・回帰モデルの不公平性を軽減
- 31. Demo ~Fairlearn~ ローン審査モデルにおける不公平性の Mitigate(軽減) ※ サンプルコード：Using Fairlearn GridSearch with census data https://github.com/fairlearn/fairlearn/blob/master/notebooks/Grid%20Search%20 with%20Census%20Data.ipynb
- 34.
- 35.
- 36.
- 37.
- 38. 各特徴量がどのくらい寄与 House price prediction: $300,000 Average house priceprediction for all apartments is $310,000 Delta here is - $10,000
- 39. Parks contributed +10k Cats banned contributed-20k Secure neighborhood contributed +10k Wall painting needed contributed -10k 各特徴量がどのくらい寄与
- 40. https://channel9.msdn.com/Shows/AI-Show/The-Science-Behind-InterpretML-SHAP by Scott Lundberg,SHAP Founder @Microsoft Research
- 41.
- 43. TrustedIndustry leading MLOps Open & Interoperable Forall skill levels AutoML BERT Designer for Deep Learning GitHub Actions Responsible MLNotebook
- 44. 参考情報 Open Source RepoLink Microsoft ML Tech List Microsoft の機械学習テクノロジー集 https://aka.ms/microsoft-ml-tech Azure ML Notebook Azure Machine Learning 公式サンプルコード https://aka.ms/ml-notebooks BERT Large 自然言語モデル BERT のサンプルコード http://aka.ms/azure-bert LightGBM LightGBM トップページ https://aka.ms/lightgbm ONNX ONNX トップページ https://aka.ms/onnx Distributed DL 分散深層学習サンプルコード https://aka.ms/distdl 機械学習レシピ集 Link Computer Vision コンピュータビジョン (Faster-RCNN ...) https://aka.ms/cv-recipes NLP 自然言語処系 (BERT, GenSen ...) https://aka.ms/bert-recipes Recommenders レコメンデーション (NCF, SAR ...) https://aka.ms/reco-recipes Forecasting 時系列予測 https://aka.ms/forecast-recipes MLOps MLOps CI/CD・コード集 https://aka.ms/cicd-recipes