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。

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. 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. 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. 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. 機械学習とは

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. 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. 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. 機械学習とは
Using known data, develop a model to
predict unknown data.

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. 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. 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. 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. 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. 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. 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. 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. 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. ML Studio の使い方

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. 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. ML Studio～Studio 画面 (1/4)
Experiments
（学習モデル作成）

23. ML Studio～Studio 画面 (2/4)
作成済み
Web サービス一覧

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. ML Studio～Studio 画面 (4/4)
作成済み学習モデル
（再利用可能）

26. 学習モデルの作り方

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. 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. 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. （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. 参考
自習のために

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. 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. 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