DBP-014_機械学習の実践ノウハウ提供します! ～AI で広がる夢を現実にする方法～

1. ROOM D

6. 現時点では実現が難しい仮説・検証学習と作り込み

7. SaaS Cognitive Service 画像や音声の認識が得意 API として簡単に利用 PaaS Azure Machine Learning 数値解析が得意解析エンジン開発を強力にサポート PaaS (Managed IaaS) HDInsight 大規模データの数値解析が得意すべてコーディング IaaS Azure Virtual Machines 認識系/数値解析どちらもできる開発者の能力次第

8. SaaS Cognitive Service 画像や音声の認識が得意 API として簡単に利用 PaaS Azure Machine Learning 数値解析が得意解析エンジン開発を強力にサポート PaaS (Managed IaaS) HDInsight 大規模データの数値解析が得意すべてコーディング IaaS Azure Virtual Machines 認識系/数値解析どちらもできる開発者の能力次第

9. AI 投資 ¥0 での AI ソリューション開発手法

13. インストア・マーケティング入店カウンタ +1 属性判定性別／年齢新規／リピーター判定店内動線追跡エリア滞在時間エリア密集度購入者カウンタ +1 入店者リンク付け退店カウンタ +1 非購入者カウンタ +1 滞在時間

17. デモデモ

20.  来店者数把握【顔検知】店員配置最適化  要注意人物検知【顔照合】万引き防止  顧客層把握【年齢／性別解析】品揃え最適化  従業員接客態度判定【感情解析】接客品質向上  顧客表情判定【感情解析】顧客満足度評価  新規／既存顧客判定【顔照合】リピート率把握コストダウン顧客満足度アップ売上利益アップ

21. 25才／女性嬉しい！ v(ô^) 100% (T_T) 83% (-_-#) 2% ♀ 25才 67才／男性悲しい・・・ v(ô^) 0% (T_T) 100% (-_-#) 0% ♂ 67才 36才／男性怒り！ v(ô^) 0% (T_T) 0% (-_-#) 100% ♂ 36才

22. デモ

25. v(^o^) 5% (T_T) 83% (-_-#) 2% ♂ 39才リピーター年齢／性別感情新規 or 既存

26. 解析処理前後の映像を録画サムネイル表示

28. v(^o^) 21% (T_T) 1% (-_-#) 0% ♂ 32才要注意 v(^o^) 0% (T_T) 21% (-_-#) 0% ♀ 18才新規事前登録した要注意人物画像に合致

29. サムネイルクリックで録画映像再生

31. 女性男性 10代以下 20代 30代 40代 50代 60代以上怒り嬉しい悲しい

32. 映像受信映像デコード顔検知 Open CV 映像描画 Emotion API ※兼誤検知チェック Face API V(^o^)V(^o^) ♂ 37才 Emotion API Face API

34. ⇒ 精度の高さ、レスポンスの速さ、インターフェースのシンプルさを実感し、新しいソリューション開発の可能性、実現性を実感しましょう。 ⇒ Face API, Emotion API がそれぞれ 30,000 トランザクション/月使える無料のサブスクリプションがあります。 ⇒ 実際に REST API を実行し、その際の Request/Response メッセージを画面上で確認できます。

37. • 2000年代音声, 画像解析

44. *2016年5/25時点ではアルファ版なので今後変動の可能性あり

45. ほぼマウスクリックだけで、Spark環境を構築できる!! SQL Database HDInsight Head Node 1 Worker Node 1 Worker Node 2 Head Node 2 α版の環境 dbE Cloud VM Azure AD PowerBI

49. 東京都内にある不動産の賃貸物件のリスト名称、住所、移動時間(徒歩何分)、築年数、主要採光面(南向き)、間取り(ワンルーム、4LDKなど)、専有面積(㎡) id 名称住所賃貸料移動時間 .. 専有面積間取り 1ABCビル101 品川区… 128000 4 21.2ワンルーム 2DEFビル506 港区… 158000 3 25.41LDK 3GHIビル204 芝区… 175000 12 28.42LDK

50. 「賃貸物件」、「賃貸物件-駅」、「駅」テーブルから抽出駅名が「渋谷駅」となっているものを抽出抽出結果に対してSpark にて線形回帰を実行賃貸物件賃貸物件-駅等しい渋谷駅駅駅駅線形回帰条件1

54. 詳細は「Ask the Speaker」またはWebで!!

59. 町裕太株式会社ウサギィ代表取締役(10年目人工知能/アルゴリズム @usagee_jp

60. 『ビッダーズプログラミングコンテスト2005』優秀賞『プログラミングコンテスト最強のAIを作ろう！』優勝『HTML5 Japan Cup 2014』２賞受賞『Microsoft Innovation Award 2015』優秀賞

61. アルゴリズム・学術知識に強いシステム開発会社世界中の最新の論文を読んで実装して、速度・精度の高いものだけを取捨選択して様々な用途に応じたエンジンをいくつも持っている。

63. 遺伝アルゴリズムエキスパートシステム音声認識画像認識感性処理機械学習ゲーム自然言語処理情報検索推論探索知識表現データマイニングニューラルネットヒューマンインタフェースプランニングマルチエージェントロボット工学

64. 遺伝アルゴリズムエキスパートシステム音声認識画像認識感性処理機械学習ゲーム自然言語処理情報検索推論探索知識表現データマイニングニューラルネットヒューマンインタフェースプランニングマルチエージェントロボット工学

65. 画像処理のなかに、物体認識という画像に写っているものが何であるか言い当てるタスクがある。大きくわけると特定物体認識と一般物体認識がある。

66. 絵・ロゴ・量産品のラベル（ペットボトルやパッケージ）など

69. ご飯、机、ウサギなど

71. 特徴抽出機械学習新しいデータの認識

72. 人が画像を見て、この画像は赤っぽい特徴を感じるが、その『感じ方』を数値化して扱うこと

77. 沢山のデータ

79. • 万能ではない

80. 必要画像向いているアルゴリズム処理時間マシンリソース精度実装コスト必要な知識特定物体認識少しヒューリスティック小小アルゴリズム次第小～大一般的な画像処理一般物体認識沢山従来手法の機械学習中中アルゴリズム次第中～大上記+ 特徴抽出手法機械学習手法 Deep Learning 大大最強？特大上記+ Deep Learning

91. ＋ ⇓ 人工知能 CNTK 学習データ

92. 簡単＋恐ろしい速さ＋並列計算可能性

93. ２次元や３次元で局所的な相関が強いデータに使う。実質画像専用と思ってよい。時系列データを扱う。前から後ろに一方向に流れるようなデータに向いている。

94. • Image/MNIST 手書き文字認識 • Image/Miscellaneous CIFAR-10(写真)の分類 • Speech/AN4 英語のアルファベットの音声認識

95. • Image/MNIST 手書き文字認識 • Image/Miscellaneous CIFAR-10(写真)の分類 • Speech/AN4 英語のアルファベットの音声認識

96. どちらも公式で用意されていて非常に簡単に試せます

97. 試すのにこれだけ！ # docker を使う場合のイメージの作成と起動 # MNISTから手書き文字データの取得及び変換 # 実行

98. 試すのにこれだけ！ # docker を使う場合のイメージの作成と起動 docker build –t usagee/cntk . docker run –it usagee/cntk # MNISTから手書き文字データの取得及び変換 # 実行

99. 試すのにこれだけ！ # docker を使う場合のイメージの作成と起動 # MNISTから手書き文字データの取得及び変換 cd cntk/Examples/Image/MNIST/AdditionalFiles python mnist_convert.py # 実行

100. 試すのにこれだけ！ # docker を使う場合のイメージの作成と起動 # MNISTから手書き文字データの取得及び変換 # 実行 cntk configFile=../Config/01_OneHidden.cntk

101. 試すのにこれだけ！ # docker を使う場合のイメージの作成と起動 # MNISTから手書き文字データの取得及び変換 cd cntk/Examples/Image/MNIST/AdditionalFiles python mnist_convert.py # 実行 cntk configFile=../Config/01_OneHidden.cntk

108. 【 Session ID 】 DBP-014 アンケートにご協力ください。 ●アンケートに上記の Session ID のブレイクアウトセッションにチェックを入れて下さい。 ●アンケートはお帰りの際に、受付でご提出ください。マイクロソフトスペシャルグッズと引換えさせていただきます。

109. ROOM D Ask the Speaker のご案内 ●本セッションの詳細は、EXPO 会場内『Ask the Speaker』コーナー Room D カウンタにてご説明させていただきます。是非、お立ち寄りください。 Ask the Speaker EXPO会場MAP

110. 有能な AI アシスタントを手に入れる! Microsoft Cognitive Services 入門 Apache Spark for Azure HDInsight ～新世代の Big Data 処理基盤～ Cortana Intelligenceに切り込む! ～未来予測の仕組みと実装～

111. https://www.microsoft.com/cognitive-services/ https://spark.apache.org/ https://www.cntk.ai/

112. http://www.arobaview.com/ http://d-be.co.jp/ http://usagee.co.jp/

114. ArobaView Koro ArobaView Cloud Block Blob Cognitive Services 1) Video 5) Trigger with Face Detection 7) Playback IP Cameras Event Hubs Stream Analytics Power BI 6) Video 2) Face & Emotion Analytics 3) Analysis result 4) Report

116. http://usagee.co.jp/nlp/ http://usagee.co.jp/computer-vision/

117. https://github.com/Microsoft/CNTK/tree/master/Tools /docker

118. https://github.com/Microsoft/CNTK/releases • DL後 prerequisites フォルダ内のものをインストール（VC++/Microsoft MPI/NVIDIA driver(GPU版のみ)） • 環境変数に ACML_FMA=0 を設定 • CNTKにPATHを通せばもう使えます！

119. __COMPLETED__ と表示されれば計算に成功→ 学習とテストの結果テストデータに対してどれぐらいの割合で正解したのかが表示されている ←

120. https://azure.microsoft.com/ja- jp/marketplace/partners/microsoft-ads/standard-data- science-vm/

DBP-014_機械学習の実践ノウハウ提供します! ～AI で広がる夢を現実にする方法～

Recommended

Recommended

More Related Content

Similar to DBP-014_機械学習の実践ノウハウ提供します! ～AI で広がる夢を現実にする方法～

Similar to DBP-014_機械学習の実践ノウハウ提供します! ～AI で広がる夢を現実にする方法～ (20)

More from decode2016

More from decode2016 (20)

Recently uploaded

Recently uploaded (14)

DBP-014_機械学習の実践ノウハウ提供します! ～AI で広がる夢を現実にする方法～