『機械学習 (AI/ML) の基礎と Microsoft の AI | 2019/04/02 Global AI Nights Fukui

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Ad

Global AI Nights Fukui
https://connpass.com/event/123614/
2019年4月2日
主催 : (公財)ふくい産業支援センター / FITEA (福井情報技術者協会)
ハッシュタグ

 小島富治雄
 @Fujiwo
 福井コンピュータグループ
 Microsoft MVP (2005-2019)
自己紹介

先月マイクロソフト本社 (レドモンド) で色々 AI の話を聞いてきました
2

3
世界47か所
日本では
福井、東京、大阪

焼き菓子
トートバッグ
ステッカー
抽選で Surface Laptop 2
Azure の50ドル分のクレジット
(後で試される方)
Powered by Microsoft
4

 https://www.youtube.com/watch?v=yKZT6JUQD9s
キーノート by Microsoft
5

 https://www.videoindexer.ai/accounts/f5e013ef-ec57-41f8-a14d-dd082de0fbcf/videos/c473daff1d/
VideoIndexer | Azure による日本語...

機械学習 (AI/ML) の基礎と
Microsoft の AI
2019年4月2日
小島富治雄
Microsoft MVP (2005～2019)
福井コンピュータグループ

1. 機械学習 (Machine Learning) とは
2. ニューラルネットワークとは
3. デモ
 Microsoft Cognitive Services
 C# / Python による機械学習
 Azure Machine...

 AI61『C# でニューラルネットワークをスクラッチで書いて機械学習の原理を理解しよう』
 de:code 2018
 de:code 2018 Online
Microsoft de:code 2018 や日本マイクロソフト大阪支店...

人間の知能の一部をコンピュータで再現する技術
人工知能 (Artificial Intelligence) とは
10

“ドローンで建設現場を撮影、AzureでAI解析”も可能に
―― 建設IoTプラットフォーム「LANDLOG」が「Microsoft Azure」を採用
11

NSW、DJI、日本マイクロソフトが
ドローンと AI を活用した建築物メンテナンスサービスの開発で協業
12

建築 AI - Google 検索
 AIは建築設計者の敵か味方か | 日経 xTECH
 AIを活用した建築業界の技術を分かりやすく説明 | 世界の最新科学技術
 AIが発達するこの先の未来における建築や都市計画の中で奪われる仕事、新...

 LIFULLのAI戦略、予測分析はマーケティングをどう変えるのか?
 DataRobot シバタアキラ氏と大阪ガス河本薫氏が語る「AIの民主化」
 ピザハット、宅配待ち時間削減へAIベンチャーのGAUSSとデータ解析の取り組みを開始...

デモ
応用例: Seeing AI ～機械が人の目の代わりになる～
15

機械学習
(Machine Learning)
とは
16

人工知能の歴史
17
第1次
AIブーム
第3次
AIブーム
第2次
AIブーム
冬の時代冬の時代
シンギュラリティ
の恐怖
ワトソン
将棋の電王戦
ディープ
ラーニング
機械学習
1960年代 1970年代 1980年代 1990年代 20...

一部で AI が人間に追いついた
認識の正確さ
自動運転の事故率の低さ
将来的に、人間が認識できるものは
認識できる可能性
第3次 AIブーム
18

人工知能の一分野
コンピュータプログラムが経験、
学習を行う
機械学習とは
19

機械学習 (Machine Learning)
ディープラーニング
(深層学習: Deep Learning)
強化学習
(Reinforcement Learning)
深層強化学習
(Deep Reinforcement Learn...

 アルゴリズムを自分で考えプログラミングを行うのではなく、
大きなデータから統計的に解を求める
 例. 株価予想
 通常の開発
株価予想アルゴリズムを考え、それをプログラミング
 機械学習
たくさんの株価のデータ
→ 機械に学習さ...

機械学習の一種
通常のものと違って多層になった
ニューラルネットワークを使用
画像解析や音声認識、自然言語理解、
翻訳など、複雑な処理にはこちら
作成のハードルは、かなり高い
高いコンピュータパワーが求められるため、
CPUだけでな...

ディープラーニング
ニューラルネットワークディープラーニング
23
多層

機械学習の一種
通常の機械学習では、たくさんのパラメーターと
正解をデータとして与え、それを統計的に解析
(学習) することにより、新たなパラメーターから
正解を導けるようになるが、強化学習は、
はっきりとした正解がないような場合に用いられ...

ディープラーニングを用いた強化学習
プロ棋士に勝ったことで有名な「アルファ碁」など
のゲームのAIや自動運転技術などで利用
深層強化学習 (Deep Reinforcement Learning)
25

人工知能と機械学習
人工知能 (AI)
機械学習 (ML)
Deep Learning
26

機械学習でできること
27
回帰分析
(Regression)
クラス分類
(Classification)
クラスタリング
(Clustering)
異常検知
(Anomaly Detection)
数値を予測あらかじめ決められた
種類に分...

数学
線形代数
統計
多変量解析
機械学習に必要な基礎知識
28

プログラミング言語
Python
R言語
etc…
機械学習に必要な基礎知識
29

1. Python
2. Java
3. R
4. C++
5. C
6. JavaScript
7. Scala
8. Julia
機械学習で使われるプログラミング言語
30
What is the Best Programming Lang...

参考: AI プロジェクトには、どんなロールが必要か
31
ロール名ロール必要なスキル人材登用
ＡＩディレクター AI/MLをビジネスのどこに
活用するか
ビジネス社内
ＡＩプロジェクト
マネージャー
データ分析の視点での戦略ビジ...

ビジネス課題ありき
データありき
AI/ML はツールに過ぎない
専門家まかせにしない
リスクの許容
参考: AI プロジェクトのチェックポイント
32

Microsoft Cognitive
Services
Web API 経由で利用でき
る “人口知能パーツ”
ML のモデルを自作せずに、
成果を手軽に利用可
33

例. Cognitive Services Fase API
Cognitive Services で実現可能なシナリオ
34
顔検知
顔照合
感情解析
来店者数
検知・識別
顧客層
要注意人物
新規/リピーター
接客
顧客の表情
シナリオ
...

Cognitive Services Face API を使った
「アロバビューコーロ」
売上データ、気象、曜日、ディスプレイ、男女比率、
入店率などのデータから、来客予測
例. 創業100年の老舗に学ぶAI活用の極意
「Webiya Sy...

例. 顔の特徴や感情に合わせて商品やサービスの広告を出しわけるアウトドアメディア
「Face Targeting AD」
36
博報堂、博報堂アイ・スタジオ、日本マイクロソフト、AI を活用した
ターゲティング広告配信システムのプロトタイプ開発...

Speech to Text Speaker Recognition
音声文字起こし話者識別/認証
Text to Speech Speech Translation
テキスト読み上げ音声の翻訳
Speech | 音声
37
https:/...

Text Analytics Translator Text Bing Spell Check
テキストの分析テキストの翻訳スペルチェック
Content Moderator Language
Understanding
不快感を与えるコン...

QnA Maker
Q&A 抽出
Knowledge | 知識
39
https://azure.microsoft.com/ja-jp/services/cognitive-services/

Bing Web
Search
Bing Visual
Search
Bing Custom
Search
Bing Entity
Search
Web 検索よく似た画像の識別カスタム検索エンジン名前付きエンティティの
認識と分類
Bin...

Computer Vision Face Video Indexer
画像情報の読み取り顔認識ビデオ内のオブジェクト検出
Content Moderator Custom Vision
不快感を与える画像やビデオの
モデレート
画像認識
Ｖ...

Computer Vision Analyze
42https://azure.microsoft.com/ja-jp/services/cognitive-services/computer-vision/

Computer Vision API
Demo
43

Computer Vision API
44
function onImageUrlButtonClick() {
$('#imageUrlButton').attr("disabled", true);
$('#result').html('...

Custom Vision Service
Demo
45

Custom Vision Service
46
(1)
(2)

Custom Vision Service
47
(1)
(2)

Custom Vision Service
48

Custom Vision API (JavaScript で利用)
49
function onImageUrlButtonClick() {
$('#imageUrlButton').attr("disabled", true);
$('#...

Custom Vision API (C#で利用)
50
public static IEnumerable<(string, double)> PredictImageUrl(string imageUrl)
{
if (!string.Is...

参考: Custom Vision で作成したモデルを Windows ML やモバイルで利用
51https://docs.microsoft.com/ja-jp/azure/cognitive-services/custom-vision-...

ニューラルネットワークとは
52

神経細胞のネットワーク
53

神経細胞のネットワークを模倣
ニューラルネットワーク
入力
入力
・・
・
出力
出力
・
・・
・
・
・
・
・
・・・・
ニューロン
入力層中間層出力層
54

個々のニューロン
ニューロン
出力
入力
入力
・・・
入力
バイアス
55

神経細胞が入力の合計を出力
にするときの性質をモデル化
シグモイド関数
56

ニューラルネットワークによる分類
57

今回作成するニューラルネットワーク
入力
入力
出力
ニューロン
入力層中間層出力層
バイアス
重み
58

今回のニューラルネットワークの訓練
正解ー
1. 重みの修正
2. 重みの修正
入力
入力
ニューロン
入力層中間層出力層
バイアス
重み
出力
59

学習の例
ネコはどこ?
60

学習の例
ネコはどこ?
61

Demo
62

 「C# でニューラルネットワークをフルスクラッチで書いて機械学習の原理を理解しよう」
for Microsoft de:code 2018 AI sessions
https://github.com/Fujiwo/CSharpNeura...

public class Neuron // ニューロン
{
double sum;
public double Value { get; private set; } = 0.0;
public void Input(IEnumerable<...

C# によるニューラルネットワークの実装
public class NeuralNetwork // ニューラルネットワーク
{
// 各層
double[] inputLayer;
Neuron[] middleLayer;
Neuron...

C# によるニューラルネットワークの実装 (続き)
// 実行
public double Commit((double, double) data)
{
// 各層
inputLayer = new[] { data.Item1, data...

C# によるニューラルネットワークの実装 (続き)
// 学習 void Learn((double, double, double) data)
{
var outputData = Commit((data.Item1, data.Ite...

C# によるニューラルネットワークの実装 (続き)
// 学習
public void Learn(IEnumerable<(double, double, double)> dataCollection, int times)
=> tim...

実行結果 (シグモイド関数)
70

実行結果 (座標データと訓練前)
71

実行結果 (教師データと訓練後)
72

訓練前の重みの値
73

訓練後の重みの値
74

2値による分類 (Classification)
75
Longitude 136
Latitude 36
Longitude
Latitude
➢ 一般的なアルゴリズムで
解くことはむつかしい
➢ 二次元だとこんな感じ
➢ 二次元の線で分けら...

機械学習用の
ライブラリー
Microsoft
Cognitive Toolkit
76

機械学習のライブラリー
77
Google 製ディープラーニング用
Preferred
Networks
(日本の企業) 製
ディープラーニング用
BVLC
(カリフォルニア大学)
製
ディープラーニング用
Google 製機械学習一般用
...

CPU と GPU
78
コア数得意分野本来の用途
CPU 2, 4, 8, 16, … 直列処理演算
GPU 数千並列処理画像処理
ディープラーニングは並列処理だらけ

機械学習とGPU
79
○ GPU対応版あり
○ ライブラリーの導入で対応可
○ ライブラリーの導入で対応可
×
Microsoft
Cognitive Toolkit ○ GPU対応版あり

文字認識 (Python版)
80
Demo
Python のライブラリー scikit-learn を用いて、
数字の認識を行う

Python のライブラリー scikit-learn を用いて、
株価の予想を行う
株価予想 (Python版)
81
Demo

 「Microsoft Azure Machine Learning Studio による株価予想チュートリアル」
for Microsoft de:code 2018 AI sessions
https://github.com/Fuji...

Azure Machine Learning Studio
83

機械学習 (Machine Learning)
84
例. Azure SQL
Database
クラウドに保存
例. Azure
Machine
Learning Studio
機械学習で解析!
データをクラウドに
かき集める
Python ...

Azure SQL Database
85

86
Azure SQL Database

Azure Machine Learning Studio
を用いて、
株価の予想を行う
株価予想 (Azure Machine Learning Studio版)
87
Demo

IBM Cloud
https://cloud.ibm.com
https://console.bluemix.net
IBM Watson
Watson Studio
参考: IBM Cloud
89

参考: Google Cloud ML Engine
90https://cloud.google.com/ml-engine/

AWS
https://aws.amazon.com
https://console.aws.amazon.com
Amazon SageMaker
参考: AWS (Amazon Web Service)
91

1. 機械学習 (Machine Learning) とは
2. ニューラルネットワークとは
3. 実際の例
 Microsoft Cognitive Services
 C# / Python による機械学習
 Azure Machi...

参考書籍
93
機械学習入門ボルツマン機械学習から深層学習まで ¥2,484
あたらしい人工知能の教科書プロダクト/サービス開発に必
要な基礎知識
¥2,808
Pythonで動かして学ぶ! あたらしい機械学習の教科書 ¥2,894
詳解 ...

Share Slideshare

LinkedIn
Facebook
Twitter

Embed

Size (px)

Show related Slideshows at end

WordPress Shortcode

Link

Share
Email

2024 Trend Updates: What Really Wor... by Search Engine Jou... 1052471 views
Storytelling For The Web: Integrate... by Chiara Aliotta 967761 views
Artificial Intelligence, Data and C... by OECD Directorate ... 900577 views
How to Leverage AI to Boost Employe... by SocialHRCamp 380598 views
2024 State of Marketing Report – by... by Marius Sescu 215763 views
Everything You Need To Know About C... by Expeed Software 233752 views

View on Slideshare

1 of 94 Ad

View on Slideshare

1 of 94 Ad