Downloaded 32 times
Uploaded byDaiyu Hatakeyama
Microsoft AI Platform
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。
More Related Content
![[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)
![[第50回 Machine Learning 15minutes! Broadcast] Azure Machine Learning - Ignite ...](https://cdn.slidesharecdn.com/ss_thumbnails/20201205ml15minazuremlignite-201205101214-thumbnail.jpg?width=640&height=640&fit=bounds)
![[db analytics showcase Sapporo 2017] MicrosoftのAIテクノロジーを活用しよう ～インテリジェントAPIからデ...](https://cdn.slidesharecdn.com/ss_thumbnails/20170630dbanalyticsshowcasesapporocognitive-170704000138-thumbnail.jpg?width=640&height=640&fit=bounds)
Similar to Microsoft AI Platform
![[Developers Summit 2018] Microsoft AIプラットフォームによるインテリジェント アプリケーションの構築](https://cdn.slidesharecdn.com/ss_thumbnails/20180215developerssummitmicrosoftaiplatform-180218215607-thumbnail.jpg?width=640&height=640&fit=bounds)
![[teratail Study ~機械学習編#2~] Microsoft AzureのAI関連サービス](https://cdn.slidesharecdn.com/ss_thumbnails/20161219teratail-161219114731-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)
![[Japan Tech summit 2017] MAI 003](https://cdn.slidesharecdn.com/ss_thumbnails/techsummit2017pdfmai003-171116035458-thumbnail.jpg?width=640&height=640&fit=bounds)
More from Daiyu Hatakeyama
Microsoft AI Platform
- 1.
- 2. 2020 年までに、 インダストリー 4.0の先発企業は、同 時に 30%の増収と コスト削減を実現するが、平均的な 企業は 1 年にそれぞれ 2.9% と 3.6% しか実現しない。1 の製造会社の役員が、2020 年までに ヒューマン マシン中心の 環境が一般的になると予想している。6 40% の業務プロセスが 2022 年までに 自己復旧および 自己学習の機能を持つ。5 5,000 億ドルの節約が、製造会社や機器メーカーに、 仮想化、リアルタイム通信、および コボット テクノロジからもたらされると見込まれる。795% のビジネス リーダーが、今後 3 年以内に自社で IIoT が使用されると予想している。2 「コンシューマーは最終的に 勝者と敗者を便宜性が高く、コストが低く、 カスタマイズされたモビリティ ソリューションを競い合う企業や ブランドから選択する」3 3 ～ 5 年以内に、 数億ものモノが デジタル ツインで 表される。4 85% このインフォグラフィックは、サードパーティのデータのマイクロソフトによる分析に基づいています。出典: 1.「PWC 2016 Global Industry 4.0 Survey」(PWC 2016 世界のインダストリー 4.0 の調査)、Dr. Reinhard Geissbauer、Jesper Vedso、および Stefan Schrauf。http://www.gartner.com/newsroom/id/3482617 2.「Connected business transformation: how to unlock value from the Industrial Internet of Things」(つながるビジネス変革: 産業用 IoT (モノのインターネット) から価値を解放する方法)、Accenture、2017 年 2 月。3.「What‘s ahead for fully autonomous driving: Consumer opinions on advanced vehicle technology」(全自動運転の向こうにあるもの: 高度な車両テクノロジに対するコンシューマーの意見)、Deloitte、2017 年 2 月。4.1. http://www.gartner.com/newsroom/id/3482617 5.「DC FutureScape: Worldwide Digital Transformation 2017 Predictions」(DC FutureScape: 世界のデジタル変革の 2017 年の予想)、2017 年 1 月、Doc # US42259317、Web 会議、Michael Versace。6.Eric Schaeffer 他、「Machine Dreams; Making the most of the connected industrial workforce」 (機械の夢: つながる産業人材を最大限に利用する)、Accenture、2017 年 2 月。7. Daniela Costa (責任者)、European Capital Goods Equity Research、Goldman Sachs Research、Forrester Research、2017 年 1 月。
- 3.
- 4. 完全自動運転で100%無事故を 実現しようとすると最低でも 88億マイルをテストしなければなら ない。1 2020年、自動運転車は1日に 約4,000ギガバイトのデータを生 成し、消費する。2 Paris Auto ShowAutomobility Los Angeles Gartner TechRadar Earthdata Automobility Los Angeles 2020年、204億のモノがつながる。 3 90分のアニメーション映像を製 作するために、6,500万時間分の 画像レンダリングが必要となる。 4 2020年、飛行機から1日に 40テラバイトのデータが生成さ れる。6 NASAの地球観測システムおよび 情報システム（EODSIS）は、 1日に約28テラバイトのデータを 配信している。5
- 7.
- 8.
- 9.
- 10. Applications Infrastructure Management Databases & Middleware App Frameworks &Tools DevOps Trusted Intelligent Hybrid Open
- 11. Intelligent Productive Hybrid HIPAA / HITECH Act GxP 21CFR Part 11 ISO 27001 SOC 1 Type 2ISO 27018 CSA STAR Self-Assessment Singapore MTCS UK G-Cloud Australia IRAP/CCSL FISC Japan New Zealand GCIO China GB 18030 EU Model Clauses ENISA IAF Argentina PDPA Japan CS Mark Gold CDSA Shared Assessments Japan My Number Act FACT UK Spain ENS PCI DSS Level 1 MARS-E China TRUCS SOC 2 Type 2 SOC 3 MPAA ISO 22301 India MeitY Spain DPA HITRUST IG Toolkit UK China DJCP ITAR Section 508 VPAT SP 800-171 FIPS 140-2 High JAB P-ATO DoD DISA SRG Level 2 DoD DISA SRG Level 4 DoD DISA SRG Level 5 Moderate JAB P-ATO ISO 27017 GLOBALUSGOVINDUSTRYREGIONAL
- 12. ハ イ パー ス ケ ー ル の エ ン タ ー プ ラ イ ズ グ レ ー ド の イ ン フ ラ ス ト ラ ク チ ャ 開 発 者 用 ツ ー ル お よ び サ ー ビ ス デ ー タ サ イ エ ン ス の た め の オ ー プ ン プ ラ ッ ト フ ォ ー ム ハードウェア ストレージ管理 ソフトウェア AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot Framework Spark AI Batch Training DS VM SQL Server ACS BLOB Cosmos DB SQL DB/DW ADLS CPU FPGA GPU IoT Azure Machine Learning モデルのデプロイおよび管理 機械学習ツールキット 実験の管理、データの準備、 コラボレーション CNTK TensorFlow Chainer Scikit-Learn その他のライブラリ PROSE Docker クラウド - Spark、SQL、その他のエ ンジン ML Server - Spark、SQL、VM エッジ
- 13.
- 14.
- 15. Video Indexer Cognitive ServicesLabs Custom Custom CustomCustom Custom
- 16. ハ イ パー ス ケ ー ル の エ ン タ ー プ ラ イ ズ グ レ ー ド の イ ン フ ラ ス ト ラ ク チ ャ 開 発 者 用 ツ ー ル お よ び サ ー ビ ス デ ー タ サ イ エ ン ス の た め の オ ー プ ン プ ラ ッ ト フ ォ ー ム ハードウェア ストレージ管理 ソフトウェア AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot Framework Spark AI Batch Training DS VM SQL Server ACS BLOB Cosmos DB SQL DB/DW ADLS CPU FPGA GPU IoT Azure Machine Learning モデルのデプロイおよび管理 機械学習ツールキット 実験の管理、データの準備、 コラボレーション CNTK TensorFlow Chainer Scikit-Learn その他のライブラリ PROSE Docker クラウド - Spark、SQL、その他のエ ンジン ML Server - Spark、SQL、VM エッジ
- 17. R & Pythonベースの AI の ストアドプロシージャ MicrosoftML Library の組み込み Graph モデルのサポートによる より複雑な関係を分析 クエリ 処理の最適化による 比類なき パフォーマンス AI を組み込んだ最初の商用データベース SQL Server 2017
- 18. Featurization, Normalization, encoding classifier model での スコアリング WebApp Diagnosis: 35% certainty Python / R で実装した ストアドプロシージャ ストアド プロシージャ で、患者IDだ け指定 Model table, Features table, New Images table SQL Server 画像を 送らなくてよ い
- 19. データ移動の排除 運用しやすい ML のスクリプトとモデ ル エンタープライズグレードのパフォー マンスと スケール 直接対話する データを データの管理と 分析をまとめる SQL変換 リレーショナル データ 分析ライブラリ R 統合 Python 統合
- 20. ハ イ パー ス ケ ー ル の エ ン タ ー プ ラ イ ズ グ レ ー ド の イ ン フ ラ ス ト ラ ク チ ャ 開 発 者 用 ツ ー ル お よ び サ ー ビ ス デ ー タ サ イ エ ン ス の た め の オ ー プ ン プ ラ ッ ト フ ォ ー ム ハードウェア ストレージ管理 ソフトウェア AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot Framework Spark AI Batch Training DS VM SQL Server ACS BLOB Cosmos DB SQL DB/DW ADLS CPU FPGA GPU IoT Azure Machine Learning モデルのデプロイおよび管理 機械学習ツールキット 実験の管理、データの準備、 コラボレーション CNTK TensorFlow Chainer Scikit-Learn その他のライブラリ PROSE Docker クラウド - Spark、SQL、その他のエ ンジン ML Server - Spark、SQL、VM エッジ
- 21.
- 23. 開発者による AI の採用促進(API化) ハイブリッドトレーニングとスコアリング シナリオの台頭 イベント発生場所でのスコアリング/推論の 実施 (エッジ、クラウド、オンプレミス) 一部の開発者が Data Scientist /AI Developer を目指す 多様なハードウェアの進化 (CPU/GPU/FPGA/ASIC/デバイス) データ準備 モデルの展開と管理 モデル系統と監査 モデルについての説明能 力 課 題主 要 動 向
- 24. Spark SQL Server 仮想マシン GPU コンテナー サービス ノートブック IDE AzureMachine Learning Workbench SQL Server Machine Learning Server オ ン プ レ ミ ス エ ッ ジ コ ン ピ ュ ー テ ィ ン グ Azure IoT Edge 実験およびモデル管理 A z u r e M a c h i n e L e a r n i n g サ ー ビ ス ト レ ー ニ ン グ と デ プ ロ イ の オ プ シ ョ ン A z u r e
- 25. 視覚的なドラ ッ グアンドドロッ プ コードファー ス ト
- 27. ハ イ パー ス ケ ー ル の エ ン タ ー プ ラ イ ズ グ レ ー ド の イ ン フ ラ ス ト ラ ク チ ャ 開 発 者 用 ツ ー ル お よ び サ ー ビ ス デ ー タ サ イ エ ン ス の た め の オ ー プ ン プ ラ ッ ト フ ォ ー ム ハードウェア ストレージ管理 ソフトウェア AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot Framework Spark AI Batch Training DS VM SQL Server ACS BLOB Cosmos DB SQL DB/DW ADLS CPU FPGA GPU IoT Azure Machine Learning モデルのデプロイおよび管理 機械学習ツールキット 実験の管理、データの準備、 コラボレーション CNTK TensorFlow Chainer Scikit-Learn その他のライブラリ PROSE Docker クラウド - Spark、SQL、その他のエ ンジン ML Server - Spark、SQL、VM エッジ
- 28.
- 29. Azure IoT EdgeRuntime IoT Hub Devices Local Storage Device Twin Device Twin Device Twin Device Twin CANbus Server (Container) IoT Hub Proxy (Container) Data Normalization (Container) Compression (Container) Encryption (Container) Decryption (Container) Decompress (Container) Data Specializer (Container) FunctionsContainer Management
- 32. ハ イ パー ス ケ ー ル の エ ン タ ー プ ラ イ ズ グ レ ー ド の イ ン フ ラ ス ト ラ ク チ ャ 開 発 者 用 ツ ー ル お よ び サ ー ビ ス デ ー タ サ イ エ ン ス の た め の オ ー プ ン プ ラ ッ ト フ ォ ー ム ハードウェア ストレージ管理 ソフトウェア AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot Framework Spark AI Batch Training DS VM SQL Server ACS BLOB Cosmos DB SQL DB/DW ADLS CPU FPGA GPU IoT Azure Machine Learning モデルのデプロイおよび管理 機械学習ツールキット 実験の管理、データの準備、 コラボレーション CNTK TensorFlow Chainer Scikit-Learn その他のライブラリ PROSE Docker クラウド - Spark、SQL、その他のエ ンジン ML Server - Spark、SQL、VM エッジ
- 33. #azurejp Cognitive Services Custom AI Models Custom Services Bringyour Own Data Flexibility
- 34.
- 35.
- 37. © 2016 MicrosoftCorporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries. The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation. MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.