Tokyo Salesforce Developer Group Meetup #16 リリースノート輪読 Einstein Platform Service周り

1. Winter’18 リリースノート輪読
- Einstein Platform Serviceまわり -
Salesforce DG Meetup #16
Takahiro Yonei (@yonet77)

2. ※主に salesforce-einstein-platform-apex を試してみた内容になります
1. how to install
2. configuration
3. trial
4. a little dive into salesforce-einstein-platform-apex

3.  事前準備として、sfdxのインストールや、その他環境設定が必要です
1. DevHubを有効化する or DevHub Trial Orgでアカウントを作成する
https://developer.salesforce.com/promotions/orgs/dx-signup
※詳しくは Trailheadモジュール App Development with Salesforce DX を参照ください

4.  事前準備として、sfdxのインストールや、その他環境設定が必要です
2. CLIをインストールする

5.  事前準備として、sfdxのインストールや、その他環境設定が必要です
3. CLIからDevHubにログインして、デフォルト組織を登録しておく
$ sfdx force:auth:web:login –d -a DevHub

6.  Salesforce-einstein-platform-apexのインストール
$ git clone git@github.com:muenzpraeger/salesforce-einstein-platform-apex.git
$ sfdx force:org:create -s -f config/project-scratch-def.json
$ sfdx force:source:push
1. Githubにあるリポジトリからソースを取得する
2. リポジトリのあるディレクトリに移動して、新しいscratch orgを作成する
3. リポジトリ内のソースコードをpushする
※詳しくは https://github.com/muenzpraeger/salesforce-einstein-platform-apex を参照ください

7.  Salesforce-einstein-platform-apexのインストール
4. scratch orgを開く
$ sfdx force:org:open
Einstein Platform
というアプリケーションが追加
されます

8.  Einstein Platform Service Accountの取得（未取得なら）
https://api.einstein.ai/signup
から取得します
※詳しくは Trailheadプロジェクト
Build a Cat Rescue App That Recognizes Cat Breeds
を参照ください

9.  Salesforce環境の設定
1. カスタム設定 ”Einstein Settings” にて、メールアドレスを設定する
※Einstein Platform Service Accountを取得した時のメールアドレスを指定

10.  Salesforce環境の設定
2. 証明書ファイルを「ファイル」として登録する
※タイトルは einstein_platform とする（プログラム側で、この名前でファイルを取得している）
以上で、設定は完了です
“Einstein Platform” アプリケーションを起動して、色々試してみましょう！

11.  Image Classification
https://www.res-img.com/kOA/
試しに、こんな画像を投入してみました

12.  Image Classification

13.  Language Sentiment
また、とある映画のワンシーンのセリフを投入してみました。
 “Alone again. Naturally” （また独りぼっち。元の通り...）

14.  Result
https://www.res-img.com/kOA/
”Alone again. Naturally” 75% Positive
22% Negative
4% Neutral
42% Running Shoe
4% Book jacket, Dust cover, Dust jacket, Dust wrapper
3% Racket, Racquet
現場からは以上です

15.  概要

16.  概要
種類 Apexクラス名 コメント
Controller •Einstein_PlaygroundController 画面から受け取った値をサービスクラスに渡す
Service •Einstein_PredictionService データセットを作成する、学習する、予測する...な
どの主要機能を備えた中心となるクラス
•Einstein_HttpClient Einstein Platform Serviceへのリクエストを実行
する
Value Object •Einstein_HttpBodyPartDataset
•Einstein_HttpBodyPartTraining
•Einstein_HttpBodyPartPrediction etc
Einstein Platform ServiceにリクエストするBody
を生成する
•Einstein_Dataset
•Einstein_Model
•Einstein_PredictionResult etc
Einstein Platform Serviceにリクエストした結果を
格納する

17.  データセットを作成する
Einstein_PlaygroundController
Einstein
DataAndTraining.cmp
createDatasetFromUrl
Einstein_PredictionService
createDatasetFromUrlAsync
Einstein_HttpClientEinstein_HttpBodyPartDatasetUrl
Einstein側に投げるURLを指定
api.einstein.ai/v2/vision/datasets/upload

18.  データセットからモデルを学習させる
Einstein_PlaygroundController
Einstein
Dataset.cmp
trainDataset
Einstein_PredictionService
trainDataset
Einstein_HttpClientEinstein_HttpBodyPartTraining
Einstein側に投げるURLを指定
api.einstein.ai/v2/vision/train

19.  予測させる（Image Classification）
Einstein_PlaygroundController
Einstein
ImageClassification.cmp
predictImageClassification
Einstein_PredictionService
predictImageBase64
Einstein_HttpClientEinstein_HttpBodyPartPrediction
Einstein側に投げるURLを指定
api.einstein.ai/v2/vision/predict

20.  予測させる（Object Detection）
Einstein_PlaygroundController
Einstein
ImageClassification.cmp
predictImageDetection
Einstein_PredictionService
detectImageBase64
Einstein_HttpClientEinstein_HttpBodyPartPrediction
Einstein側に投げるURLを指定
api.einstein.ai/v2/vision/detect

21.  予測させる（Language Sentiment）
Einstein_PlaygroundController
Einstein
Sentiment.cmp
predictSentiment
Einstein_PredictionService
predictSentiment
Einstein_HttpClientEinstein_HttpBodyPartPrediction
Einstein側に投げるURLを指定
api.einstein.ai/v2/language/sentiment

22.  予測させる（Language Intent）
Einstein_PlaygroundController
Einstein
Intent.cmp
predictIntent
Einstein_PredictionService
predictIntent
Einstein_HttpClientEinstein_HttpBodyPartPrediction
Einstein側に投げるURLを指定
api.einstein.ai/v2/language/intent

23.  その他、様々なAPIが実装されています
（それに対応した機能も Einstein_PredictService に実装されています）
https://metamind.readme.io/v2/docs

24.  Best Practices
• データセットはラベルごとに、少なくとも1,000個の画像を用意する
• 各ラベルの画像数は大体同じにする（どれか一つだけ極端に多いのは避ける）
• 様々なバリエーションに富んだ画像を用意する
 カラー付きの画像
 白黒の画像
 ピンボケの画像
 よく一緒に写っているものが含まれる画像
 テキストあり/なしの画像
• モデルのテストでは、誤検出/誤陰性のものもデータセットに含めておくと精度が上がる
• データセットを変更したら、再学習させる
※日本語訳が間違ってたらすみません