Downloaded 14 times
![{"ID" ："fetaro"
"名前"："渡部 徹太郎"
"所属"：["リクルート",
"リクルートライフスタイル",
"リクルートテクノロジーズ"]
"研究"："東京工業大学でデータベースと情報検索の研究
(@日本データベース学会)"
"仕事"：{前職:["証券会社のオンライントレードシステムのWeb基盤",
"オープンソースなら何でも。主にMongoDB,NoSQL"],
現職:["リクルートの分析基盤,Exadata,BigQuery,EMR"]
副業:["コンサルタント", "非常勤講師" ]}
"エディタ"："emacs派",
"趣味"： ["自宅サーバ","麻雀"]
}
自己紹介](https://image.slidesharecdn.com/googlenextmlwithoutmovie-180802031044/75/Google-Cloud-Next-18-Recap-2-2048.jpg)
Uploaded byTetsutaro Watanabe
Google Cloud Next '18 Recap/報告会 機械学習関連
Google Cloud Next '18で発表された機械学習関連の発表をまとめています。またocadoのセッションの紹介もします。
More Related Content
Similar to Google Cloud Next '18 Recap/報告会 機械学習関連
![[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)
![[Cloud OnAir] Google Cloud Next '18 最新情報 2018年7月26日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/aaaaaaaaaaa-180726092352-thumbnail.jpg?width=640&height=640&fit=bounds)
Google Cloud Next '18 Recap/報告会 機械学習関連
- 1. Google Cloud Next’18 Recap/報告会 機械学習関連 2018/8/1 渡部徹太郎
- 2.
- 3.
- 4.
- 5. 新発表の全体像 問題 入力 出力MLソリューション カスタムモデル MLサービス プラット フォーム 教 師 あ り 機 械 学 習 回帰 問題 数字の組 数字 BigQuery ML Cloud ML Engine, Tensorflow, Tensorflow Lite TPUv1, TPUv2, TPUv3, Edge TPU 分類 問題 数字の組 ラベル BigQuery ML 画像 ラベル Vision API AutoML Vision 動画 ラベル Video Intelligence API テキスト ラベル Natural Language API AutoML Natural Language 音声 認識 発話音声 テキスト Speech API 翻訳 テキスト テキスト Translation API AutoML Translation トータル Jobs API Contact Center AI GSuite でのAI活用 赤字：Google Cloud Next 18で発表 カスタマイズ性 高低
- 6.
- 7. プラットフォーム（サーバサイド） • Tensorflow • 機械学習のフレームワーク •プロセッサとの関係 • CPU: • 汎用命令用 • Intel製, AMD製 • GPU: • グラフィックスの計算につよいため、行列計 算が早い • nVidia製 • TPU: • Tensor Processing Unit • google製 • Tensorflowの計算に特化 • eBayでは学習時間を数ヶ月から数日に • 第2世代TPUは誰でも入手可能 • 第3世代クラウドTPUを発表 OS Python Tensorflow H/W CPU GPU TPU 機械学習アルゴリズム
- 8. プラットフォーム（IoT Edge） • IoT特化のプラットフォーム •Edge TPUの発表 • コインの1/4のサイズ • 低消費電力 2W • 高精細ビデオを30フレーム／秒で 処理できるとしている。 • Cloud IoT Edgeの発表 • Edge IoT Core • ゲートウェイ • デバイス接続 • Edge ML • Tensorflow Liteベースのランタイム • CPU,GPU,Edge TPU上で動作 https://www.youtube.com/watch?v=XiGBWpxc6Lc Edge TPU Edge TPU開発ボード
- 9.
- 10. Client Cloud ML Engine(2017/3) Tensorflowの ソースコード モデル Cloud ML 学習 GCS 予測API (オンライン) デプロイ Training環境 (CPU,GPU,分散GPU,TPU(Beta))データ GCS 予測API (バッチ) モデルリソース モデル 予測結果 GCS １．学習 ２．デプロイ ３．予測 ３．予測
- 11.
- 12. AutoML Vision Cloud AutoMLVision (2018/1 alpha→beta) • 画像をGCSに格納し、画像とラベルのCSVを入力 • カスタムモデルを作ってくれて、予測APIを作ってくれる • カスタムモデルは持ち出せない • 値段 • 学習：計算時間1時間無料、以降は$20/毎時 • 予測：1000枚画像は無料、以降500万枚まで$3/1000枚 • 人間によるラベル付：評価者一人なら、$35/1000枚 Client 学習 API GCS 予測 API 画像ファイル 画像のパスと ラベル CSV カスタム モデル 画像 Train "tulips" gs://cloud-ml-data/img/aaa.jpg , roses gs://cloud-ml-data/img/bbb.jpg , sunflowers gs://cloud-ml-data/img/ccc.jpg , tulips 入力例
- 13. AutoML Natural Language Cloud AutoML NaturalLanguage • テキストとラベルを書いたCSVを入力 • 日本語は未対応 • 値段 • 学習：計算時間 2時間は無料で、以降$3 /毎時 • 予測：3万行まで無料で、以降500万行まで $5/1000行 Client 学習 API GCS 予測 API テキストとラ ベル CSV カスタム モデル "I watched a Blackhawks game last night." カテゴリ「leisure」 Train I went shopping , leisure I bought a new TV , achievement I meditated last night. , leisure 入力例
- 14. AutoML Natural Language Cloud AutoML Translation •2つの言語の文章をTMX/Mosesという形式で記載したファ イルを入力 • スラングや専門用語の文章を覚えさせることにより Googleの翻訳機能を強化 • 値段 • 学習： 2時間は無料で、以降$76/毎時 • 予測：50万文字は無料で、500万文字 まで$80/100万文字 Client 学習 API GCS 予測 API TMX/Moses ファイル カスタム モデル Train "ほんまでっか" 入力例 TMX/Mosesファイル "本当ですか"
- 15. BigQuery ML • BigQueryのデータを動かさずに、そのまま機 械学習のモデル作成に使える •学習と予測の全てがSQLで記述できる • できるアルゴリズム • 線形回帰（数字を当てる） • バイナリロジスティック回帰 （1つまたは２つのカテゴリに分類する） • 料金 • モデルのデータサイズ • モデル構築時にどれくらいのデータにアクセス するか BigQueryClient 予測 API 内部ストレージ 数値の テーブル 学習 API学習用SQL "CREATE MODEL ..." 予測用SQL "ML.PREDICT..." モデル モデル 計算 予測結果
- 16.
- 17. Cloud Vision APIClient CloudML APIs (2017/3) 画像 顔検出API {x:100, y:300 w:60, h:70 } • Googleが用意した 学習済みのモデルを API経由で利用できる • 以下のAPIがある • Vision API 画像 • Speech API 音声 • NL API 自然言語 • Translation API 翻訳 • Video Intelligence API 動画 • Jobs API 職探し 例：Vision APIの顔検出API Googleが 用意したモデル
- 18. Contact Center AI •Human-centered AIというコンセプト • ebay x GENESYSの事例を通して紹介 • ユーザからの電話をLive AIが対応 • Live AIが適切な担当者につなぐ • Live AIとユーザの会話はテキストに書き起こ されている • 担当者とユーザの会話もテキストに書き起こ され、文脈に応じて必要な情報がリアルタイ ムにレコメンドされる ここまで Live AI https://youtu.be/vJ9OaAqfxo4?t=5747 ここから 人間
- 19.
- 20.
- 21.
- 22. セッション： ocadoのリアルタイム詐欺検出 • ユースケース：機械学習の活用 •ピッキングの速度向上と正確性向 • 需要予測 • 商品の推薦 • リアルタイム詐欺検出 • 盗んだクレジットカードで注文。配達するが支払われない • 数％の詐欺検出で、何万ドル損失を防げる • 顧客IDと注文を入力すると、詐欺の確率を返却するAPIを開発 • なぜGCP？ • データサイエンスなので、インフラわわからない • GCPならスケーリングとセットアップが不要だから • ５年前から使っている 引用元：https://www.youtube.com/watch?v=0fIRUYzmZ0o
- 23.
- 24. セッション： ocadoのリアルタイム詐欺検出 • Gatherdata • Google Dataflow上にApache Beamを動かして、Kinesisにあるデータを処 理してBigQueryにロードする • 全てのデータを取るのではなく、「ビジネスの変化」のデータを中心 に集めてくる 引用元：https://www.youtube.com/watch?v=0fIRUYzmZ0o
- 25. セッション ： ocadoのリアルタイム詐欺検出 •Explore data • BigQueryにデータを格納してデータを探索する • 深い分析をしたい場合は • Google Datalab (jupyterノートブック)で分析結果を共有 • Google Collaborator：Google DriveにJupyter bookファイルを置くことにより、みん なでjupyterノートブックを同時編集できる 引用元：https://www.youtube.com/watch?v=0fIRUYzmZ0o
- 26. セッション ： ocadoのリアルタイム詐欺検出 •Feature engineering • 簡単な特徴であれば、BigQueryのSQL • SQLで特徴を出すのが難しいケースはApache Beamを使う • データの正規化（標準偏差、平均の計算） • カテゴリの整数化 引用元：https://www.youtube.com/watch?v=0fIRUYzmZ0o
- 27. セッション： ocadoのリアルタイム詐欺検出 • TrainModel • 各アルゴリズムを予測精度、説明しやすさ、クラウドに展開しやすさ で整理 • クラウドへの展開しやすさを優先するため、説明しやすさは犠牲にする • ルールベースは諦める 引用元：https://www.youtube.com/watch?v=0fIRUYzmZ0o 予 測 精 度 説明しやすさ Cloud MLでサポート Dockerコンテナを使う必要 あり なんとかできる 諦める
- 28. セッション： ocadoのリアルタイム詐欺検出 • Servemodel 引用元：https://www.youtube.com/watch?v=0fIRUYzmZ0o Cloud MLのAPI ユーザの過去の 行動履歴を低遅延応答 詐欺の確率 カスタマID 注文 バッチで過去の行動 履歴を挿入 直近の行動履歴
- 29.
- 30. まとめ • 新発表の紹介 • プラットフォーム •TPU v3, Edge TPU, Tensorflow Lite • カスタムMLモデルサービス • BigQueryML • Cloud AutoML Vision beta • Cloud AutoML Natural Language • Cloud AutoML Translation • MLソリューション • Contact Center AI • Gsuite でのAI活用 • セッション紹介「ocadoのリアルタイム詐欺検出」 • Cloud ML / BigQuery / Datflow/ Datastore