try azure machine learning

Try Azure Machine Learning

2016/12/17

合同勉強会 in 大都会岡山 -2016 Winter-

貞松 政史（@sady_nitro）

自己紹介

• 貞松 政史（@sady_nitro）

• #R社

• 近況：Windows Phoneアプリ → UWPアプリに移植した

• MemotchUwp• ToDoメモアプリ

• Windows 10 (mobile含む)

本セッションのゴール（目安）

• 機械学習の概要（応用分野、重要性）を何となく掴む

• Azure Machine Learning（Azure ML）でできることを理解する

• AzureMLの基本的な使い方を理解する

機械学習とは

•機械学習 -Wikipediahttps://ja.wikipedia.org/wiki/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92

機械学習とは、人工知能における研究課題の一つで、人間が自然に

行っている学習能力と同様の機能をコンピュータで実現しようとする

技術・手法のことである。

「ビッグデータが～」とか「Deep Learningが～」とか本来は関係ない

あくまでコンピュータが学習することによって、ある特定の課題・問題に対する解や傾向を獲得する枠組み

人工知能？機械学習？Deep Learning？

• 人工知能、機械学習、ディープラーニングの違いとは

https://blogs.nvidia.co.jp/2016/08/09/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/

人工知能？機械学習？Deep Learning？

機械学習

Neural Network

Deep Learning

様々な手法（アルゴリズム）

機械学習でできること、応用分野

• 画像処理

• 自然言語処理

• 音声処理

• 予測

• 分類

• スパムフィルター

• 異常検知

…

現実世界における機械学習(かつAzure ML)の事例

• ThyssenKrupp（ティッセンクルップ）

• エレベーターの保守

• Azure MLで蓄積されたセンサーデータを学習

• リアルタイムに取得したセンサーデータを入力として、異常を検知

• さらに異常の種類を分類しエラーコードを返してくれる

• メンテナンスコストを大幅に削減しつつ事故のリスクを低減

人力で異常検知してみる

というひっかけ問題

扱う問題の定義やデータのサンプリングによって誤った結果を導き出す可能性がある

人力には限界がある

人力では抽出不可能なパターンを抽出することができる

パターンマッチングにより予測や異常検知ができる

Azure Machine Learning (Azure ML)とは

機械学習を用いたソリューションを構築実行可能なクラウドサービス

学習モデルの構築・チューニングからWebサービス(API)発行まで

Azure Machine Learningの料金https://azure.microsoft.com/ja-jp/pricing/details/machine-learning/

無料での利用も可能（Azureのサブスクリプションも不要）

Azure MLのメリット

• GUIによる直感的な操作で学習モデルを構築できる

• 様々な機械学習アルゴリズムを実装したモジュールが用意されている

• RやPythonのコードを実行できる

• 構築したモデルをWebサービス（API）として発行できる

Azure MLでできること

Azure MLで用意されているモジュールのカテゴリ

• 予測（Regression）

• 分類（Classification）

• クラスタリング（Clustering）

• 異常検知（Anomaly Detection）

カテゴリごとに様々なアルゴリズムが用意されている

Azure MLでできること

機械学習アルゴリズム チート シートhttps://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-algorithm-cheat-sheet

Azure MLでできること

どういった問題に対応できるか

• 予測

• 分類

• クラスタリング

• 異常検知

• リコメンド

• 画像認識

• テキスト解析

…

Azure MLの基本的な使い方

• 全てAzure ML Studio上で操作

• 学習用のデータセットをアップロード（もしくは接続）

• 新規Experimentsを作成

• 学習モデルを構築、学習の実行

• 学習済みモデルをWebサービス（Web API）として発行

Azure MLを実際に使ってみる（デモ）

• (架空の)テーマパークの入場者数予測

• 曜日や天気、気温を元に入場者数を予測する

※完全にダミーデータなので

精度についてはお察し

学習済みモデルをWebサービス(API)として公開する（デモ）

学習済みモデルに対して…Input（APIパラメーター）を設定するOutput（APIレスポンス）を設定する

Webサービス（API）として発行

まとめ

• 機械学習• 機械学習は人工知能に対するアプローチの一つ

• 応用分野は多岐に渡り、近年その重要性も高まってきている

• Azure ML• Microsoft Azure上の機械学習サービス（PaaS）

• 様々な機械学習アルゴリズムを実装したモジュールが予め用意されている

• GUIで直感的に学習モデルを構築することができる

• 学習済みのモデルをWebサービスとして発行し、アプリから簡単に利用できる

Try Azure Machine Learning!

参考情報

• Azure Machine Learning のドキュメント• https://docs.microsoft.com/ja-jp/azure/machine-learning/

• Cortana Intelligence Gallery• https://gallery.cortanaintelligence.com/