azure mlによるweb serviceの作り方
DESCRIPTION
JAZUG名古屋のLTの資料です http://jazug.doorkeeper.jp/events/14706 #jazug #75azuTRANSCRIPT
Azure ML による Web Serviceの作り方
JAZUG 名古屋 @3 碧目
9/20 バスの日
2/37
1. はじめに
2. Azure ML とは
3. Azure ML で Web サービス(デモ)
4. まとめ
アジェンダ
3/37
5分間で Azure ML を Web サイトと連携するま
でのステップを話します
Azure ML をサービスに適用する手順がわかるは
ず
日本語情報が少ない Azure ML の情報が増えると
うれしい
はじめに
4/37
自己紹介 @nishiokya
Azure 歴は 2 年
好きな Azure サービス
モバイルサービス
好きな CDP
サーキットブレーカー
自己紹介
5/37
Azure のデータサービスの一つ
ML( 機械学習 ) の各工程(データ収集、モ
デル構築、評価、運用)が Azure 上で完結
Azure ML とは
6/37
Azure ML の運用までの流れ
①データ収集
②実験モデル(評価)
③発行モデル(学習結果 )
④ステージング
API
⑤運用API
ML Studio ML API
Services
Azure ML
Azure MLの構成• ML Studio(データ解析担当 /ポータルとは別)
• 実験 (experiments)• ステージング API(web services)
• ML API Service(開発向け /ポータルに統合)• 運用 API
デプロイ1件 /Batch
7/37
家を出る時間から会社に到着する時間を予測
データは自作アプリで毎日の通勤時間を計測
今回作る Web サイトについて
DEMO
9/37
① データ収集
10/37
② 実験用モデルの画面
1.収集したデータの読み込み
ML Studio
3.検証結果
2.モデルの構築
11/37
③ 発行用モデル
ML Studio1.収集データをもとに入力パラメータ取得
2.実験用モデルを学習結果としてよびだす
3.入出力 IFの設定
4.ステージング API作成
12/37
④ ステージング用 API
ML Studio
ステージング APIとして動作確認
13/37
⑤ 運用 API
Azure のポータル画面
運用 APIは、 Azureのポータル画面から編集
14/37
予測結果
2.予測結果が出ます
1.時間や天気を入れて予測
15/37
1. クラウド上でデータ解析から運用までできる
R で作ったモデルを C# で作り替える作業からの卒業
2. 解析用のサンドボックスと開発用の環境が分かれ
ているため
大規模環境を意識している
まとめ
16/37
サービス名 時間割 予測ごと 一ヶ月の金額Preview 料金
ML Studio Service
¥38.76実行時間
課金されない ¥27,907
ML API Service
¥76.50予測時間
¥18.361,000 件予測
¥55,080
※ 参考 利用料