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