try azure machine learning
TRANSCRIPT
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/