初心者と学ぶ、機械学習とAzure Machine Learning

2015/6/8杜の都仙台で Azure Machine Learning

（機械学習） ハンズオンJAZUG 仙台　真鍋俊之

Azure Machine Learning についての紹介

機械学習初心者の方に、機械学習について興味を持ってもらう。 機械学習をやりたい！って思ってもらう。 そして、機械学習を使うときに

Azure Machine Learning を使ってもらう。

本発表の目的

機械学習の概要の説明 機械学習とは？ なぜ、機械学習を学ぶのか？ なぜ、 Azure Machine Leaning を使うのか？

Azure Machine Learning のデモ 回帰分析の例 API 公開

今回の発表でやること

人工知能における研究課題の一つ 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< 引用： Wikipedia>

あらかじめ学習させることで、未知のデータが何かを判別する判別器を作成する

機械学習 (Machine Learning)

機械学習の例 ( 文字認識 )

訓練データ

判別器

判別結果

「２」

未知のデータ

「１」 「２」 「３」

・・・

予測 売上予測

お勧め商品の提示 スパムフィルタ パラメータ調整

KINECT ：体の各部位の推定用パラメータ

機械学習を使って何ができる？

情報量が人間で処理できる限界にきている ( 一部のデータを人が解析する ) 時代から

( すべてのデータを機械が解析する ) 時代に！

機械にできることは機械にまかせ、人間はより創造的な分野での活動を楽しむべきである[ オムロン会社創業者・立石一真 ]

なぜ、機械学習を学ぶのか

【機械】低レベルな判断• データの傾向解析• パラメータ調整

【人】高レベルな判断• 戦略• ビジョン

機械学習を使った例

隠れ層が 2 層以上の NN( ニューラルネットワーク ) による学習 NN… 脳機能に見られるいくつかの特性を計算機上の

シミュレーションによって表現することを目指した数学モデル [ 引用： Wikipedia]

深層学習

入力層 隠れ層 出力層

特徴を学習データに基づいて自動的に設計する これまでは専門家が設計 人間の直観や経験に基づいた設計よりも、

大量のデータによる学習に基づいた設計の方が良い特徴が得られる

非常に学習コストが高い GPU や分散処理により実用的な時間で学習可能に

深層学習の特徴

機械学習のアルゴリズムの実装が困難 統計学の知識が必要 高度な数学的知識が必要

学習に多くの処理時間が必要 多くの場合で大量の学習データ処理が必要

複数のアルゴリズムでの実験が必要

機械学習習得の難しさ

Azure 上で利用できる機械学習 プレビュー版を公開中<2014/7~> 一般提供開始<2015/2~>

総合開発環境（ ML Studio ）で開発可能 ソースコードを書かずに、多くの処理が実施可能

低コスト ( 習得的、設備的、実用的 ) で使用可能

Azure Machine Learning

習得的利点 複数の機械学習アルゴリズムが実装済み ML-Studio を用いた簡単な操作で実験を構築可能

設備的利点 機械学習用のワークステーションの用意が不要

実用的利点 作った判別器を Web API として公開可能

Azure Machine Learning の利点

教師あり学習 回帰分析 クラス分割

2 クラス分割 多クラス分割

教師なし学習 クラスタリング

異常検知 (anomaly detection)

Azure Machine Learning で使える機械学習

教師あり学習 入力とそれに対応すべき出力を写像する関数を生成

する。

教師なし学習 入力のみ（ラベルなしの例）からモデルを構築する。

機械学習のアルゴリズム

前処理 学習しやすいようにデータを加工する

学習に不要なデータの除去 不正なデータの除去

学習 データを機械に学習させる

評価 作成した判別器が十分な性能を持つか判断する

機械学習の処理の流れ

教師あり学習 ( 回帰分析 ) のデモ

車の性能から、車の価格を予想 Azure Machine Learning のサンプルデータセット

を利用 http://azure.microsoft.com/ja-jp/

documentation/articles/machine-learning-create-experiment/

デモの流れ