ai82 開発者のための機械学習入門: · 2019-05-30 · de:code 2019 ai82...
TRANSCRIPT
de:code 2019 AI82
開発者のための機械学習入門:Azure Machine Learning Studio で構造化
データから予測分析
株式会社ネクストスケープ
システムインテグレーション事業本部 クラウド推進部部長
上坂貴志
このセッションについて
自己紹介
機械学習を理解するポイントエンジニアにとって
機械学習を理解するポイント
学習済みモデル
推測結果 𝑓 が得られる
機械学習を理解するポイント
などの係数を決定
学習済みモデル
𝑓 𝑥1, … = 𝑎 + 𝑏𝑥1 + …
※重回帰分析の例
機械学習を理解するポイント
学習済みモデル
学習済みモデル
推測結果𝑓
説明変数+目的変数 説明変数
機械学習を理解するポイント
Workclass Education ・・・ income
説明変数 目的変数
予測結果の原因 予測結果
機械学習を理解するポイント
• 欠損値を補完
• 補完しきれないデータの削除
• クラスタリングによる外れ値の削除
• 正規化(数値を0~1に収める)
• 余計な説明変数の削除
• 重複データ対処など
データの丁寧なク
レンジング
機械学習を理解するポイント
• モデル(アルゴリズム)は沢山
あるため、どれがベストなのかを
判定するために同じデータに対し
て複数のモデルをトレーニングし、
結果を比較
モデルの
比較選択
機械学習を理解するポイント
• モデル(アルゴリズム)にはそれぞれに
トレーニング時に使用する独自パラメー
タが存在する。これをハイパーパラメータ
と呼ぶ。ハイパーパラメータを変えること
で予測精度の上昇が見込める
ハイパーパラメータ
のチューニング
予測用システム構築のポイント
予測用システム構築のポイント
予測用システム構築のポイント
Linux
学習環境と本番環境のOS・プログラミング言語が同じでよい場合
Linux
フレームワーク
• The Microsoft Cognitive Toolkit
• Tensorflow
• Keras
• etc
予測用システム構築のポイント
C#
ASP.NET Core
http
学習環境と本番環境のOS・プログラミング言語が違う場合
Linux
Windows Linux
フレームワーク
フレームワーク
予測用システム構築のポイント
ONNX : Open Neural Network Exchange Format
C# ML.NET
学習に使用したモデルがニューラルネットワークベースの場合
学習環境と本番環境のOS・プログラミング言語が違う、かつ
Linux Windows
TensorFlow
Keras
予測用システム構築のポイント
最新データ
Azure Machine Learning Studio
• Web (via http) , Hive Query(Hadoop), ファイル(Azure Blob
Storage)、Azure SQL Database, Odata, SQLServer(On-
Premiss), Azure CosmosDB
読み込めるデータソースの種類が豊富
• 全25種類(二項分類:9, 多項分類:5, 回帰:8, 異常検知:2,
クラスタリング:1)
モデル(アルゴリズム)豊富
Azure Machine Learning Studio
• データの統計情報、欠損値補完、不要レコード除去、特
徴量標準化、Normalizeなど
データクレンジング用の便利モジュールあります
•精度の比較用のモジュールもある
複数のモデルの学習がとても簡単に実施
Azure Machine Learning Studio
• 自動的にパラメータを変更しながら試行
ハイパーパラメータの自動チューニングあります
• 学習時と同様のGUIによる構築が簡単に誰でもすぐに可能
Webサービスのデプロイ
• PowerShellによる自動化が可能
モデルの更新からWebサービスへ再デプロイ
Azure Machine Learning Studio
知っておくべき検討事項
Azure Machine Learning Studio
• 裏側で稼働しているであろうVMのスケールアップができないため、処理
時間を短縮することができない。大量データ使用時には要注意
モデルの学習時
• 独自Webサービスでのみ公開可能。学習済みモデルをダウンロードして
他の環境で使用することはできない
• 独自Webサービスのスケールアップはできないため、アクセス負荷に注意
学習済みモデルの使用時
Video
Azure Machine Learning ServiceVisual Interface
Azure Machine Learning Service Visual Interface
Azure Machine Learning Service Visual Interface
https://docs.micros
oft.com/ja-
jp/azure/machine-
learning/service/ove
rview-what-is-
azure-ml#how-
does-azure-
machine-learning-
service-differ-from-
studio
使い勝手はStudioと全く同じ
コンピューティングリソースを作成・選択できるところが大きい!クラウドらしい!
便利なモジュールが足りないが、今後拡充されるでしょう
Azure Machine Learning Service Visual Interface
© 2018 Microsoft Corporation. All rights reserved.
本情報の内容(添付文書、リンク先などを含む)は、作成日時点でのものであり、予告なく変更される場合があります。
© 2019 NEXTSCAPE INC. All rights reserved.
本情報の内容 (添付文書、リンク先などを含む) は、de:code 2019 開催日 (2019年5月29~30日) 時点のものであり、予告なく変更される場合があります。
本コンテンツの著作権、および本コンテンツ中に出てくる商標権、団体名、ロゴ、製品、サービスなどはそれぞれ、各権利保有者に帰属します。