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
?
0 likes?1,192 views
2019/5/28 de:code2019 AI82にて行ったセッション資料です。 資料内で紹介しているVIDEOのURL https://youtu.be/aXjrv5b-UD8
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
- 1. Ask the Speaker 写真撮影 動画撮影 セッション資料 後日公開 Twitter ハッシュタグ 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 #decode19 #AI82設定なし
- 2. de:code 2019 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
- 3. このセッションについて
- 4. 自己绍介
- 5. 自己绍介 /uesaka
- 8. などの係数を決定 学習済みモデル ? ?1, … = ? + ??1 + … ※重回帰分析の例 機械学習を理解するポイント
- 10. 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
- 11. 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
- 14. 予测用システム构筑のポイント
- 15. 予测用システム构筑のポイント
- 16. 予测用システム构筑のポイント 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
- 17. 予测用システム构筑のポイント 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
- 18. 予测用システム构筑のポイント 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
- 20. Azure Machine Learning Studio
- 21. ? 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
- 22. ? 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
- 23. ? 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
- 24. 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
- 25. Video
- 28. Azure Machine Learning Service Visual Interface
- 29. Azure Machine Learning Service Visual Interface
- 30. Azure Machine Learning Service Visual Interface https://docs.microsoft.com/ja-jp/azure/machine-learning/service/overview-what- is-azure-ml#how-does-azure-machine-learning-service-differ-from-studio
- 31. 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
- 32. ? 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 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、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。