「人工知能のビジネス提供価値を考える」― 人工知能のビジネス活用概況2017年度版 (2017年06月26日) 株式会社 MM 総研 https://www.m2ri.jp/news/detail.html?id=238
競合他社は既に取り組んでいる可能性が高い!
1.8%
17.9%
80.3%
4.9%
22.4%
72.7%
13.3%
32.9%
53.8%
導入済
導入検討中
導入する予定
なし
日本 ドイツ アメリカ
Azure: The Trusted CloudMore certifications than any other cloud provider
HIPAA /
HITECH ActFERPA
GxP
21 CFR Part 11
ISO 27001 SOC 1 Type 2ISO 27018CSA STAR
Self-Assessment
Singapore
MTCS
UK
G-Cloud
Australia
IRAP/CCSL
FISC Japan
New Zealand
GCIO
China
GB 18030
EU
Model Clauses
ENISA
IAF
Argentina
PDPA
Japan CS
Mark Gold
CDSAShared
Assessments
Japan My
Number Act
FACT UK GLBA
Spain
ENS
PCI DSS
Level 1MARS-E FFIEC
China
TRUCS
SOC 2 Type 2 SOC 3
Canada
Privacy Laws
MPAA
Privacy
Shield
ISO 22301
India
MeitY
Germany IT
Grundschutz
workbook
Spain
DPA
CSA STAR
Certification
CSA STAR
Attestation
HITRUST IG Toolkit UK
China
DJCP
ITARSection 508
VPATSP 800-171 FIPS 140-2
High
JAB P-ATOCJIS
DoD DISA
SRG Level 2
DoD DISA
SRG Level 4IRS 1075
DoD DISA
SRG Level 5
Moderate
JAB P-ATO
GLO
BA
LU
S G
OV
IND
USTR
YR
EG
ION
AL
ISO 27017
https://azure.microsoft.com/ja-jp/support/trust-center/
Spark
SQL Server
仮想マシン
GPU
コンテナー サービス
ノートブックIDE
Azure Machine Learning Workbench
SQL Server
Machine Learning Server
オ ン プ レ ミ ス
A Z U R E M A C H I N E L E A R N I N G
エ ッ ジ コ ン ピ ュ ー テ ィ ン グ
Azure IoT Edge
実験およびモデル管理
A z u r e Ma c h i n e L e a r n i n g サ ー ビ ス トレーニングとデプロイのオプション
A z u r e
ハ イ パ ー ス ケ ー ル のエ ン タ ー プ ラ イ ズグ レ ー ド のイ ン フ ラ ス ト ラ ク チ ャ
開 発 者 用 ツ ー ル お よ びサ ー ビ ス
デ ー タ サ イ エ ン ス の た め のオ ー プ ン プ ラ ッ ト フ ォ ー ム
ハードウェア
ストレージ管理
ソフトウェア
M L お よ び A I プ ラ ッ ト フ ォ ー ム
AI アプリケーション (ファーストおよびサード パーティ) コグニティブ サービスBot Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、コラボレーション
CNTK
TensorFlow
ML Server
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエンジン
ML Server - Spark、SQL、VM
エッジ
大規模に構築、デプロイ、管理
どこにでも構築してデプロイ - クラウド、オンプレミス、エッジ、およびデータ内
データ ドリブン型の管理とすべてのモデルの再トレーニングによりわずか数分でデプロイ
ローカルでプロトタイプを作成し、その後 VM、Spark クラスター、および GPU でスケールアップ/スケールアウト
Exce l 統合を含め、リアルタイムでスループットの高い洞察をどこででも提供
HTTP サービスとしてモデルをデプロイおよび管理
リアルタイムおよびバッチ処理をコンテナーベースでホスト
Azure による管理と監視(例: AppInsights)
SparkML、Python、CNTK、TF、TLC、R の最高クラスのサポート、その他 (Caffe、MXnet) をサポートするよう拡張可能
Python および .NET Core でのサービス作成
モデルの管理
アジャイルな開発により生産性が向上
組み込みのインテリジェントなデータ ラングリングにより、準備時間を短縮し、より多くの時間をモデリングに費やすことが可能に
ノートブックと Git により、コラボレーションと共有を拡大
バージョン コントロールと再現性により、データの損失を回避
指標、系列、実行履歴、資産管理などにより、最もパフォーマンスの高いモデルを特定
データのサンプル化、理解、および準備を迅速化
PROSE SDK などを活用して、例示によるインテリジェントなデータ準備を実現
Python による変換の拡張/カスタマイズと特性付け
大規模な実行のための Python と PySpark の生成
データの準備
実験
ローカルおよびクラウドでの実験のためのジョブの管理
Spark + Python + R のためのサポートを見つける(ロードマップ)
ジョブをローカル、リモート VM 上 (スケールアップ)、Spark クラスター上 (スケールアウト)、またはSQL オンプレミスで実行
コード、構成、パラメーター、およびデータに対するGit の実験追跡を使用して作成
詳細な履歴メタデータによる検索と比較
使い慣れたツールとプラットフォームにより今すぐ構築を開始
視覚的なドラッグアンドドロップか、コードファーストの作成のどちらかを選択
好みの IDE を使用
VS Code で直接 Azure Machine Learn ing サービスを呼び出し*
最も人気の高い言語を使って任意のフレームワークまたはライブラリ上に構築
業界をリードする Spark および GPU を使用したより迅速で簡単なトレーニング
好みの IDE を使用
あらゆる種類のデータを活用
好きなものを使用
最 も 人 気 の 高 い イ ノ ベ ー シ ョ ン を 使 用
任 意 の ツ ー ル を 使 用
任 意 の フ レ ー ム ワ ー ク ま た は ラ イ ブ ラ リ を 使 用
希望の IDE に統合
Visual Studio Code 拡張機能 (より多くの IDE およびノートブックをサポート予定)
希望の IDE で構築開始 - 追加のツールは不要
機械学習とディープ ラーニングのための統合された機能豊富な作成
ご使用の IDE またはノートブックから Azure Machine Learning サービスを直接呼び出し
Azure Blob Storage
Azure Machine Learning Model
Management Service
GPU Data Science Virtual
Machine
機械学習モデル
Java ETL
Azure Container Registry
予測的 Web アプリケーション
画像分類の精度の強化転移学習、畳み込みニューラル ネットワーク (CNN)、および勾配ブースティング デシジョン ツリー (GBDT) といった学習アルゴリズムにより、画像分類を再定義
Azure Container Service
Azure Container Service
Azure Machine Learning
Azure GPU Data Science Virtual Machine
Web アプリ(Jupyter Notebook)
Workbench Experimentation Service
Microsoft SQL Server
Azure Machine Learning Operationalization
クラスター
テキスト予測の強化ディープ ラーニングと自然言語の処理により、検索の有効性とタグ付けの正確性が向上
SQL
課題
• 従来の電線検査サービスは非常に高コスト
• 低コストの画像スコアリングと複数の同時顧客のサポートに対する需要
• ドローン ソリューションで実行できる強力なAI が必要
ソリューション
• ディープ ラーニングにより複数のストリーミングデータ フィードを分析
• Azure GPU は Single Shot Multibox Detector をサポート
• Azure Batch Shipyard による信頼性が高く、一貫性があり、弾力性に富むスケーラビリティ
ディープ ラーニングによって強化されたドローンベースの配電網検査機能
データ ソース 取り込み 準備 分析 公開 使用
アクションインテリジェンスデータ
ドローンが収集した画像
ドローン画像の一括アップロード
オンプレミスのコマンド センターAzure Blob
未加工ストレージ
Cosmos DB
在庫の結果と状態の変化を含む
Azure Batch
Docker イメージ
Docker イメージに含まれる DNN
Azure Blob
Azure Functions
Cosmos DB
1001
1001
eSmart アーキテクチャ
課題
• カタログから類似した衣料品アイテムの正確なオプションを提供することでバイヤーの検索を支援
• 色、柄、ネック スタイルなどに基づいた改善されたスマート画像マッチング機能の必要性
ソリューション
• Bing およびドメイン固有の画像を使用して作成されたトレーニング データ
• 転移学習を使用して事前トレーニングされたImageNet ディープ ニューラル ネットワークを活用
• 衣料品の類似性の指標を使用した最も類似した衣料品アイテムの正確なリスト
• 74% の一致精度
画像分析による一致精度の改善
価格設定
すべてのサービスは別個に使用可能
•
•
管理されたモデル デプロイされたモデル コア数 価格 (月額)
20 2 4 無料
100 10 16 50 ドル
1,000 100 120 375 ドル
10,000 1,000 800 2,500 ドル
•
無料でお試しください
詳細
今すぐスタート
機械学習と AI のポートフォリオいつどれを使用するか?
どのエンジンを使用するか?
デプロイ対象
どちらの経験を優先するか?
独自に構築するか、事前トレーニングされたモデルを使用するか?
Microsoft ML および AI 製品
独自に構築
Azure Machine Learning
コードファースト
(オンプレミス)ML サーバー
オンプレミスのHadoop
SQL Server
(クラウド) AML (プレビュー)
SQL Server Spark Hadoop Azure Batch DSVM Azure Container Service
ビジュアル ツール
(クラウド) AML Studio
使用
コグニティブサービス、ボット
アプリ + 洞察ソーシャル
LOB
グラフ
IoT
画像
CRM 取り込み 保存 準備 & トレーニング モデリング & 提供
データの調整 & 監視
Data Lake & ストレージ
Hadoop/Spark/SQL & ML
増え続けるデータ量。新たなデータ ソースと種類。オープン ソースの言語。
Azure Machine Learning
IoT
デ ー タ 資 産 の 進 化
Spark アプリケーション (ドライバー)
SparkContext
マスター (クラスター マネージャー)
スレーブ (ワーカー)
Executor
タスクタスクタスクタスクタスクタスク
スレーブ (ワーカー)
Executor
タスクタスクタスクタスクタスクタスク
Apache Sparkフォールト トレラントな分散コンピューティング フレームワーク
Spark へのディープ ラーニングの統合
ライブラリを作成して Spark 上で学習アプリケーションを簡単に開発
オープン ソース コミュニティにおけるマイクロソフトのプレゼンスを拡大
Spark をハードウェアに依存しない柔軟なディープ ラーニング フレームワークと統合: Cognitive Toolkit (CNTK)
さまざまな規模でモデルを簡単に実行および運用化する方法を提供
ML プログラミング モデルを強化
• 既定の特性付けを強化
• 並列モデルの評価
• モデルの比較および概要作成
Spark Summit 2017 でリリース
その他のサンプル ノートブック並びに Scala および PySpark のための MMLSpark ドキュメントを参照してください。
CIFAR-10 データセット内の画像を分類するよう事前トレーニングされた CNN
Microsoft ML for Spark例
GitHub の使用を開始するには、以下の GitHub リポジトリにアクセス:https://github.com/Azure/mmlspark
Docker の使用を開始するには、Docker イメージを使用:
サンプルの Jupyter ノートブックを表示するには、以下に移動: http://localhost:8888
Microsoft Machine Learning for Spark の使用を開始する
CNTK x Sparkステップ 1: CNTK Java バインディング
CNTK は C++ で記述されるが、Python、Brainscript、およびC# にバインド
SWIG (Simple Wrapper and Interface Generator) を使用して、CNTK の評価ライブラリを Java に公開
注: すべての Java バインディングはマシンで生成されるため、メンテナンスはほとんど不要 (CNTK の新しいリリースで提供)
CNTK x Sparkステップ 2: Spark トランスフォーマー
Spark は Scala に基づいて構築されているため新しいCNTK Java バインディングを使用 (Java と相互運用可能)
クラスター内の各ノード上でカスタムの Scala マップを実行
すべての Spark Executor で CNTK モデルを自動的に分散、ロード、および実行
各マシンはデータセット全体の小さな部分をマップするため、パフォーマンスはマシンに応じてスケーリング
パフォーマンス対パーティション
観測値
完璧な並列処理
コン
ピュ
ーテ
ィン
グ時
間(秒
)
パーティション数
無料の PySpark バインディング
Scala はコア コードで、Python はデータ サイエンス言語
Spark は PySpark パッケージに Python へのバインディングを公開
すべての作業に対する Python バインディングを瞬時に生成することで、CNTK Spark 統合を Python に
自動的に公開
Databricks と連携することで、このツールは Spark Core に貢献し、SparkDL と作業をマージできる
ユキヒョウ?
ディープ ニューラル ネットワーク Spark ML 分類子
デシジョン ツリーまたはロジスティック回帰画像の特性画像
クラス 1 クラス 1
ギャップ
コンピューター ビジョンと Spark での分類
使用した場合使用しない場合
89% の精度68% の精度
15.1% の精度 83.7% の精度
深い特性付け
スケール + LR に正規化された CM
正解
ラベ
ル
精度 = 68.0%
予測ラベル
正解
ラベ
ル
CNTK2 + LR に正規化された CM
正解
ラベ
ル
精度 = 89.5%
予測ラベル
LR に正規化された CM正
解ラ
ベル
予測ラベル
精度 = 15.1%
CNTK モデル + LR に正規化された CM
正解
ラベ
ル
予測ラベル
精度 = 83.7%
ACS w/Kubernetes
ACR
App Insights
Storage
必要に応じてスケールアウト/
イン
アクセスが登録されたコンテナー
Get 要求ログデータ
Windows
Linux
Mac
Spark ML
Python
CNTK
AZURE サービスOS サポート ML フレームワーク
R
Operationalization CLI環境および技術スタック
Empower today’s innovators to unleash the power of data
and reimagine possibilities that will improve our world
本書に記載した情報は、本書各項目に関する発行日現在の Microsoft の見解を表明するものです。Microsoftは絶えず変化する市場に対応しなければならないため、ここに記載した情報に対していかなる責務を負うものではなく、提示された情報の信憑性については保証できません。
本書は情報提供のみを目的としています。 Microsoft は、明示的または暗示的を問わず、本書にいかなる保証も与えるものではありません。
すべての当該著作権法を遵守することはお客様の責務です。Microsoftの書面による明確な許可なく、本書の如何なる部分についても、転載や検索システムへの格納または挿入を行うことは、どのような形式または手段(電子的、機械的、複写、レコーディング、その他)、および目的であっても禁じられています。これらは著作権保護された権利を制限するものではありません。
Microsoftは、本書の内容を保護する特許、特許出願書、商標、著作権、またはその他の知的財産権を保有する場合があります。Microsoftから書面によるライセンス契約が明確に供給される場合を除いて、本書の提供はこれらの特許、商標、著作権、またはその他の知的財産へのライセンスを与えるものではありません。
© 2017 Microsoft Corporation. All rights reserved.
Microsoft, Windows, その他本文中に登場した各製品名は、Microsoft Corporation の米国およびその他の国における登録商標または商標です。
その他、記載されている会社名および製品名は、一般に各社の商標です。