次世代のデータ活用としてのintelligent data platform－microsoft azure と ai...
Post on 22-Jan-2018
423 Views
Preview:
TRANSCRIPT
#azurejp
https://www.facebook.com/dahatake/
https://twitter.com/dahatake/
https://github.com/dahatake/
https://daiyuhatakeyama.wordpress.com/
https://www.slideshare.net/dahatake/
Switchboard
携帯電話のSwitchboard ミーティング
IBM, Switchboard
ブロードなスピーチ
チームに力を 臨床業務の最適化継続した診療にデジタルを
患者を健康に
緊急
外来クリニック
薬局
ポリシー監査
セキュリティとコンプライアンスの
強化
セキュリティとコンプライアンス
の強化
ポリシー監査
権限のあるケアコーディネート
治療計画
変形させた心配の連続変形させた心配の連続
権限のあるコーディネート
患者の関与患者の関与
継続した診療
治療計画
セキュリティとコンプライアンスの強化
操作の最適化操作の最適化
001
100
0
11
001
100
0
11
10
0
001
10
0
0
1
1
010
001
100
0
11
0
1
ケアプラン
00
1
1
00
0
1
1
10
0
0
1
10
0
患者 X
個人履歴
レコード今
00
1
1
00
0
1
1
10
0
0
1
10
0
患者 X
個人履歴
レコード今
調整投与
低グルコース
調整投与
低グルコース
患者の履歴とチャート表記を記録し、転写するためにデジタルアシスタントにタスクを依頼
インテリジェントツールを使用して、個々の診療プランに対するベストアクションを推奨
診療チームのアラートを生成するために高度な解析・予測を適用しながら、リモートで患者の監視を提供
放射線
看護
こんにちはジョン、どのように私はあなたを助けることができる?
私はインフルエンザを持っていると思います。
発熱していませんか?
放射線
潜在的な調査結果
sc、結果
潜在的な調査結果
sc、結果
高度な学習モデルを採用し、医用画像処理のワークフローを迅速化し、潜在的所見を特定
バーチャル看護助手で遠隔地の患者の症状を診断し、不必要な訪問を減らす
医療記録と認知ロボット機能を組み合わせて、医師の計測器の精度上げ、強化する
Develo
per
Data
Sci
en
tist
一般的なアルゴリズムでのデータ解析・実行
with cntk.layers.default_options(activation=cntk.ops.relu, pad=False): conv1 = cntk.layers.Convolution2D((5,5), 32, pad=True)(scaled_input)pool1 = cntk.layers.MaxPooling((3,3), (2,2))(conv1)conv2 = cntk.layers.Convolution2D((3,3), 48)(pool1)pool2 = cntk.layers.MaxPooling((3,3), (2,2))(conv2)conv3 = cntk.layers.Convolution2D((3,3), 64)(pool2)f4 = cntk.layers.Dense(96)(conv3)drop4 = cntk.layers.Dropout(0.5)(f4)z = cntk.layers.Dense(num_output_classes, activation=None)(drop4)
例：手書き文字認識 (MNIST)
Microsoft Azure
Compute Infrastructure
Featuring / Training
Prediction
Data / Users
ScalablePerformance
Throughput+ Efficiency
1度のトレーニングで、
数十億 TFLOPS
Xeon CPU だと、
1年がかり
GPU だと1日
処理毎に数十億
FLOPS
Xeon CPU だと数秒
GPU だと即座
Azure 環境に簡単にデプロイ
ND6s ND12s ND24s ND24rs
Cores 6 12 24 24
GPU 1 x P40 2 x P40 4 x P40 4 x P40
Memory 112 GB 224 GB 448 GB 448 GB
Disk ~700 GB SSD ~1.4 TB SSD ~3 TB SSD ~3 TB SSD
Network Azure Network Azure Network Azure Network InfiniBand
R User
Workstation
R Server for Hadoop
RDDsHDInsight
HDFS
RDDs
HDFS
RDDs
HDFS
Video Indexer
Cognitive Services Labs
Video Indexer
Cognitive Services Labs
Custom Custom Custom Custom Custom
従来の Database
+ App
Intelligence Database
+ App
Application +
Intelligence
Database
Application
Intelligence
+ Database
VS
#azurejp
Azure Data Lake
Azure Media Service
SQL Server 2017
Azure Data Lake service
Big Data as a Services
無限にデータをストア・管理Row Data を保存
高スループット、低いレイテンシの分析ジョブセキュリティ、アクセスコントロール
Azure Data Lake store
HDInsight & Azure Data Lake Analytics
1. 顔の解析
2. 画像へのタグ付け
3. 顔の感情分析
4. OCR
1. テキストからの重要語句の抽出
2. テキストの感情分析
Azure Data Lake の 6つの Cognitive 機能
• オブジェクト認識 (タグ)
• 顔認識、感情認識
• JOIN処理 –幸せな人は誰なのか?
REFERENCE ASSEMBLY ImageCommon;REFERENCE ASSEMBLY FaceSdk;REFERENCE ASSEMBLY ImageEmotion;REFERENCE ASSEMBLY ImageTagging;
@objects =PROCESS MegaFaceViewPRODUCE FileName, NumObjects int, Tags stringREADONLY FileNameUSING new
Cognition.Vision.ImageTagger();
@tags =SELECT FileName, T.Tag
FROM @objectsCROSS APPLY
EXPLODE(SqlArray.Create(Tags.Split(';'))) AS T(Tag)
WHERE T.Tag.ToString().Contains("dog") ORT.Tag.ToString().Contains("cat");
@emotion_raw =
PROCESS MegaFaceViewPRODUCE FileName string, NumFaces int, Emotion stringREADONLY FileName
USING new Cognition.Vision.EmotionAnalyzer();
@emotion =SELECT FileName, T.Emotion
FROM @emotion_rawCROSS APPLY
EXPLODE(SqlArray.Create(Emotion.Split(';'))) AS T(Emotion);
@correlation =SELECT T.FileName, Emotion, Tag
FROM @emotion AS E
INNER JOIN@tags AS T
ON E.FileName == T.FileName;
Images
Objects Emotions
filter
join
aggregate
付加価値を提供する多くのパートナーソリューション
Streaming /
CDNコンテンツ保護
Processing取り込み
と保管
メディア配信のコア機能を
APIとして提供
Azure Media Services
PlayerAI
(Artificial Intelligence)
Vision
Speech
Language
Face
画面上の文字
歴史的建造物
話している言葉
翻訳
話者
オブジェクト
シーン
感情
感情
感情キーワード
Azure Media
Service Azure Functions
翻訳
感情 キーワード
R & Python ベースのAI のストアドプロシージャ
MicrosoftML Library の組み込み
Graphモデルのサポートによるより複雑な関係を分析
クエリ処理の最適化による比類なきパフォーマンス
AI を組み込んだ最初の商用データベース
SQL Server2017
• SQL Server, CNTK & R/Python –それぞれの強い部分を連携させたエンタープライズグレードの AI アプリケーション
• データを移動させる必要がないため、セキュリティと効率化が向上
• GPU による、処理能力の向上
Featurizationclassifier model
でのスコアリング
Web App
Diagnosis: 35% certainty
Python / R で実装したストアドプロシージャ ストアドプロシージャ
の呼び出し
Model table,
Features table,
New Images table
SQL Server
execute sp_execute_external_script
@language = N'R'
, @script = N'
x <- as.matrix(InputDataSet);
y <- array(dim1:dim2);
OutputDataSet <- as.data.frame(x %*% y);'
, @input_data_1 = N'SELECT [Col1] from MyData;'
, @params = N'@dim1 int, @dim2 int'
, @dim1 = 12, @dim2 = 15
WITH RESULT SETS (([Col1] int, [Col2] int, [Col3] int, [Col4] int));
‘R’ もしくは ‘Python’
R file や Python file の読み込みも
入力データ。 T-SQL SELECT も使えるスクリプト用のパラメーター。”OUTPUT” もサポー
ト。トレーニング済みのモデルには varbinary(max) を
使用
Result setのバインド(Optional)
STDOUT や STDERR と一緒にメッセージ文字列も
R dataframeもしくはPython Pandas dataframe
launchpad.exe
sp_execute_external_script
sqlservr.exeNamed pipe
それぞれの SQL インスタンスがlaumchpad.exe を持
つ
SQLOS
XEvent
MSSQLSERVER Service MSSQLLAUNCHPAD Service
“何を” そして “どう”
“実行” するか
“launcher”
Bxlserver.exe
sqlsatellite.dll
Bxlserver.exe
sqlsatellite.dll
Windows Satellite
Process
sqlsatellite.dll
Run your “query”
In-memory OLTPColumn Store
大量データの書き込み処理
PowerBI DashboardスケールするDatabase 内の分析
R
業務ユーザー
分析の用意
Stored
Predictions
Visualize
SQL-R を使って、秒間100万件の機械学習の処理も
Gathering
Data
Store
Data
Store
Data
Store
Data
Store
Data
Store
Training
DatasetModel
Data Process Training Deploy Prediction
Model
ModelLang. Image
Model Video
Dataset Model
Dataset Model
Model
Service
リモートモニタリング・制御
多数のIoTデバイスからの収集データをマージ
先進AIの適用を可能にする、無限に近いコンピューティングリソースとストレージ
リアルタイム応答に必要なローレーテンシーでタイトなコントロールループ
プライバシーデータや知的財産の保護
Azure IoT Edge IoT Hub
Devi
ces
Local Storage
Azure Machine
Learning
(Container)
Functions
RuntimeContainer
Management
Device
Twin
Device
Twin
Azure Stream
Analytics
(Container)
Azure Functions
(Container)
Cognitive Services
(Container)
Custom Code
(Container)
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
Twin
Module
TwinModule
TwinModule
TwinModule
TwinModule
Twin
#azurejp
さあ、始めましょう!azure.com
© 2017 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries.
The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a
commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation.
MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.
top related