ibm data science experience and watson machine learning 20170429

Data Science Experience andWatson Machine Learning

2017年 4月 29日IBM コンサルティング・アーキテクト

平山毅

© 2017 IBM Corporation

自己紹介名前︓平⼭毅（ひらやまつよし）2016年2月 IBM入社クラウド事業本部コンサルティングアーキテクト

前職︓Amazon Web ServicesTokyo Stock ExchangeNomura Research Institute

東京理科⼤学卒で計算機科学、統計学、電子商取引の研究早稲⽥⼤学⼤学院で⾦融⼯学、ブロックチェーンの研究

Twitter : t3hirayamaFacebook : tsuyoshi.HirayamaSlideshare︓tsuyoshi.hirayama【直近記事】WIRED︓Innovation InsightsZDnet : Bluemixの歩き方

【執筆著書】


Watson Summit 2017 無事終了⼤盛況でした。ありがとうございました︕


コグニティブアプリケーションを支援するBluemix

クラウドネイティブアプリケーション

API提供 API提供コグニティブアプリチェーンコード


IBM Watson の最新方向性

AIBuilding blocks for developers

Visual RecognitionA

PI

ConversationAP

I

DiscoveryAP

I

SpeechAP

ICompare/ComplyA

PI

IoTAP

I

DLaaSAP

I

NLUAP

I

Tone AnalyzerA

PI

NLCAP

I

Personality InsightA

PI

Knowledge QueryA

PI

CloudA highly scalable, security enabled foundation

Developer Services – IAM, Billing, Logging, Monitori ng, + more

Firewall/ Reverse Proxy

Object Storage DNSDedicated Machines

VirtualMachines

Networking File Storage

Watson Oncology

Watson Cyber Security

WeatherGBS/GTS Ind.

SolutionsWatson

Virtual Agent

Watson Explore & Discover

IBM Risk & Compliance

Asset Mgmt.(Maximo)

+ m

ore

Cleanse Enrich Store CrawlDataTools to prepare data for cognitive

ApplicationsFinished products for clients

AI +αとして、 AIを使ったApplications, AIの学習データの元になるDataLake に⼒を入れ始めています。


最新のBluemix上で使えるWatson一覧

Alchemy APIの統合が完了


豊富なWatsonのエンタープライズ事例三菱東京UFJ銀⾏投資信託アドバイス

JAL赤ちゃん同伴のハワイ旅

⾏の不安を解消

ネスレ・ジャパンお客様サポート

Watson 医療系の代表事例︓東京⼤学様

Facebook、Amazon、Google、IBM、MicrosoftがAIで歴史的な提携を発表

https://www.partnershiponai.org/

10

2016年9月、人⼯知能の普及とベストプラクティスを共有する非営利団体「Partnership on AI」を設⽴。AIの倫理や公平性、プライバシー、透明性などを共同で研究し、その成果を公表することを目的とする。

Microsoft IBM Facebook Google


クラウド技術内部にWatsonの活用開始CyberSecurity Object Storage Class

Orchestration,

Infrastrucuture as Code


コグニティブへのロードマップ

診断「なぜそれが起きたか︖」を調べるためのアナリティクスとレポート

予測「何が起こりうるか︖」・・・結果を予測し時には防ぐためのアナリティクス

コグニティブ「自分がすべき⾏動とその理由は何か」・・・学習するためのアナリティクス

コグニティブ相互作用互いに相互作用する機械、装置、人間・・・「⾏動は自動化される」

アナリティクス(SparkとかSPSSとか重要) ⇒ コグニティブ


Watson の基本的なロジック＝機械学習

1.必要なサービスを作成2.Inputデータを準備3.質問データをWatsonに4.回答データをDatabaseに5.アプリを配置

Watson API Database

実行環境

.csv .json

データ

使ってみたいなどこで使えるの︖ ｝ where_can_use ｝ Bluemixだよ

質問分類回答

機械学習アルゴリズム


コグニティブシステムへのアプローチ

お手伝い報告洗濯・掃除・料理 etc

100円 300円

DO

本日、PM３︓００に太郎ちゃんからお掃除完了の報告がありました。

承認します。

LINEで振込を承認

IBM FinTech共通APIで⼝座振替を実⾏

Speech To Text

Watson NLC（学習済み）

Cloudant NoSQL DB

Line Bot API

Node-RED

Node-RED IBM FinTechAPI

アイデアシステム構成

Garage Method

BlueHub


Garage Method ⇒ OpenToolchain

コグニティブアプリケーション OpenToolchain


IBM Watson Data Platform

データソース

データソース

Store

（蓄積）Store

（蓄積）

プラットフォームプラットフォーム

Analytics

ツールAnalytics

ツール

Watson Data Platform

IBM クラウドSoRApp/Service 動画画像 IoT

DB2 dashDB dashDB Local Cloudant BigInsights Bluemix

Bluemix Data Connect Watson Analytics Data Science ExperienceCognos Analytics on CLoud

SPSS Bluemix

データ・エンジニアビジネス・アナリストデータ・サイエンティストアプリ開発者

マルチデータソース

マルチ分析ツール


IBM Watson Data Platform の構成要素

� Salesforce� Google

Analytics

� Census� ACS� Open Data

DataConnect

Lift

� DB2� Oracleなど

� Swift Obj� AWS S3� HDFS

� Twitter� Financial� Shipping

� Kafka� IBM Streams� Spark

common data, pipelines and projects

Data Lake (Data Store)Object Store ComposeCloudantdashDB BigInsights

Data Lake (Data Store)

Data Flow(Canvas)

デプロイスケジューラー

Streams

API

分析

Predictive | Entity | Text | ...

機械学習

監査セキュリティ/アクセス制御

マスタデータ来歴

ガバナンスオープン

メタデータカタログ検索ポリシー制御

収集加⼯

ビジネスアナリストアプリ開発者データエンジニア

探す - Find 共有 - Share 共創 - Collaborate

Conn

ecto

rs

API

アプリ

クラウド

オンプレ

パブリック

外部データ

ストリーム

情報提供

Data ScienceExperience

WatsonMachine Learning


データ・サイエンティスト

開発者分析者


Data Science Experice・Notebookを中心インターフェイスにしたマネージドサービスでオブジェクトストレージからデータ読み込みが可能。

Bluemixで作成したNotebooksやData Assetsが利用可能


Bluemixとのマッピング

Infrastucture

既存のBluemixの組織とスペースをマッピングするだけ


Data Science Experience による融合効果

Jupyterノートブック Watson ML

Rstudio/Shiny SPSS / CPLEX



差別になるデータセットの比較もできる


AIのチューニングのポイント

モデル + 学習データ（が大きな要素）

⇒ 精度があがれば予想ができる


Watson Machine Learning = 予想分析

= SPSS or Spark + Watson Machine Learning をAPI化

従来はPredictive Analysisと呼んでいたサービス


Watson Machine Learning・SPSSモデル、Sparkモデルも取り込めるIBM版機械学習サービス・Bluemixからも使えるが、Data Science Experienceからの利用も可能予定。

↓Watsonではなく、、Analyticsの分類にあります

分析モデルをここに入れます。


顧客予想分析の例


⾦融予想分析の例


薬剤分析の例

モデルをこの中に突っ込むだけで使える


for Spark


Data Science Experience とWatson Machine Learningは、AIをアプリケーション＆API視点で使えるサービス群です。

まとめ


IBMはハードウェアまでAI対応

Computing Network Storage/Security

Enterprise strong

Data first

Cognitive at the core

PowerAI

あわせて、IBMはハードウェアそのものをAIに最適化し、クラウドコンピューティングで提供することにも取り込んでいます。


Thank youご清聴ありがとうございました。


この資料に含まれる情報は可能な限り正確を期しておりますが、日本アイ・ビー・エム株式会社の正式なレビューを受けておらず、当資料に記載された内容に関して日本アイ・ビー・エムは何ら保証するものではありません。ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独自の見解を反映したものです。それらは情報提供の目的のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助言を意図したものではなく、またそのような結果を生むものでもありません。本講演資料に含まれている情報については、完全性と正確性を期するよう努力しましたが、「現状のまま」提供され、明示または暗示にかかわらずいかなる保証も伴わないものとします。本講演資料またはその他の資料の使用によって、あるいはその他の関連によって、いかなる損害が生じた場合も、IBMは責任を負わないものとします。本講演資料に含まれている内容は、IBMまたはそのサプライヤーやライセンス交付者からいかなる保証または表明を引きだすことを意図したものでも、IBM ソフトウェアの使用を規定する適用ライセンス契約の条項を変更することを意図したものでもなく、またそのような結果を生むものでもありません。本講演資料でIBM製品、プログラム、またはサービスに言及していても、IBMが営業活動を行っているすべての国でそれらが使用可能であることを暗示するものではありません。本講演資料で言及している製品リリース日付や製品機能は、市場機会またはその他の要因に基づいてIBM独自の決定権をもっていつでも変更できるものとし、いかなる方法においても将来の製品または機能が使用可能になると確約することを意図したものではありません。本講演資料に含まれている内容は、参加者が開始する活動によって特定の販売、売上高の向上、またはその他の結果が生じると述べる、または暗示することを意図したものでも、またそのような結果を生むものでもありません。パフォーマンスは、管理された環境において標準的なIBMベンチマークを使用した測定と予測に基づいています。ユーザーが経験する実際のスループットやパフォーマンスは、ユーザーのジョブ・ストリームにおけるマルチプログラミングの量、入出力構成、ストレージ構成、および処理されるワークロードなどの考慮事項を含

む、数多くの要因に応じて変化します。したがって、個々のユーザーがここで述べられているものと同様の結果を得られると確約するものではありません。記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使用したか、またそれらのお客様が達成した結果の実例として示されたものです。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。IBM, IBM ロゴ、ibm.com, は、世界の多くの国で登録されたInternational Business Machines Corporationの商標です。他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。現時点での IBM の商標リストについては、www.ibm.com/legal/copytrade.shtmlをご覧ください。

ibm data science experience and watson machine learning 20170429

Technology