[japan tech summit 2017] mai 003

Microsoft Tech Summit 2017本情報の内容（添付文書、リンク先などを含む）は、Microsoft Tech Summit 2017 開催日（2017 年 11 月 8日 - 9 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。

まずはじめに

Azure Machine Learning Studio

もっと早いマシンを使いたい

Web Serviceにしかデプロイできない

もっと早いマシンを使いたい

Web Serviceにしかデプロイできない

どの環境でも学習

どこでもデプロイ

コードでごりごり全フレームワーク

Azure Machine Learning

Workbench

A Z U R E M A C H I N E L E A R N I N G S E R V I C E S

VM (CPU/GPU)

Spark

Container Services

SQL Server

ML Server

ON-PREMISES

EDGEAzure IoT Edge

学習とデプロイの選択肢

AZURE学習履歴＆モデル管理サービス

言語

任意のフレームワークまたはライブラリに対応

使い慣れたツール

St George Island

学習ごとの履歴を管理学習履歴管理サービス

デプロイ＆運用データの準備モデルの学習


Experimentation

Service

Model Management

Service

Azure Machine Learning Workbench

データの準備

192.128.138.20 - - [16/Oct/2016 16:22:33 -0200] "GET /images/picture.gif HTTP/1.1" 234

343 www.yahoo.com "http://www.example.com/" "Mozilla/4.0 (compatible; MSIE 4)" "-"

log1 log2 log3 log4 log5 log6 log7

192.128.138.20 16/Oct/2016 16:22:33 -0200 GET images/picture.gif HTTP

IIS ログ

http://www.example.com/

モデルの学習

Local machine

Data Science VM

(CPU / GPU)

Spark on HDInsight

Azure Batch AI (Coming Soon)

ML Server

学習用の環境を自由に選べます

Workbench DOCKER

学習履歴管理サービス

学習履歴管理サービス

# Import Azure ML Logger libraryfrom azureml.logging import get_azureml_logger

# Create a new instance of the loggerrun_logger = get_azureml_logger()

# log a valuerun_logger.log("key", value)

デプロイ＆運用

DOCKER

VM (CPU/GPU)

Azure Container Service

Azure IoT Edge

(Coming Soon)

Microsoft ML Server

Spark clusters


AZURE ML

Services

モデル管理サービス

Model Manifest

Image Service

バージョン管理をサポート

ロールバックが可能

GUI でのドラッグ & ドロップコードファースト

Microsoft Tech Summit 2017本情報の内容（添付文書、リンク先などを含む）は、Microsoft Tech Summit 2017 開催日（2017 年 11 月 8日 - 9 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。

Session

IDTitle Time

HOL007 Azure Machine Learning で始めるデータ分析の第一歩 Day2 15:10 – 16:00

MAI004 AI ディープラーニング入門 Day2 09:00 – 09:50

MAI001 ディープラーニングの産業応用とそれを支える技術 Day1 13:55 – 14:45

■ http://aka.ms/mina-ai

■ http://aka.ms/psdc-ai

https://azure.microsoft.com/en-us/overview/machine-learning/

http://aka.ms/aml_deep_dive

http://aka.ms/mina-ai

http://aka.ms/psdc-ai

https://azure.microsoft.com/en-us/overview/machine-learning/

http://aka.ms/aml_deep_dive

➢ Data store

- File system - Azure Blob

- SQL Database

➢ File Types

- Delimited Files (CSV, TSV, TXT)

- Fixed Width - Plain Text

- Excel - Json

- Parquet

➢ Sampling Strategy

- Top N - Random N

- Full file - Random %

Ingest and sample

Understanding Data

Inspectors

➢ Column statistics : Numeric

➢ Histogram

➢ Value Counts

➢ Box Plot

➢ Scatter Plot

➢ Time Series

➢ Map

AI Powered Spreadsheets

Transparent compute

コラボレーションと Git

➢再現性 = 各実験提出時の git コミット

➢ 各実験の実施はコミットであるため、特定の時点のプロジェクトに復元できる

VSTS アカウント AML の実験アカウント

VSTS プロジェクトワーク

Git リポジトリ

Git リポジトリ

Git リポジトリ

AML プロジェク

ト

AML プロジェク

ト

AML プロジェク

ト

ユーザーが両方の場所でアクセス許可を必要とする

Microsoft ML Spark

CNTK Java Bindings OpenCV Java Bindings Spark core

Scala API

PySpark wrappers

Wrapper

generation

Pre-trained DNN models

Notebook integration

Promote & download # setup environment

az ml env setup

-l <location>

-n <environment name>

# set environment

az ml env set

-g <resource-group>

-n <environment name>

# Create modelmanagement account

az ml account modelmanagement create

--name <modelmanagement name>

--resource-group <resource-group>

--location <region>

# deploy model

az ml service create realtime

-m <path to .link file>

-f <scoring script>

-r <runtime (spark-py|python)>

–n <webservice name>

[japan tech summit 2017] mai 003

Technology