不正検知

機器予防保全

顧客属性分類 レコメンデーション

医療診断株式取引

モデル

学習 データを使ってモデルを教育すること

モデルの出来を精度から測ってあげること評価

目標

設定

データ

収集

事前

加工

モデル

学習

モデル

評価

API

発行導入

プロダクト導入までの壁が多い

一般的な機械学習での悩み

頻繁なコードの書き換えが煩雑

環境構築が手間だ

モデルのシステム導入への手間

Azure Machine Learning

生活リズムの

色分け表示

各種統計

グラフ表示

空腹・オムツ替

の予測通知

新生児を育てるママの

10人に1人がダウンロード

さらにコストを削減するために

MLした結果を元にロジックを

Mobile Appsへ展開

お客様からの言葉～ Azure ML 採用による効果

「解析回数を大幅に増やすことができ、求めるクオリティレベルの

結果を得られた。

解析スクリプトの自社開発を検討していたが、

リソース的に困難であり Azure ML がなければ

実現できていなかった。

同レベルの解析回数を実施しての最適化は工数的に

想像できないレベル。」

目標

設定

データ

収集

事前

加工

モデル

学習

モデル

評価

API

発行導入

分類回帰

分類回帰

https://aka.ms/tameso

需要

Input data

Data Transformation

Train Model

Algorithm Split Data

Score Model

Evaluate Model

より機械が判別しやすい意味ある値に落とし込む

直近にレンタルされた台数

1時間前は？

2時間前は？

・・・

12時間前は？

分類回帰

分類回帰

% mecab -O wakati 私の名前は藤本です

↓私 の 名前 は 藤本 です

機械が活用できるデータに落とし込むFeature Engineering

Deep Learning

得意分野

画像認識音声認識

Face

ComputerVision

Emotion

Video

A GOAL WITHOUT

A PLAN IS

JUST A WISH

Analyze image

OCR

Smart thumbnail

Category People; 1 face found

Adult False

Black & White? No

Dominant colors

Accent color

https://aka.ms/cvapi

"faceId": "48cdf8c8-841c-4d33-b875-1710a3fc6542","faceRectangle": {“width”: 228,“height”: 228, "left": 460,"top": 125

},"faceAttributes": {"age": 23.5,"gender": "female","headPose": {"roll": -16.5,"yaw": 22.1,"pitch": 0},"smile": 0.998,"facialHair": {"moustache": 0,"beard": 0,"sideburns": 0},"glasses": "ReadingGlasses"

}

Detection Result

Grouping

Identity

Demo

How-Old.net

Face

ComputerVision

Emotion

Video

8

Emotion API 必要コード量

Speaker Recognition

CustomRecognition

Bing Speech

Conversion

Convert text to spoken audio

スペシャルゲスト

伊藤直也氏、及川卓也氏、篠田庸介氏

Connect();2016 基調講演ライブ中継！

2016/11/16 23:30~

http://microsoft-japan-events.azurewebsites.net/2016/connect/