1. 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。

2. まずはじめに

3. Azure Machine Learning Studio

4. 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

5. 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

6. 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

7. 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
EDGE
Azure 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

8. 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

9. 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

11. St George Island

13. 学習ごとの履歴を管理学習履歴管理
サービス

17. デプロイ＆運用データの準備 モデルの学習

18. 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

20. 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

21. デプロイ＆運用データの準備 モデルの学習

22. データの準備

24. 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

25. デプロイ＆運用データの準備 モデルの学習

26. モデルの学習

27. 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

28. 学習履歴管理サービス
# Import Azure ML Logger library
from azureml.logging import get_azureml_logger
# Create a new instance of the logger
run_logger = get_azureml_logger()
# log a value
run_logger.log("key", value)

30. デプロイ＆運用データの準備 モデルの学習

31. デプロイ＆運用

32. DOCKER
VM (CPU/GPU)
Azure Container Service
Azure IoT Edge
(Coming Soon)
Microsoft ML Server
Spark clusters
どこでもデプロイ
AZURE ML
Services
モデル管理
サービス

33. 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

36. GUI でのドラッグ & ドロップ コードファースト

37. 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

38. デプロイ＆運用データの準備 モデルの学習

40. 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。

42. Session
ID
Title 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

43. Session
ID
Title 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

44. ■
 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

46. ➢ 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

47. Understanding Data

48. Inspectors
➢ Column statistics : Numeric
➢ Histogram
➢ Value Counts
➢ Box Plot
➢ Scatter Plot
➢ Time Series
➢ Map

49. AI Powered Spreadsheets

50. Transparent compute

51. 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

52. Microsoft ML Spark
CNTK Java Bindings OpenCV Java Bindings Spark core
Scala API
PySpark wrappers
Wrapper
generation
Pre-trained DNN models

53. Notebook integration

54. 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>