既にAIやIoTは、最先端の技術ではなくなり、実用期に入っています。 まだそれに手が出せていない企業・組織の皆さまを対象に、その対象の理解と、活用についてご紹介します

1. 未来を創るために、
AI や IoT を自分の糧とするためのコツ
畠山 大有 | Daiyu Hatakeyama |
@dahatake
Architect && Software Engineer && Applied Data Scientist (目指している)
Microsoft Japan

3. https://www.blackrockblog.com/2015/12/11/economic-trends-in-charts/

4. Always Connected
Personalized / Flexible
Real-time Intelligence
Omni-channel
Shared

5. 製造設備
原材料、プロダクト
予防保全
顧客中心主義
迅速に革新し、より機敏になる
スマートプロダクト
サービス・エコシステム
コネクテッド・コンシュー
マ
顧客
サプライ
チェーン
設計開発
製造
マーケティ
ング 販売
サービス
データ (コンテ
ンツ)

8. 従業員

9. 顧客

10. 業務

11. 製品

14. Azure Bot Service
Azure Cognitive Services
Azure Cognitive Search
Azure Databricks
Azure Machine Learning
Pre-Trained ModelAI apps & agents Custom Build

16. 推論
デプロイメントデータの準備 モデル構築・学習
世界中の研究者の
論文とコードも
公開されている
どんなデータが
準備できるか?
アプリケーションの
どこにモデルを
利用すべきか?

17. データ
ML
Code
Configuration
Data Collection
Data
Verification
Feature
Extraction
Machine
Resource
Management
Analysis Tools
Process
Management Tools
Serving
Infrastructure
Monitoring
参考: “Hidden Technical Debt in Machine Learning Systems,” Google NIPS 2015

19. Surface は
品川で買えるみた
い!XXX店は
いつも混んでいて
嫌
Named Entity
Extraction

20. StreetBump smartphone app
• スマートフォン
http://www.streetbump.org/

22. やばい！
このラーメンやばい
よ！
美味しい！
このラーメン美味しい
よ！
行動データ 組み合わせ
変化し続ける

23. Power BI

25. 推論
デプロイメントデータの準備 モデル構築・学習
世界中の研究者の
論文とコードも
公開されている
どんなデータが
準備できるか?
アプリケーションの
どこにモデルを
利用すべきか?

26. データ
Alpha Go Zero

27. 引用: http://www.ics.kagoshima-u.ac.jp/~fuchida/edu/algorithm/sort-algorithm/

28. 引用: https://twitter.com/fchollet/status/1052228463300493312

30. 蒸気 や 電気
ソフト
ウェア AI

31. https://aidemos.microsoft.com/machineteaching

32. •
•
•
•
•
•
シミュレーション、または
フィジカル・システム
アクター
アクション
状態
報酬
検証環境 評価

33. Ultrasonic sensors
Stereo vision
Companion
computer

35. https://github.com/Microsoft/AirSim

39. Data

40. 94
77
236
25
0
50
100
150
200
250
300
350
1 2
(万人)
Series1 Series2
IT 技術者
0 20 40 60 80
1
2
3
労働生産性
2017 年 OECE 加盟諸国の時間当たり労働生産性 購買力平価換算 US ドルベース より引用 IPA グローバル化を支える IT 人材確保・育成策に関する調査 より引用

41. vs.
vs.
vs.
vs.
vs.
実装

42. 数千万 数か月
誰でも数分でできる
襟あり
RALPH LAUREN
Cognitive Services
Custom Vision

57. Tech Intensity =
(Tech Adoption)^Tech CapabilityVelocity Width/Depth
Strength

58. • Hack
Hack シナリオベース
• Hack 個別
Hack

60. 交通渋滞
予測
○○線
運行情報
△ △線
運行情報
イベント
開催情報
TV番組
情報
物流
車両情報
道路工事
情報
空調負荷
予測
販売計画
混雑予測
駅員・警
備計画
空調制御
計画
故障予知
集荷予測
天候情報
保守計画
売上予測
混雑予測
有機的に相互作用する社会

61. 交通渋滞
予測
○○線
運行情報
イベント
開催情報
TV番組
情報
物流
車両情報
道路工事
情報
空調負荷
予測
販売計画
空調制御
計画
故障予知
集荷予測
天候情報
保守計画
売上予測
混雑予測
△ △線
運行情報
混雑予測
駅員・警
備計画
有機的に相互作用する社会

62. 会員数 4,150 名
全国 6 都市で
36 回イベント開催
福岡
大阪
広島
名古屋
東京
札幌
オンライン・オフライン含めた
機械学習教育講座の全国での推進
機械学習 SI エコシステム日本最大の AI コミュニティ
https://dllab.connpass.com/

63. aischool.microsoft.com

64. Step-by-Step Achievements スムーズな学習環境
 無料
 日本語対応
 ブラウザーのみでOK
ハンズオン環境も含めて
 ダウンロード可能なサンプ
ルコード
 Product/Service, 技術レベル,
job role, などに応じたガイダ
ンス
 Video, チュートリアル, ハンズ
オン
 スキルアップを促す
 ユーザー プロファイ
ル毎に
カスタマイズ
www.microsoft.com/learn

65. www.microsoft.com/ja-jp/events

66. © 2019 Microsoft Corporation. All rights reserved.
本情報の内容（添付文書、リンク先などを含む）は、作成日時点でのものであり、予告なく変更される場合があります。