de:code 2019 振り返り Night! Sponsored by Qiita - AI Track 振り返り
•Download as PPTX, PDF•
3 likes•869 views
de:code 2019 の振り返りイベントのAI Track分です。 殆どがde:code 2019の資料の抜粋ですので、詳細はde:code 2019 の公式サイトへ。 https://www.microsoft.com/ja-jp/events/decode/2019/
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to de:code 2019 振り返り Night! Sponsored by Qiita - AI Track 振り返り
Similar to de:code 2019 振り返り Night! Sponsored by Qiita - AI Track 振り返り (20)
More from Daiyu Hatakeyama
More from Daiyu Hatakeyama (20)
Recently uploaded
Recently uploaded (7)
de:code 2019 振り返り Night! Sponsored by Qiita - AI Track 振り返り
- 1. de:code 2019 AI Track 独断と偏見で 最低限 ここだけは 知ってね Daiyu Hatakeyama | dahatake
- 2. 目的に合わせた選択肢 Azure Machine Learning Cognitive Service Cognitive Service Customize
- 4. de:code 2019 AI01 "Everyday AI" 時代の人工知能使いこなし ～ Cognitive Services を効果的に利用するための基礎 知識日本マイクロソフト株式会社 クラウド&ソリューション事業本部 テクニカルエバンジェリ スト 大森 彩子
- 5. microsoft.com/Cognitive Azure Cognitive Services Gesture EventTracking LocalInsights AcademicKnowledge EntityLinking KnowledgeExploration AnswerSearch URLPreview Conversation Learner Personality Chat CustomDecision BingSpellCheck Language Understanding TextAnalytics TranslatorText QnAMaker WebSearch EntitySearch ImageSearch NewsSearch VideoSearch VisualSearch LocalBusiness Search CustomSearch Autosuggest ComputerVision Face VideoIndexer CustomVision InkRecognizer FormRecognizer ContentModerator AnomalyDetector Personalizer SpeechServices SpeakerRecognition Speech-to-Text Text-to-Speech SpeechTranslation New! Updated!
- 7. de:code 2019 AI03 Azure Machine Learning service Deep Dive 日本マイクロソフト株式会社 クラウド&ソリューション事業本部 Advanced Analytics & AI Technical Solutions Professional 女部田啓太
- 8. Azure Machine Learning service Azure ML Python SDK Prepare Data Build Models Train Models Manage Models Track Experiments Deploy Models カバー範囲 Azure CLI 機械学習プロジェクトの生産性を向上 企業における機械学習ライフサイクルを管理
- 9. 自動機械学習 Automated Machine Learning “Automated ML” 最適なモデル生成 データ前処理、モデルアルゴリズム、 ハイパーパラメータの組合せの中で精度の高いモ データセット 制約条件 (処理時間/回数) ゴール設定 （モデル種類/精度評価） 機械学習モデ ル LightGBM Azure Machine Learning Workspace Scikit-Learn Pipeline形式
- 10. Model Interpretability SDK データ探 索 変数の重要度 各予測値に対する説明 サマ リー 要因探索、与信管理などの業務で はブラックボックスなモデルは使 えない... https://docs.microsoft.com/en- US/azure/machine-learning/service/machine- learning-interpretability-explainability Model interpretability with Azure Machine Learning service
- 11. de:code 2019 AI08 機械学習のためのデータ加工 ～ 特徴量の見つけ方と作り方 日本マイクロソフト株式会社 デジタルトランスフォーメーション事業本部 クラウドソリュー ションアーキテクト 望月 美由紀
- 12. 機械学習のためのデータ準備 年月日 店舗CD 店タイプ 立地 ・・・ 前年売上 ・・・ 最高気温 降水量 ・・・ 販促A ・・・ 売上金額 2018/8/1 101 １型 駅前A ・・・ 8.1 ・・・ 34.1 0.0 ・・・ 1 ・・・ 8.4 2018/8/1 102 ５型 郊外B ・・・ 8.8 ・・・ 32.2 0.0 ・・・ 0 ・・・ 9.4 2018/8/1 103 ３型 郊外C ・・・ 10.4 ・・・ 33.3 0.0 ・・・ 0 ・・・ 16.2 2018/8/1 104 ２型 駅前B ・・・ 9.3 ・・・ 33.8 0.0 ・・・ 1 ・・・ 6.3 2018/8/1 105 ４型 郊外C ・・・ 12.3 ・・・ 33.4 0.0 ・・・ 0 ・・・ 9.0 … … … … … … … … 顧客情報 POSデー タ カレン ダー (営業日・土日祝 日) 販促情報 気象デー タ 店舗情報 粒度の異なるデータを結合・集計し て 機械学習用の横持ちデータを準備す る
- 15. Matchbox Recommender の仕組み 【評価データ】 User_ID Item_ID Rating User1 ItemA 1 User1 ItemB 3 User1 ItemC 1 User2 ItemA 3 User2 ItemB 1 User2 ItemC 3 User2 ItemD 3 ・・・ 【ユーザ属性データ】 User_ID 年代 性別 好み ・・・ User1 30 M カジュアル User2 50 F カジュアル User3 20 F 高級志向 ・・・ 【アイテム属性データ】 Item_ID 種類 価格帯 ・・・ ItemA カフェ 1000 ItemB ファーストフード 1000 ItemC 和食 5000 ItemD 洋食 10000 ・・・ 評価 ユーザ アイテム ユーザ同士、ユーザが評価 するアイテム同士の類似性 から推奨アイテムを予測
- 17. 実例１：特徴量の作り方① 失敗例 評価データとして飲食店利用回数をそのまま採用 【評価データ】 項目 内容 ユーザID 店ID 評価 飲食店の利用回数 【評価データのマトリックス】 店A 店B 店C 店D 店E ユーザ１ - - 1 - - ユーザ２ - 5 - - - ユーザ３ 1 - 1 - - ユーザ４ - - - - 1 ユーザ５ - - - 2 -
- 19. 実例１：特徴量の作り方② 成功例 飲食店のリピート利用を評価データとして採用 ⇒納得感のあるレコメンド結果に仕上 がった 【評価データのマトリックス】 店A 店B 店C 店D 店E ユーザ１ - - 1 - - ユーザ２ - 5 - - - ユーザ３ 1 - 1 - - ユーザ４ - - - - 1 ユーザ５ - - - 2 - 店A 店B 店C 店D 店E ユーザ１ 0 0 1 0 0 ユーザ２ 0 2 0 0 0 ユーザ３ 1 0 1 0 0 ユーザ４ 0 0 0 0 1 ユーザ５ 0 0 0 2 0 評価データ 0: １度も利用な し 1: 1回利用 2: 2回以上利用
- 21. de:code 2019 AI05 Deep Learning は実用段階に。PoC を乗り越えて ビジネスで使われるためのノウハウを、AI 搭載 自動ごみ処理クレーンなどの事例を中心に紹介 株式会社Ridge-i 代表取締役社長 柳原 尚史
- 22. © 2018 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。 © 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、de:code 2019 開催日 (2019年5月29~30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。 本コンテンツの著作権、および本コンテンツ中に出てくる商標権、団体名、ロゴ、製品、サービスなどはそれぞれ、各権利保有者に帰属しま す。