Microsoft AI と深層学習
•
0 gostou•127 visualizações
「【Aidemy×Microsoft 】DX-Readyを実現するための深層学習とAI組織づくり」2020年8月26日 講演① Microsoft ・深層学習の重要性について ・Azureを活用し、企業が実際に成果を挙げた例 ・データ活用の重要性について ・サービス紹介 https://dllab.connpass.com/event/185332/
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a Microsoft AI と深層学習
Semelhante a Microsoft AI と深層学習 (20)
Mais de Shohei Nagata
Mais de Shohei Nagata (8)
Microsoft AI と深層学習
- 1. 日本マイクロソフト株式会社 カスタマーサクセス事業本部 データ&クラウドAIアーキテクト統括本部 永田 祥平 Cloud Solution Architect Microsoft × Aidemy
- 2. 自己紹介 永田 祥平 Shohei Nagata 日本マイクロソフト株式会社 カスタマーサクセス事業本部 クラウドソリューションアーキテクト (Data & AI) 慶應義塾大学大学院卒 大学時代に生命情報科学を専攻し、生命データの機械学習を学ぶ。 マイクロソフト入社後はクラウドソリューションアーキテクトとし て主にData & AI領域を担当し、ビッグデータ分析基盤や機械学習 サービスのプロジェクトを推進
- 4. おさらい：深層学習のイメージ それ以前の機械学習 深層学習 適切な特徴量抽出が難しかった画像、音声、自然言語等のデータ処理で革新的変化 データ入力 変数の設計・特徴量抽出 モデル学習 結果出力 耳の幅 目の大きさ 顔の丸さ etc.. ネコ データ入力 特徴量抽出・モデル学習 Deep Learning 結果出力 ネコ
- 5. 深層学習の最前線 GPT-3: 1,750億個のパラメータを持つ文章生成言語モデル 自然な文章はもちろん、ソースコードやデザインですら理解して生成する API公開で様々なエンジニア、サイエンティスト、アーティストがモデルを利用 GPT-3を使用したUI生成 -> From Jordan Singer @jsngr ※GPT-3はAzureで開発されています https://openai.com/blog/microsoft/
- 6. © 2018 Microsoft Corporation. All rights reserved 強化学習で適切なレコメンデーションを実現 ⚫店舗在庫、人気のセレクション、天候、時間帯、コミュニティの 好み、過去の注文履歴をベースにお客様一人一人に合わせた 体験を提供 パーソナライズされた情報をお客様に提供 ⚫1600 万人におよぶスターバックス Rewards の アクティブメンバーがアプリを活用 ⚫将来的にドライブスルーのお客様にも提供予定 (店舗の取引履歴などに基づき、ドライブスルー向けレコメンデー ションをディスプレイに表示) 深層学習の代表事例 Starbucks
- 7. Microsoft AI
- 8. 視覚 (Vision) 2016 物体認識の正答率 人間レベルへ到達 2017 会話認識のエラー率 人間レベルへ到達 January 2018 読解力テストの正答率 人間レベルへ到達 March 2018 翻訳の品質 (中国語 → 英語) 人間レベルへ到達 会話 (Speech) 言語 (Language)
- 9. Microsoft Teams 1.8M 時間もの会議を リアルタイムで記録 1B PowerPoint Designer スライドが一日に使用 Microsoftサービスでの大規模な使用 80M パーソナライズされた 体験を毎日提供 Machine translation human parity Object detection human parity Switchboard Switchboard cellular Meeting speech IBM Switchboard Broadcast speech Speech recognition human parity Conversational Q&A human parity First FPGA deployed in a datacenter Built on breakthrough AI research
- 11. 人間の認知 (Cognitive コグニティブ) 機能の一部を Web API としてすぐに利用できる “AI パーツ”
- 15. Automated Machine Learning ユーザーの入力 特徴量 エンジニアリング アルゴリズム の選択 ハイパーパラメータ のチューニング モデルの リーダーボード データセット 設定と制約 76% 34% 82% 41% 88% 72% 81% 54% 73% 88% 90% 91% 95% 68% 56% 89% 89% 79% 順位 モデル スコア 1 95% 2 76% 3 53% … 与えられたデータに対して特徴量エンジニアリング、アルゴリズム選択、 ハイパーパラメータ選択を自動で効率的に探索します。 多言語BERT等の自然言語処理モデルにも対応 自動機械学習
- 16. 機械学習パイプライン構築、テスト、デプロイするためのビジュアルワークフロー ※ 参考 : Azure Machine Learning デザイナーとは https://docs.microsoft.com/ja-jp/azure/machine-learning/concept-designer
- 18. モデルに対するインプットデータとそれに対応するアウトプット、予測値をみて、モデルの説明性を実現 Blackbox モデル説明 SHAP Lime Partial dependence Sensitivity analysis 機械学習モデル解釈・説明のための包括的なフレームワーク 予測値に対して、各特徴量がどのくらい寄与しているのか？ Model ExplanationPerturb Inputs Analyze
- 20. © 2017 Ebiya Ltd. All rights reserved. Challenge • 在庫適正化困難ゆえの 高廃棄コスト • 利益を圧迫する人件費 • 提供までの時間が長い ことによる低い回転率 Solution • 来客データ数値化、 AI で一週間 / 一日 / 一時間単位で それぞれ需要を予測 • 需要予測的中率 90% 超、Power BI で視覚化 Benefits • 定量的判断に基づく対処 • 4 年間で売上 4 倍・利益率 10 倍・平均給与 20% Up • 人員配置適正化実現、配膳 スピード改善、回転率向上 来店予測 AI で調理準備最適化、回転率 3 倍以上 ピークタイム予測で効率よい人員配置を実現 「EbiLab (For 食堂)」
- 21. Challenge • ランチタイムには多くの店が 満席に • 行列に並ばないと昼食が食 べられず、空席のある店を探 し回って時間が経ってしまう Solution • カメラ画像をコンテナ上で 稼働する AI で分析し混雑 状況を判断 • リアルタイムで最適化され たコンテンツを配信 • Web Apps 上によるデジタ ル サイネージへの表示 Benefits •デジタル サイネージに混雑状況を 表示。さらに QR コードをモバイル 端末に読み込ませることで手元の モバイル端末の Web ブラウザーに 表示可能 •来客へのアンケートでは 88% が 「便利になった」と回答、実証実 験での高い評価を受け本格展開 「ランチ難民」「カフェ難民」を解消 人工知能（AI）を活用したレストラン・カフェの空席状況表示システム VACAN for digital-signage
- 22. Challenge • 養殖現場の稚魚の選別作業は属 人的な対応に依存 • 目検と手作業で行うため専門作業 員の経験と集中力が高度に要求 されるため、作業員 自身への体力的負担大 Solution • ベルトコンベア上の魚影面積とそ の隙間の面積を Cognitive Services により画像解析、一定 面積あたりの稚魚数を分析 • 選別者の作業ワークロードを機械 学習させ、作業のための最適値か ら自動化 Benefits •養殖稚魚の選別作業工程に AI や IoT のデジタル技術を導入する ことにより、作業効率が向上。 •漁業という第1次産業における“働 き方改革”を実現 約1,200万尾 (日本の年間生産量の 24%) にも上る養殖真 鯛の稚魚選別に AI と IoT活用、自動化を実現
- 23. Toyota Material Handling 様 自動走行パレット搬送機 倉庫内の効率をさらに向上させる未来の工場ビジョン • 深層学習を使ってパレット搬送機が倉庫内で安全か つ効率的に移動できるよう強化学習 • パレットドローンなどの機器にパターン認識を学習させ、 人間と協調して安全に工場のプロセスを自動化 • コグニティブ機能も備え、パレットのカメラ動画からリア ルタイムにオブジェクト検知を行い、人・パレット同士・ 「STOP」「SLOW」等のサインを読み取りその内容に 従って動作を変える • Microsoft Researchが開発したシミュレーション環境 「AirSim」、Azureで深層学習を使用 強化学習による自動運転
- 25. 参考情報 Open Source Repo Link Microsoft ML Tech List Microsoft の機械学習テクノロジー集 https://aka.ms/microsoft-ml-tech Azure ML Notebook Azure Machine Learning 公式サンプルコード https://aka.ms/ml-notebooks BERT Large 自然言語モデル BERT のサンプルコード http://aka.ms/azure-bert LightGBM LightGBM トップページ https://aka.ms/lightgbm ONNX ONNX トップページ https://aka.ms/onnx Distributed DL 分散深層学習サンプルコード https://aka.ms/distdl 機械学習レシピ集 Link Computer Vision コンピュータビジョン (Faster-RCNN ...) https://aka.ms/cv-recipes NLP 自然言語処系 (BERT, GenSen ...) https://aka.ms/bert-recipes Recommenders レコメンデーション (NCF, SAR ...) https://aka.ms/reco-recipes Forecasting 時系列予測 https://aka.ms/forecast-recipes MLOps MLOps CI/CD・コード集 https://aka.ms/cicd-recipes