1. 初心者と学ぶ、機械学習と
Azure Machine Learning
2015/6/8
杜の都仙台で Azure Machine Learning
（機械学習） ハンズオン
JAZUG仙台 真鍋俊之

2.  Azure Machine Learningについての紹介
 機械学習初心者の方に、機械学習について興味を
持ってもらう。
 機械学習をやりたい！って思ってもらう。
 そして、機械学習を使うときに
Azure Machine Learningを使ってもらう。
本発表の目的

3.  機械学習の概要の説明
 機械学習とは？
 なぜ、機械学習を学ぶのか？
 なぜ、Azure Machine Leaningを使うのか？
 Azure Machine Learningのデモ
 回帰分析の例
 API公開
今回の発表でやること

4.  人工知能における研究課題の一つ
 人間が自然に行っている学習能力と同様の機能を
コンピュータで実現しようとする技術・手法
<引用：Wikipedia>
 あらかじめ学習させることで、
未知のデータが何かを判別する判別器を作成する
機械学習(Machine Learning)

5. 機械学習の例(文字認識)
訓練データ
判別器
判別結果
「２」
未知のデータ
「１」 「２」 「３」
・・・

6.  予測
 売上予測
 お勧め商品の提示
 スパムフィルタ
 パラメータ調整
 KINECT：体の各部位の推定用パラメータ
機械学習を使って何ができる？

7.  情報量が人間で処理できる限界にきている
 (一部のデータを人が解析する)時代から
(すべてのデータを機械が解析する)時代に！
 機械にできることは機械にまかせ、人間はより創造的な分野
での活動を楽しむべきである
[オムロン会社創業者・立石一真]
なぜ、機械学習を学ぶのか
【機械】低レベルな判断
• データの傾向解析
• パラメータ調整
【人】高レベルな判断
• 戦略
• ビジョン

8. 機械学習を使った例

9.  隠れ層が2層以上のNN(ニューラルネットワーク)による学習
 NN…脳機能に見られるいくつかの特性を計算機上のシ
ミュレーションによって表現することを目指した数学モデ
ル[引用：Wikipedia]
深層学習
入力層 隠れ層 出力層

10.  特徴を学習データに基づいて自動的に設計する
 これまでは専門家が設計
 人間の直観や経験に基づいた設計よりも、
大量のデータによる学習に基づいた設計の方が
良い特徴が得られる
 非常に学習コストが高い
 GPUや分散処理により実用的な時間で学習可能に
深層学習の特徴

11.  機械学習のアルゴリズムの実装が困難
 統計学の知識が必要
 高度な数学的知識が必要
 学習に多くの処理時間が必要
 多くの場合で大量の学習データ処理が必要
 複数のアルゴリズムでの実験が必要
機械学習習得の難しさ

12.  Azure上で利用できる機械学習
 プレビュー版を公開中<2014/7~>
 一般提供開始<2015/2~>
 総合開発環境（ML Studio）で開発可能
 ソースコードを書かずに、多くの処理が実施可能
 低コスト(習得的、設備的、実用的)で使用可能
Azure Machine Learning

13.  習得的利点
 複数の機械学習アルゴリズムが実装済み
 ML-Studioを用いた簡単な操作で実験を構築可能
 設備的利点
 機械学習用のワークステーションの用意が不要
 実用的利点
 作った判別器をWeb APIとして公開可能
Azure Machine Learningの利点

14.  教師あり学習
 回帰分析
 クラス分割
 2クラス分割
 多クラス分割
 教師なし学習
 クラスタリング
 異常検知(anomaly detection)
Azure Machine Learningで
使える機械学習

15.  教師あり学習
 入力とそれに対応すべき出力を写像する関数を生成
する。
 教師なし学習
 入力のみ（ラベルなしの例）からモデルを構築する。
機械学習のアルゴリズム

16.  前処理
 学習しやすいようにデータを加工する
 学習に不要なデータの除去
 不正なデータの除去
 学習
 データを機械に学習させる
 評価
 作成した判別器が十分な性能を持つか判断する
機械学習の処理の流れ

17.  教師あり学習(回帰分析)のデモ
 車の性能から、車の価格を予想
 Azure Machine Learningのサンプルデータセットを
利用
 http://azure.microsoft.com/ja-
jp/documentation/articles/machine-learning-
create-experiment/
デモの流れ