Submit Search
Upload
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
•
0 likes
•
1,163 views
貴志 上坂
Follow
2019/5/28 de:code2019 AI82にて行ったセッション資料です。 資料内で紹介しているVIDEOのURL https://youtu.be/aXjrv5b-UD8
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 32
Download now
Download to read offline
Recommended
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
貴志 上坂
Azure API Management 俺的マニュアル
Azure API Management 俺的マニュアル
貴志 上坂
Azure Api Management 俺的マニュアル 2020年3月版
Azure Api Management 俺的マニュアル 2020年3月版
貴志 上坂
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
Yuta Nakagawa
Microsoft MVP が語る Azure 移行の勘所
Microsoft MVP が語る Azure 移行の勘所
Tetsuya Odashima
第5回 cogbot勉強会!
第5回 cogbot勉強会!
貴志 上坂
[Developers Summit 2018] Microsoft AIプラットフォームによるインテリジェント アプリケーションの構築
[Developers Summit 2018] Microsoft AIプラットフォームによるインテリジェント アプリケーションの構築
Naoki (Neo) SATO
.NET 6の期待の新機能とアップデート
.NET 6の期待の新機能とアップデート
TomomitsuKusaba
Recommended
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
貴志 上坂
Azure API Management 俺的マニュアル
Azure API Management 俺的マニュアル
貴志 上坂
Azure Api Management 俺的マニュアル 2020年3月版
Azure Api Management 俺的マニュアル 2020年3月版
貴志 上坂
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
Yuta Nakagawa
Microsoft MVP が語る Azure 移行の勘所
Microsoft MVP が語る Azure 移行の勘所
Tetsuya Odashima
第5回 cogbot勉強会!
第5回 cogbot勉強会!
貴志 上坂
[Developers Summit 2018] Microsoft AIプラットフォームによるインテリジェント アプリケーションの構築
[Developers Summit 2018] Microsoft AIプラットフォームによるインテリジェント アプリケーションの構築
Naoki (Neo) SATO
.NET 6の期待の新機能とアップデート
.NET 6の期待の新機能とアップデート
TomomitsuKusaba
情シスの味方、Azure のカスタムロール
情シスの味方、Azure のカスタムロール
Tetsuya Odashima
センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
Koichiro Sasaki
Jsai2018
Jsai2018
MLSE
『ラブライブ!スクールアイドルフェスティバル ALL STARS』における開発事例 ~システムUIの管理についてご紹介~
『ラブライブ!スクールアイドルフェスティバル ALL STARS』における開発事例 ~システムUIの管理についてご紹介~
KLab Inc. / Tech
MLflowによる機械学習モデルのライフサイクルの管理
MLflowによる機械学習モデルのライフサイクルの管理
Takeshi Yamamuro
[デブサミ]Microsoft Data Platform 最新アップデート
[デブサミ]Microsoft Data Platform 最新アップデート
Daisuke Inoue
保守性の高いアプリケーション設計について
保守性の高いアプリケーション設計について
TomomitsuKusaba
[TL04] .NET 15 周年の今こそ考えるクラウドネイティブ アプリケーションと .NET の活用
[TL04] .NET 15 周年の今こそ考えるクラウドネイティブ アプリケーションと .NET の活用
de:code 2017
JAWS DAYS 2019
JAWS DAYS 2019
陽平 山口
自動運転業界のSRE活動
自動運転業界のSRE活動
Tier_IV
ノンコーディングで LINE Bot 開発! Azure Logic Apps × Azure Cognitive Services ×LINE メッセー...
ノンコーディングで LINE Bot 開発! Azure Logic Apps × Azure Cognitive Services ×LINE メッセー...
典子 松本
Developer's summit 2021 [19-D-5]なぜ今、ローコードなのか
Developer's summit 2021 [19-D-5]なぜ今、ローコードなのか
Tetsuo Ajima
Invitation to development tools オープン系開発ツールへのいざない
Invitation to development tools オープン系開発ツールへのいざない
Satoru Yoshida
Introducing microsoft learn
Introducing microsoft learn
ru pic
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Shotaro Suzuki
AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化
Shota Suzuki
C#ユーザー会 //build/ まとめ(サーバー編)
C#ユーザー会 //build/ まとめ(サーバー編)
Keiji Kamebuchi
Angularを利用したシステム開発事例
Angularを利用したシステム開発事例
Developer Solutions事業部 メシウス株式会社 (旧グレープシティ株式会社)
マイクロサービスのためのフレームワークGoaのご紹介
マイクロサービスのためのフレームワークGoaのご紹介
Kazuaki Shibue
Ai for software testing
Ai for software testing
真太郎 板垣
STAC2023 テストケースの自動生成に生成AI導入を検討してみた STAC2023
STAC2023 テストケースの自動生成に生成AI導入を検討してみた STAC2023
Satoshi Sakashita
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
貴志 上坂
More Related Content
What's hot
情シスの味方、Azure のカスタムロール
情シスの味方、Azure のカスタムロール
Tetsuya Odashima
センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
Koichiro Sasaki
Jsai2018
Jsai2018
MLSE
『ラブライブ!スクールアイドルフェスティバル ALL STARS』における開発事例 ~システムUIの管理についてご紹介~
『ラブライブ!スクールアイドルフェスティバル ALL STARS』における開発事例 ~システムUIの管理についてご紹介~
KLab Inc. / Tech
MLflowによる機械学習モデルのライフサイクルの管理
MLflowによる機械学習モデルのライフサイクルの管理
Takeshi Yamamuro
[デブサミ]Microsoft Data Platform 最新アップデート
[デブサミ]Microsoft Data Platform 最新アップデート
Daisuke Inoue
保守性の高いアプリケーション設計について
保守性の高いアプリケーション設計について
TomomitsuKusaba
[TL04] .NET 15 周年の今こそ考えるクラウドネイティブ アプリケーションと .NET の活用
[TL04] .NET 15 周年の今こそ考えるクラウドネイティブ アプリケーションと .NET の活用
de:code 2017
JAWS DAYS 2019
JAWS DAYS 2019
陽平 山口
自動運転業界のSRE活動
自動運転業界のSRE活動
Tier_IV
ノンコーディングで LINE Bot 開発! Azure Logic Apps × Azure Cognitive Services ×LINE メッセー...
ノンコーディングで LINE Bot 開発! Azure Logic Apps × Azure Cognitive Services ×LINE メッセー...
典子 松本
Developer's summit 2021 [19-D-5]なぜ今、ローコードなのか
Developer's summit 2021 [19-D-5]なぜ今、ローコードなのか
Tetsuo Ajima
Invitation to development tools オープン系開発ツールへのいざない
Invitation to development tools オープン系開発ツールへのいざない
Satoru Yoshida
Introducing microsoft learn
Introducing microsoft learn
ru pic
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Shotaro Suzuki
AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化
Shota Suzuki
C#ユーザー会 //build/ まとめ(サーバー編)
C#ユーザー会 //build/ まとめ(サーバー編)
Keiji Kamebuchi
Angularを利用したシステム開発事例
Angularを利用したシステム開発事例
Developer Solutions事業部 メシウス株式会社 (旧グレープシティ株式会社)
マイクロサービスのためのフレームワークGoaのご紹介
マイクロサービスのためのフレームワークGoaのご紹介
Kazuaki Shibue
Ai for software testing
Ai for software testing
真太郎 板垣
What's hot
(20)
情シスの味方、Azure のカスタムロール
情シスの味方、Azure のカスタムロール
センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
Jsai2018
Jsai2018
『ラブライブ!スクールアイドルフェスティバル ALL STARS』における開発事例 ~システムUIの管理についてご紹介~
『ラブライブ!スクールアイドルフェスティバル ALL STARS』における開発事例 ~システムUIの管理についてご紹介~
MLflowによる機械学習モデルのライフサイクルの管理
MLflowによる機械学習モデルのライフサイクルの管理
[デブサミ]Microsoft Data Platform 最新アップデート
[デブサミ]Microsoft Data Platform 最新アップデート
保守性の高いアプリケーション設計について
保守性の高いアプリケーション設計について
[TL04] .NET 15 周年の今こそ考えるクラウドネイティブ アプリケーションと .NET の活用
[TL04] .NET 15 周年の今こそ考えるクラウドネイティブ アプリケーションと .NET の活用
JAWS DAYS 2019
JAWS DAYS 2019
自動運転業界のSRE活動
自動運転業界のSRE活動
ノンコーディングで LINE Bot 開発! Azure Logic Apps × Azure Cognitive Services ×LINE メッセー...
ノンコーディングで LINE Bot 開発! Azure Logic Apps × Azure Cognitive Services ×LINE メッセー...
Developer's summit 2021 [19-D-5]なぜ今、ローコードなのか
Developer's summit 2021 [19-D-5]なぜ今、ローコードなのか
Invitation to development tools オープン系開発ツールへのいざない
Invitation to development tools オープン系開発ツールへのいざない
Introducing microsoft learn
Introducing microsoft learn
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Vs code conf2020-11-21-extensions-for-microservices-app-dev
AIを活用した交通事故削減支援サービスでのテスト自動化
AIを活用した交通事故削減支援サービスでのテスト自動化
C#ユーザー会 //build/ まとめ(サーバー編)
C#ユーザー会 //build/ まとめ(サーバー編)
Angularを利用したシステム開発事例
Angularを利用したシステム開発事例
マイクロサービスのためのフレームワークGoaのご紹介
マイクロサービスのためのフレームワークGoaのご紹介
Ai for software testing
Ai for software testing
Similar to 開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
STAC2023 テストケースの自動生成に生成AI導入を検討してみた STAC2023
STAC2023 テストケースの自動生成に生成AI導入を検討してみた STAC2023
Satoshi Sakashita
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
貴志 上坂
Azure Machine Learning Build 2020
Azure Machine Learning Build 2020
Keita Onabuta
現場からみた Azure リファレンスアーキテクチャ答え合わせ
現場からみた Azure リファレンスアーキテクチャ答え合わせ
Kuniteru Asami
機械学習をScrumで組織的に学習する (RSGT2022)
機械学習をScrumで組織的に学習する (RSGT2022)
Yukio Okajima
【de:code 2020】 AutoML ではじめる機械学習の民主化
【de:code 2020】 AutoML ではじめる機械学習の民主化
日本マイクロソフト株式会社
ファーストアカウンティング会社説明資料 for engineer 2022年7月版
ファーストアカウンティング会社説明資料 for engineer 2022年7月版
ファーストアカウンティング 採用担当
ドライバへのETWの埋め込み
ドライバへのETWの埋め込み
Study Group by SciencePark Corp.
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
Daiyu Hatakeyama
1時間で分かるSTA (Software Test Automation) #stac2014
1時間で分かるSTA (Software Test Automation) #stac2014
Kazuhiro Suzuki
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
Naoki (Neo) SATO
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
Naoya Maekawa
20181117 azure ml_seminar_1
20181117 azure ml_seminar_1
sady_nitro
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
Roo
Roo
terahide
SIer出身のエンジニアが 機械学習を取り入れた ASPサービス開発で学んだこと
SIer出身のエンジニアが 機械学習を取り入れた ASPサービス開発で学んだこと
yagizo
オンライン講座を利用して機械学習・人工知能・ データ分析の最適な学び方を学ぶ講座
オンライン講座を利用して機械学習・人工知能・ データ分析の最適な学び方を学ぶ講座
munjapan
de:code2018 登壇資料
de:code2018 登壇資料
Hiroshi Senga
生成AIが切り拓く新しいゲームの創り方・遊び方
生成AIが切り拓く新しいゲームの創り方・遊び方
KLab Inc. / Tech
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Daiyu Hatakeyama
Similar to 開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
(20)
STAC2023 テストケースの自動生成に生成AI導入を検討してみた STAC2023
STAC2023 テストケースの自動生成に生成AI導入を検討してみた STAC2023
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
Azure Machine Learning Build 2020
Azure Machine Learning Build 2020
現場からみた Azure リファレンスアーキテクチャ答え合わせ
現場からみた Azure リファレンスアーキテクチャ答え合わせ
機械学習をScrumで組織的に学習する (RSGT2022)
機械学習をScrumで組織的に学習する (RSGT2022)
【de:code 2020】 AutoML ではじめる機械学習の民主化
【de:code 2020】 AutoML ではじめる機械学習の民主化
ファーストアカウンティング会社説明資料 for engineer 2022年7月版
ファーストアカウンティング会社説明資料 for engineer 2022年7月版
ドライバへのETWの埋め込み
ドライバへのETWの埋め込み
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
1時間で分かるSTA (Software Test Automation) #stac2014
1時間で分かるSTA (Software Test Automation) #stac2014
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
ソフトウェアエンジニアでなくてもアジャイルが分かるセミナー
20181117 azure ml_seminar_1
20181117 azure ml_seminar_1
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Roo
Roo
SIer出身のエンジニアが 機械学習を取り入れた ASPサービス開発で学んだこと
SIer出身のエンジニアが 機械学習を取り入れた ASPサービス開発で学んだこと
オンライン講座を利用して機械学習・人工知能・ データ分析の最適な学び方を学ぶ講座
オンライン講座を利用して機械学習・人工知能・ データ分析の最適な学び方を学ぶ講座
de:code2018 登壇資料
de:code2018 登壇資料
生成AIが切り拓く新しいゲームの創り方・遊び方
生成AIが切り拓く新しいゲームの創り方・遊び方
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
More from 貴志 上坂
2016-11-11 UMTP モデリングフォーラム2016 DDD実践のコツとazureによるモデル実装
2016-11-11 UMTP モデリングフォーラム2016 DDD実践のコツとazureによるモデル実装
貴志 上坂
NS study8 DDD Microservices Azuer Service Fabric
NS study8 DDD Microservices Azuer Service Fabric
貴志 上坂
始めよう! ドメイン駆動設計&マイクロサービス開発 ~C# と Azure Service Fabric で最高の DDD 開発を~
始めよう! ドメイン駆動設計&マイクロサービス開発 ~C# と Azure Service Fabric で最高の DDD 開発を~
貴志 上坂
Ns study Azure IoTHub紹介
Ns study Azure IoTHub紹介
貴志 上坂
Azure Machine Learningによるレコメンデーションの設計&実装を公開!~朝日カルチャーセンターの事例から~
Azure Machine Learningによるレコメンデーションの設計&実装を公開!~朝日カルチャーセンターの事例から~
貴志 上坂
20150421 QCon Tokyo 2015 Azureが切り開く新時代のソフトウェア開発・設計
20150421 QCon Tokyo 2015 Azureが切り開く新時代のソフトウェア開発・設計
貴志 上坂
クラウドデザインパターンのススメ
クラウドデザインパターンのススメ
貴志 上坂
クラウドデザインパターンから始めるクラウドの利点と弱点の理解~提案から設計・開発・保守に活かす!~
クラウドデザインパターンから始めるクラウドの利点と弱点の理解~提案から設計・開発・保守に活かす!~
貴志 上坂
Enterprise cloud design pattern 大量データ処理アーキテクチャの構築
Enterprise cloud design pattern 大量データ処理アーキテクチャの構築
貴志 上坂
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
貴志 上坂
More from 貴志 上坂
(10)
2016-11-11 UMTP モデリングフォーラム2016 DDD実践のコツとazureによるモデル実装
2016-11-11 UMTP モデリングフォーラム2016 DDD実践のコツとazureによるモデル実装
NS study8 DDD Microservices Azuer Service Fabric
NS study8 DDD Microservices Azuer Service Fabric
始めよう! ドメイン駆動設計&マイクロサービス開発 ~C# と Azure Service Fabric で最高の DDD 開発を~
始めよう! ドメイン駆動設計&マイクロサービス開発 ~C# と Azure Service Fabric で最高の DDD 開発を~
Ns study Azure IoTHub紹介
Ns study Azure IoTHub紹介
Azure Machine Learningによるレコメンデーションの設計&実装を公開!~朝日カルチャーセンターの事例から~
Azure Machine Learningによるレコメンデーションの設計&実装を公開!~朝日カルチャーセンターの事例から~
20150421 QCon Tokyo 2015 Azureが切り開く新時代のソフトウェア開発・設計
20150421 QCon Tokyo 2015 Azureが切り開く新時代のソフトウェア開発・設計
クラウドデザインパターンのススメ
クラウドデザインパターンのススメ
クラウドデザインパターンから始めるクラウドの利点と弱点の理解~提案から設計・開発・保守に活かす!~
クラウドデザインパターンから始めるクラウドの利点と弱点の理解~提案から設計・開発・保守に活かす!~
Enterprise cloud design pattern 大量データ処理アーキテクチャの構築
Enterprise cloud design pattern 大量データ処理アーキテクチャの構築
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
Moq & Fakes Framework を使った実践的ユニットテスト - BuildInsider
開発者のための機械学習入門:Azure Machine Learning Studioで構造化データから予測分析
1.
Ask the Speaker
写真撮影 動画撮影 セッション資料 後日公開 Twitter ハッシュタグ AI82 開発者のための機械学習入門: Azure Machine Learning Studio で構造化データから予測分析 株式会社ネクストスケープ システムインテグレーション事業本部 クラウド推進部 部長 上坂 貴志 #decode19 #AI82設定なし
2.
de:code 2019 開発者のための機械学習入門: Azure Machine
Learning Studio で構造化 データから予測分析 株式会社ネクストスケープ システムインテグレーション事業本部 クラウド推進部 部長 上坂 貴志
3.
このセッションについて
4.
自己紹介
5.
自己紹介 https://www.slideshare.net/uesaka
6.
機械学習を理解するポイント エンジニアにとって
7.
機械学習を理解するポイント 学習済みモデル 推測結果 𝑓 が得られる
8.
などの係数を決定 学習済みモデル 𝑓 𝑥1, …
= 𝑎 + 𝑏𝑥1 + … ※重回帰分析の例 機械学習を理解するポイント
9.
機械学習を理解するポイント 学習済みモデル 学習済みモデル 推測結果𝑓 説明変数+目的変数 説明変数
10.
機械学習を理解するポイント Workclass Education ・・・
income 説明変数 目的変数 予測結果の原因 予測結果
11.
機械学習を理解するポイント • 欠損値を補完 • 補完しきれないデータの削除 •
クラスタリングによる外れ値の削除 • 正規化(数値を0~1に収める) • 余計な説明変数の削除 • 重複データ対処など データの丁寧なク レンジング
12.
機械学習を理解するポイント • モデル(アルゴリズム)は沢山あるため、 どれがベストなのかを判定するために同じ データに対して複数のモデルをトレーニング し、結果を比較 モデルの 比較選択
13.
機械学習を理解するポイント • モデル(アルゴリズム)にはそれぞれにトレー ニング時に使用する独自パラメータが存在す る。これをハイパーパラメータと呼ぶ。ハイパー パラメータを変えることで予測精度の上昇が 見込める ハイパーパラメータの チューニング
14.
予測用システム構築のポイント
15.
予測用システム構築のポイント
16.
予測用システム構築のポイント Linux 学習環境と本番環境のOS・プログラミング言語が同じでよい場合 Linux フレームワーク • The Microsoft
Cognitive Toolkit • Tensorflow • Keras • etc
17.
予測用システム構築のポイント C# ASP.NET Core http 学習環境と本番環境のOS・プログラミング言語が違う場合 Linux Windows Linux フレームワーク フレームワーク
18.
予測用システム構築のポイント ONNX : Open
Neural Network Exchange Format C# ML.NET 学習に使用したモデルがニューラルネットワークベースの場合 学習環境と本番環境のOS・プログラミング言語が違う、かつ Linux Windows TensorFlow Keras
19.
予測用システム構築のポイント 最新データ
20.
Azure Machine Learning
Studio
21.
• Web (via
http) , Hive Query(Hadoop), ファイル (Azure Blob Storage)、Azure SQL Database, Odata, SQLServer(On-Premiss), Azure CosmosDB 読み込めるデータソースの種類が豊富 • 全25種類(二項分類:9, 多項分類:5, 回帰:8, 異常検知:2, クラスタリング:1) モデル(アルゴリズム)豊富 Azure Machine Learning Studio
22.
• データの統計情報、欠損値補完、不要レコード除去、特 徴量標準化、Normalizeなど データクレンジング用の便利モジュールあります • 精度の比較用のモジュールもある 複数のモデルの学習がとても簡単に実施 Azure
Machine Learning Studio
23.
• 自動的にパラメータを変更しながら試行 ハイパーパラメータの自動チューニングあります • 学習時と同様のGUIによる構築が簡単に誰でもすぐ に可能 Webサービスのデプロイ •
PowerShellによる自動化が可能 モデルの更新からWebサービスへ再デプロイ Azure Machine Learning Studio
24.
知っておくべき検討事項 Azure Machine Learning
Studio • 裏側で稼働しているであろうVMのスケールアップができないため、処理時間 を短縮することができない。大量データ使用時には要注意 モデルの学習時 • 独自Webサービスでのみ公開可能。学習済みモデルをダウンロードして他の 環境で使用することはできない • 独自Webサービスのスケールアップはできないため、アクセス負荷に注意 学習済みモデルの使用時
25.
Video
26.
27.
28.
Azure Machine Learning
Service Visual Interface
29.
Azure Machine Learning
Service Visual Interface
30.
Azure Machine Learning
Service Visual Interface https://docs.microsoft.com/ja-jp/azure/machine-learning/service/overview-what- is-azure-ml#how-does-azure-machine-learning-service-differ-from-studio
31.
使い勝手はStudioと全く同じ コンピューティングリソースを作成・選択できるところが大きい!クラウドらしい! 便利なモジュールが足りないが、今後拡充されるでしょう Azure Machine Learning
Service Visual Interface
32.
© 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。
Download now