IoT World Conference 2017 での講演資料です。IoTとAIの織り成すIntelligentな世界を作るための新しいツールとPlatformをご紹介しています。

1. #azurejp
https://www.facebook.com/dahatake/
https://twitter.com/dahatake/
https://github.com/dahatake/
https://daiyuhatakeyama.wordpress.com/
https://www.slideshare.net/dahatake/

2. 2020 年までに、
インダストリー 4.0 の先発企業は、同
時に 30%の増収と
コスト削減を実現するが、平均的な
企業は 1 年にそれぞれ 2.9% と 3.6%
しか実現しない。1
の製造会社の役員が、2020 年までに
ヒューマン マシン中心の
環境が一般的になると予想している。6
40%
の業務プロセスが 2022 年までに
自己復旧および
自己学習の機能を持つ。5
5,000 億ドルの節約が、製造会社や機器メーカーに、
仮想化、リアルタイム通信、および
コボット テクノロジからもたらされると見込まれる。795% のビジネス リーダーが、今後 3 年以内に自社で
IIoT が使用されると予想している。2
「コンシューマーは最終的に
勝者と敗者を便宜性が高く、コストが低く、
カスタマイズされたモビリティ
ソリューションを競い合う企業や
ブランドから選択する」3
3 ～ 5 年以内に、
数億ものモノが
デジタル ツインで
表される。4
85%
このインフォグラフィックは、サードパーティのデータのマイクロソフトによる分析に基づいています。出典: 1.「PWC 2016 Global Industry 4.0 Survey」(PWC 2016 世界のインダストリー 4.0 の調査)、Dr. Reinhard Geissbauer、Jesper Vedso、および Stefan Schrauf。http://www.gartner.com/newsroom/id/3482617 2.「Connected business transformation: how to unlock value from the Industrial Internet of
Things」(つながるビジネス変革: 産業用 IoT (モノのインターネット) から価値を解放する方法)、Accenture、2017 年 2 月。3.「What‘s ahead for fully autonomous driving: Consumer opinions on advanced vehicle technology」(全自動運転の向こうにあるもの: 高度な車両テクノロジに対するコンシューマーの意見)、Deloitte、2017 年 2 月。4.1. http://www.gartner.com/newsroom/id/3482617 5.「DC FutureScape:
Worldwide Digital Transformation 2017 Predictions」(DC FutureScape: 世界のデジタル変革の 2017 年の予想)、2017 年 1 月、Doc # US42259317、Web 会議、Michael Versace。6.Eric Schaeffer 他、「Machine Dreams; Making the most of the connected industrial workforce」
(機械の夢: つながる産業人材を最大限に利用する)、Accenture、2017 年 2 月。7. Daniela Costa (責任者)、European Capital Goods Equity Research、Goldman Sachs Research、Forrester Research、2017 年 1 月。

3. フィジカル
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
デジタル
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

4. 完全自動運転で100%無事故を
実現しようとすると最低でも
88億マイルをテストしなければなら
ない。1
2020年、自動運転車は1日に
約4,000ギガバイトのデータを生
成し、消費する。2
Paris Auto Show Automobility Los Angeles Gartner TechRadar Earthdata
Automobility Los Angeles
2020年、204億のモノがつながる。
3
90分のアニメーション映像を製
作するために、6,500万時間分の
画像レンダリングが必要となる。
4
2020年、飛行機から1日に
40テラバイトのデータが生成さ
れる。6
NASAの地球観測システムおよび
情報システム（EODSIS）は、
1日に約28テラバイトのデータを
配信している。5

8. 大量のデータ
データ
に対する知見
データ分析の
知識・経験
データ分析
ツール・基盤× × ×
大量の分析用データを
保持している
分析用データの中身を
理解している
分析内容やデータ
に適してアルゴリ
ズムを把握してい
る
大量データを分
析できるツール
を持ち
使いこなせる
最も重要

9. ハ イ パ ー ス ケ ー ル の
エ ン タ ー プ ラ イ ズ
グ レ ー ド の
イ ン フ ラ ス ト ラ ク チ ャ
開 発 者 用 ツ ー ル お よ び
サ ー ビ ス
デ ー タ サ イ エ ン ス の た め の
オ ー プ ン プ ラ ッ ト フ ォ ー ム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、
コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエ
ンジン
ML Server - Spark、SQL、VM
エッジ

10. Pre-built AI

11. Cognitive Services Labs

12. Video Indexer
Cognitive Services Labs
Custom Custom CustomCustom Custom

13. ハ イ パ ー ス ケ ー ル の
エ ン タ ー プ ラ イ ズ
グ レ ー ド の
イ ン フ ラ ス ト ラ ク チ ャ
開 発 者 用 ツ ー ル お よ び
サ ー ビ ス
デ ー タ サ イ エ ン ス の た め の
オ ー プ ン プ ラ ッ ト フ ォ ー ム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、
コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエ
ンジン
ML Server - Spark、SQL、VM
エッジ

14. R & Python ベースの
AI の ストアドプロシージャ
MicrosoftML Library の組み込み
Graph モデルのサポートによる
より複雑な関係を分析
クエリ 処理の最適化による
比類なき パフォーマンス
AI を組み込んだ最初の商用データベース
SQL Server
2017

15. Featurization,
Normalization,
encoding
classifier model
での スコアリング
Web App
Diagnosis: 35% certainty
Python / R で実装した ストアドプロシージャ ストアド
プロシージャ
で、患者IDだ
け指定
Model table,
Features table,
New Images table
SQL Server
画像を
送らなくてよ
い

16. データ移動の排除
運用しやすい ML のスクリプトとモデ
ル
エンタープライズグレードのパフォー
マンスと
スケール
直接対話する
データを
データの管理と
分析をまとめる
SQL 変換
リレーショナル
データ
分析ライブラリ
R 統合 Python 統合

17. ハ イ パ ー ス ケ ー ル の
エ ン タ ー プ ラ イ ズ
グ レ ー ド の
イ ン フ ラ ス ト ラ ク チ ャ
開 発 者 用 ツ ー ル お よ び
サ ー ビ ス
デ ー タ サ イ エ ン ス の た め の
オ ー プ ン プ ラ ッ ト フ ォ ー ム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、
コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエ
ンジン
ML Server - Spark、SQL、VM
エッジ

18. Cognitive Services は、
万能ではない

20. 開発者による AI の採用促進 (API化)
ハイブリッドトレーニングとスコアリング
シナリオの台頭
イベント発生場所でのスコアリング/推論の
実施
(エッジ、クラウド、オンプレミス)
一部の開発者が
Data Scientist /AI Developer を目指す
多様なハードウェアの進化
(CPU/GPU/FPGA/ASIC/デバイス)
データ準備
モデルの展開と管理
モデル系統と監査
モデルについての説明能
力
課 題主 要 動 向

21. Spark
SQL Server
仮想マシン
GPU
コンテナー サービス
ノートブック
IDE
Azure Machine Learning Workbench
SQL Server
Machine Learning Server
オ ン プ レ ミ ス
エ ッ ジ コ ン ピ ュ ー テ ィ ン グ
Azure IoT Edge
実験およびモデル管理
A z u r e M a c h i n e L e a r n i n g サ ー ビ ス ト レ ー ニ ン グ と デ プ ロ イ の オ プ シ ョ ン
A z u r e

22. 視覚的なドラ ッ グアンドドロ ッ プ コードファー ス ト

24. ハ イ パ ー ス ケ ー ル の
エ ン タ ー プ ラ イ ズ
グ レ ー ド の
イ ン フ ラ ス ト ラ ク チ ャ
開 発 者 用 ツ ー ル お よ び
サ ー ビ ス
デ ー タ サ イ エ ン ス の た め の
オ ー プ ン プ ラ ッ ト フ ォ ー ム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、
コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエ
ンジン
ML Server - Spark、SQL、VM
エッジ

25. リモートモニタリング・制御
多数のIoTデバイスからの収集データ
をマージ
先進AIの適用を可能にする、
無限に近いコンピューティング
リソースとストレージ
リアルタイム応答に必要な
ローレーテンシーでタイトな
コントロールループ
プライバシーデータや知的財産の保護

26. Azure IoT Edge Runtime IoT Hub
Devices
Local Storage
Device Twin
Device Twin
Device Twin
Device Twin
CANbus
Server
(Container)
IoT Hub
Proxy
(Container)
Data Normalization
(Container)
Compression
(Container)
Encryption
(Container)
Decryption
(Container)
Decompress
(Container)
Data Specializer
(Container)
FunctionsContainer
Management

28. • AppSource
Cortana Intelligent Gallery
• 数分で展開
• Visual Studio Code 連携
• GitHub Samples
• 設定/構成変更
• Partner Solution

32. 最新技術とソリューションの動向。取り組むべき課題と習得すべきスキル。
80 を超えるセッションをご用意しお迎えします。
お申し込みは http://aka.ms/mstsjp17
11/8(水)-9(木) 開催
ウェスティンホテル東京
登録受付中!

33. リテールテック最前線！IoTでロボティクスによる接客からスマートオー
ダー・ペイメントまで、小売・レストラン改革のキープレイヤーを一挙ご
紹介！<東京 品川開催>
登録サイト: https://aka.ms/iotjp-1102
11月 2 日 (木)
10:00-12:15
セミナー タイ
トル
開催日
《マイクロソフト AI 体験セミナー：ビジネス/公共サービス・研究活用
編》AI活用の実例が聞ける！AI技術をあらゆる事業・研究に～気鋭のAI開
発集団が語る実証事例と開発のポイント～【相談会つき】 <東京 品川開
催>
登録サイト: https://aka.ms/msaisw9_171107
11月 7 日 (火)
18:00-20:00
MS IoTサービスの最新情報をご紹介！
フルマネージドな「 IoT-as-a-service」、IoT Centralほか <オンラインセ
ミナー>
登録サイト: https://aka.ms/iotjp-1206
12月 6 日 (水)
15:00-16:00

34. 394社
2017年9月時点
URL: https://iotbizlabo.connpass.com/

35. URL: https://aka.ms/cloudeverywhere_jp

37. © 2016 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries.
The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a
commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation.
MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.