Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)

2.044 Aufrufe

Veröffentlicht am

Azure Machine Learning の AutoML の機能 % モデル解釈の機能

Veröffentlicht in: Daten & Analysen
  • Als Erste(r) kommentieren

AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)

  1. 1. AutoML のモデルを Azure ML で解釈してみた 女部田啓太 日本マイクロソフト株式会社 Cloud Solution Architect – Machine Learning & Deep Learning https://github.com/konabuta https://www.linkedin.com/in/ keita-onabuta/
  2. 2. AutoML
  3. 3. モデル学習のプロセス アルゴリズム 選択 パラメータ 選択 特徴量 エンジニアリング モデルデータ 学習 モデル探索
  4. 4. • 試行錯誤が楽になる • 誰でも機械学習モデルが作れる (AI の民主化) • モデルを大量に生成できる • 多数セグメントの需要予測・マーケティング etc
  5. 5. Microsoft Research (MSR)
  6. 6. 企業における機械学習プロジェクトを支えるプラットフォーム インフラ管理 スケジューリング、オートスケール、バックアップ データセット管理 プロファイル、バージョン、ラベリング、ドリフト検知 推論環境 (Cloud & Edge) リアルタイム & バッチ、No Code Deploy 分析機能 機械学習、深層学習、強化学習 (private preview) (Python & R SDK、 Estimator、 自動チューニング) モデル管理 バージョン 実験管理 メトリック、ログ、履歴 民主化 AutoML、 Designer、 Azure ML studio エンタープライズ対応 セキュリティ、ガバナンス、モニタリング、モデル解釈 MLOps 再現性、自動化、Azure DevOps連携、CLI、REST IoT エッジ セキュリティ、管理、デプロイ 機械学習モデル Power BI Data warehouses ONNX + App データソース ライブラリ 開発ツール
  7. 7. 企業における機械学習プロジェクトを支えるプラットフォーム インフラ管理 スケジューリング、オートスケール、バックアップ データセット管理 プロファイル、バージョン、ラベリング、ドリフト検知 推論環境 (Cloud & Edge) リアルタイム & バッチ、No Code Deploy 分析機能 機械学習、深層学習、強化学習 (private preview) (Python & R SDK、 Estimator、 自動チューニング) モデル管理 バージョン 実験管理 メトリック、ログ、履歴 民主化 AutoML、 Designer、 Azure ML studio エンタープライズ対応 セキュリティ、ガバナンス、モニタリング、モデル解釈 MLOps 再現性、自動化、Azure DevOps連携、CLI、REST IoT エッジ セキュリティ、管理、デプロイ 機械学習モデル Power BI Data warehouses ONNX + App データソース ライブラリ 開発ツール aka.ms/aml1127
  8. 8. データ ゴール設定 制約条件 Input ベイズ最適化 + 協調フィルタリングを用いた 効率的な機械学習パイプラインの探索 Optimized model 機械学習のプロセスを全自動で構築する最新アプローチ Output
  9. 9. • Microsoft Research の研究結果をベースに開発 • NIPS 2018 にて論文を発表 • 強調フィルタリングとベイズ最適化をメタ学習に採用 • プライバシー保護:データを直接見ない • ONNX 変換をサポート • スケーラブルな計算環境による高速学習 RegressionClassification Time Series Forecasting Supervised Learning Automated Machine Learning の利用メリット
  10. 10. microsoft/nni
  11. 11. Hyper Parameter Tuning Network Morphism など Neural Architect Search
  12. 12. モデル解釈
  13. 13. Model interpretability in Azure Machine Learning service
  14. 14. ※contrib
  15. 15. https://www.kaggle.com/ajay1735/hmeq-data 件数:5961レコード 項目 - 説明変数 : 12 - 目的変数 : 1
  16. 16. モデル全体の説明変数の重要度
  17. 17. 個々の予測値についての説明変数の重要度
  18. 18. Azure 無償トライアル : http://aka.ms/amlfree Azure ML ドキュメント : http://aka.ms/azureml-ja-docs Microsoft Learn :https://aka.ms/mslearn-aml
  19. 19. MICROSOFT CONFIDENTIAL 本資料は情報提供のみを目的としており、本資料に記載されている情報は、本資料作成時点でのマイクロソフトの見解を示し たものです。状況等の変化により、内容は変更される場合があります。本資料に表記されている内容(提示されている条件等 を含みます)は、貴社との有効な契約を通じて決定されます。それまでは、正式に確定するものではありません。従って、本資 料の記載内容とは異なる場合があります。また、本資料に記載されている価格はいずれも、別段の表記がない限り、参考価 格となります。貴社の最終的な購入価格は、貴社のリセラー様により決定されます。マイクロソフトは、本資料の情報に対して 明示的、黙示的または法的な、いかなる保証も行いません。 © 2019 Microsoft Corporation. All rights reserved.

×