Genius Halloween Festival 2016
•
4 gefällt mir•920 views
http://clrh.connpass.com/event/39238/ でジニアス平井のセッションスライドとなります。 代理でアップロードいたしました。
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Ähnlich wie Genius Halloween Festival 2016
Ähnlich wie Genius Halloween Festival 2016 (20)
Mehr von なおき おさだ
Kürzlich hochgeladen
Kürzlich hochgeladen (8)
Genius Halloween Festival 2016
- 1. CLR/H in Tokyo Halloween Festival 2016
- 2. Developer Room #4 Genius Halloween World
- 3. 3 お願い • このセッションはデモが多く、また、会 場のレイアウトの関係で後方座席はかな り見づらいです。出来るだけ前方の席に お座り頂きますようご協力お願いします • 赤いラインより下が確認できれば OK • 状況に応じてデフラグします • セッション中に PC をご使用される方は、 キーボードの打音など他のお客様のご迷 惑にならないようご配慮願います • 写真および動画撮影は OK ですが、 SNS への投稿は写真のみでお願いします。 • 他の受講者の方が映り込んだ写真にはご留意 下さい
- 4. Menu Introduce MTC Conversation as a Platform Cortana / Rinna Bot Framework Machine Learning Cognitive Service
- 5. Microsoft Technology Center Tokyo Microsoft Technology Centers Experience the Microsoft Cloud
- 6. What’s MTC？（Microsoft Technology Center） マイクロソフトの戦略および製品・テクノロジーについて啓蒙・ 訴求する部署で各国に 41 拠点に展開され、業種、セグメントに 関係なく活動しています 7
- 7. MTC メニュー 8 Strategy Briefing CxO, エグゼクティブ 向けの MS 戦略説明 Architecture Design Session カスタムブリーフィン グや実機使用による セッション Proof of Concept PoC やプロトタイプ 開発 Microsoft Solution Experience 製品・テクノロジーの 紹介
- 8. Microsoft Technology Center 提供 コース 9 Office 365 System Center Data Insight Dynamics CRM Hyper-V Application Innovation Windows Server Surface HUB IoT Enterprise Mobility Management Windows 10 Robotics Cyber Security Strategy Briefing Data Center Tour VoiceAzure Flexible Work Style Office Tour
- 19. 20 Yuichi Kuramoto Genius HiraiShinobu Furuma Madoka Sawa Atsushi Oyaizu Kanji Kato Atsushi Suzuki
- 22. Conversations as a Platform 23 対人間
- 25. 女子高生人工知能「りんな」（LINE アプリ） • Bing 検索エンジンで培ったディープラーニング技術＋機械学習のクラウド サービス「Azure Machine Learning」を組み合わせた人工知能 • Bing チームによる開発（技術開発には Microsoft Research も参画） • 発表以前のテストリリース後、口コミだけで１週間で 35万ユーザーを獲得 26 LINE ID：@ms_rinna
- 26. りんなとの会話例 27
- 27. SHARP × りんな in Twitter 28 シャープさん5年のツイートをわずか7時間で！
- 28. 29
- 29. Cortana • Personal Digital Assistant ：人工 AI 秘書 • Cortana for Android, Cortana for iPad もリリース • Cortana に対応したアプリ開発も可能 30
- 30. Cortana 語録 • おみくじ • じゃんけん • 冗談言って! • おはよう • おやすみ • 何か歌って！ • ジョークを教えて • 長い話をして • Siri を知っていますか? • 最新の地震情報 • マイクロソフトの株価は？ • 次の予定は何 • あなたは誰？ 31
- 31. Cortana + Power BI • Power BI とのインテグレーション • Cortana ペインに Power BI をタイルが表示可能に 32
- 34. Bot コネクター 35
- 35. Skype へ登録 36
- 37. Azure Machine Learning：概要 • クラウドで機械学習を提供するサービス • 最新の高品質な機械学習アルゴリズムが非常に安価な時間課金で提供 • データの抽出からクリーニング、前処理、トレーニングなど すべてブラウザから操作 • 予測を行うための Web API の作成と配置 • トレーニングされたモデルを Module 化し、これを利用して 入力値から予測結果を返す Web Service API を作成 • 作成した API はアプリから利用 • OSS（R 言語 や Python）も活用可能 • R 言語や Python を実行するための Module (R は 350 以上) が提供 • 既存の R や Python のパッケージをインポートすることも可能 • 費用は従量課金 • ハードウェアやライセンスを購入不要 • 固定費を削除して必要な時に必要なだけ利用 38
- 38. Azure Machine Learning：適用領域 39 レコメンデーション 広告効果分析 ビジネスへの 気象情報活用 SNS 分析 Web アクセス ログ解析 法的ドキュメントの検証 価格最適化 不正検知 顧客解約分析 機器予防保全 ロジスティクス 最適化 カスタマイズ保険
- 39. Machine Learning：ML Studio 40 キャンパスにフロー 部品を配置して接続 部品ごとの設定は プロパティペインで フロー 部品 実行ボタン （課金対象） モデルを Web サービス へ配置
- 40. Machine Learning：モデリングモジュール • クラス分類（クラス確率推定） • 母集団に属する要素が、ある基準で分けた どの集合に分類されるかを予測する • どの設備が故障するか？ • 故障予兆が「ある」「ない」に分類 • 既存顧客の中でキャンペーンのオファーに 反応するのは誰か？ • 「反応する」「反応しない」に分類 • 回帰 • 個々のデータに対して、未知の変数（属 性）の数値を予測あるいは推定する • オファーに反応する顧客 A はいくら購入し てくれるか？ • クラスタリング • 特定の分類基準を与えず、データを基に 類似性を見つけて母集団をグルーピング • どのターゲット顧客グループにどのような 製品を開発・提供するべきか？ • 販売チームをどのように組織するべきか？ • 異常値検出 • 定常状態とは異なる状態を発見する • ネットワーク攻撃を受けているのかどうか • 詐欺による取引かどうか 41
- 42. 予測モデルの評価指標 43 ML Studio : Experiments > Evaluate Model > Evaluation Result • True Positive • False Positive • True Negative • False Negative • Accuracy • Precision • Recall • F1 Score • Threshold • AUC AUC 0.9 - 1.0 High accuracy AUC 0.9 - 0.7 Moderate accuracy AUC 0.5 - 0.7 Low accuracy
- 43. Deep Learning
- 44. Deep Learning（深層学習） • 定義 • 多層（3層以上）の構造を持つニューラルネットワーク • ニューラルネットワーク（Neural Network, NN） • 脳機能に見られるいくつかの特性をシミュレーションによって表現した数学モデル • 種類 • 畳み込みニューラルネットワーク（Convolutional Neural Networks：CNN） • 再帰型ニューラルネットワーク（Recurrent Neural Network：RNN） • 活用領域 • 画像認識や音声認識が主流 • データ構造がある程度経験的に知られている画像や音声に対しては効果的であるものの、自然言 語処理などデータ構造があまり判明していないデータに対して課題が残る • 課題 • ディープラーニングはアルゴリズムよりもデータの質と量が重要なので、膨大な データを有しており、かつ、それを高速に処理する CPU/GPU リソースが必要 45
- 45. Deep Learning in Azure Machine Learning • Azure Machine Learning で深層学習 • https://azure.microsoft.com/en-us/documentation/articles/machine-learning-azure-ml-netsharp-reference-guide/ • ニューラルネットワークアルゴリズム • Multiclass Neural Network • Two-Class Neural Network • Neural Network Regression • Net# • ニューラルネットワークを定義する言語 46
- 46. CNTK：Microsoft Computational Network Toolkit • Microsoft Research が公開している深層学習（ディープラーニング）用のツールキット • https://cntk.ai/ • オープンソース（MITライセンス） • Githubで公開 • https://github.com/Microsoft/CNTK • Windows と Linux • 64 bit 環境のみ • 画像認識ベンチマーク ImageNet で記録更新！ • 1000カテゴリの画像について 96％ 以上の確率で正しく分類 • 従来の5倍近くも深い152レイヤの ニューラル・ネットワーク • CNTK + Azure GPU Lab • https://blogs.nvidia.co.jp/2015/12/10/microsoft-gpus-image-recognition/ 47
- 48. Cognitive Services を利用した話題のサイト • How-Old.net • What-Dog.net • CaptionBot 49 http://how-old.net/# https://www.what-dog.net/# https://www.captionbot.ai/
- 49. Cognitive Services API 一覧 50 VISION Language Knowledge Search Speech Computer Vision Face Emotion Video Bing Speech Custom Recognition Intelligent Service Speaker Recognition Bing Spell Check Language Understanding Intelligent Service Linguistic Analysis Text Analytics Web Language Model Academic Knowledge Entity Linking Intelligence Service Knowledge Exploration Service Recommendations Bing Autosuggest Bing Image Search Bing News Search Bing Video Search Bing Web Search
- 50. IBM Watson との比較 51 Cognitive Services 画像認識・ビデオ処理 顔認識・感情認識 テキスト解析 自然言語処理 音声認識・音声合成 翻訳・検索 Azure IaaS 仮想マシン・ネットワーク・ストレージ Azure PaaS Web サイト・Web API データベース・モバイルサービス Watson SoftLayer Bluemix IBMMicrosoft APIIaaSPaaS • Natural Language Classifier • Retrieve and Rank • Dialog • Document Conversion • Speech to Text • Text to Speech Bot Framework チャットボット ダイアログ コネクタ Machine Learning クラス分類 リコメンデーション クラスタリング 回帰
- 51. Computer Vision APIs - Analyze an image • 86 Category • people_crowd • animal_dog • food_bread 52
- 52. Computer Vision APIs - Analyze an image • Dominant color • Foreground, Background, Colors • 12 color names • Accent color • Black & White • true / false • Image Type • 0 Non-clipart • 1 ambiguous • 2 normal-clipart • 3 good-clipart • Line drawing type • true / false 53 Foreground Background Colors Accent Black Black White #BC6F0F Black White White, Black, Green #CAA501 Black & White True False Image Type good-clipart Non-clipart Line drawing type True False
- 53. Computer Vision APIs - Analyze an image • faces • faceRectangle：座標（矩形） • gender：性別 • age：年齢 • adult • isAdultContent • isRacyContent 54 "adult": { "isAdultContent": true, "isRacyContent": tue, "adultScore": 0.8524786829948425, "racyScore": 0.9641820192337036 } [ { "age":29, "gender":"Female", "faceRectangle": {"left":447,"top":195,"width":162,"height":162} }, { "age":11, "gender":“Female", "faceRectangle":{"left":355,"top":87,"width":143,"height":143} } ]
- 54. Computer Vision APIs - OCR • OCR 分析結果 • textAngle • orientation • language • regions • lines • words • boundingBox • text • 入力イメージ • フォーマット：JPEG, PNG, GIF, BMP • サイズ：4MB 以下 • 40 x 40 ～ 3200 x 3200 pixels • 100 M pixels 以下 • 対応言語 • Chinese Simplified, Chinese Traditional, Czech, Danish, Dutch, English, Finnish, French, German, Greek, Hungarian, Italian, Japanese, Korean, Norwegian, Polish, Portuguese, Russian, Spanish, Swedish, Turkish 55
- 55. Video API • Face Detection and Tracking • 顔認識（同時 64人） • 24x24～2048x2048 ピクセル • MP4, MOV, WMV 形式 • 100MB 以下 • Motion Detection • 動体検知 • Stabilization • 手ぶれ補正 • Azure Media Service の Media Analytics 機能でも 使用されている 56
- 56. Cognitive Services API の利用方法 • REST API でのアクセス • データは JSON 形式で通信は HTTP(S) : GET/POST • プラットフォームや開発言語を問わない 57
- 57. API の利用方法 STEP1（Free） • Microsoft アカウントで Sign-in して API キーを入手（各サービスごと） 58
- 58. API の利用方法 STEP2（Free） • 対象のサービスの API Reference を参照 • 各言語でのコード記述例があるのでそれを利用 59
- 59. API の利用方法 STEP3（Free） • イメージの渡し方は２つ 1. サービスからアクセス可能な場所に画像を配置してその画像の URL 文字列を渡す 2. ContentType を application/octet-stream か multipart/form-data にしてバイナリで渡す • 戻り値の処理 • 解析されたデータは JSON 形式（文字列）で戻る • データのスキーマは 各サービスの API Reference で確認しておく • エラー処理 • POST 後の HTTP ステータスコードで確認 • Response 400：InvalidImageUrl, InvalidImageFormat, InvalidImageSize, NotSupportedVisualFeature, NotSupportedImage • Response 415：InvalidMediaType • Response 500：FailedToProcess, Timeout, InternalServerError 60
- 60. We are looking forward to your attend ! November 1-2
- 61. Thanks for Attending ! CLR/H in Tokyo