Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
NLPソリューション開発の最前線
1. D E E P L E A R N I N G L A B - 自 然 言 語 処 理 ナ イ ト
NLPソリューション開発の最前線
I S I D の 最 新 最 新 文 書 A I ソ リ ュ ー シ ョ ン : T e x A I n t e l l i g e n c e / テ ク サ イ ン テ リ ジ ェ ン ス の 概 要 を 紹 介 、
ソ リ ュ ー シ ョ ン 内 で の A z u r e 活 用 方 法 の 解 説 、 そ し て 自 然 言 語 処 理 分 野 で 実 施 し て い る 弊 社 研 究 開 発 の 紹 介
2020年7月2日
株式会社 電通国際情報サービス
X(クロス)イノベーション本部 AIテクノロジー部
【本資料は公開されます】
23. 23
システムのインフラ構成図
Resource Group
Internet
Machine Learning Service
Blob Storage
for Media Data
Azure Database for
PostgreSQL
as Application DB
Blob Storage
for Trained Models
User Storage
Account
for Static Site
Virtual
Machine
for ML
computing
Log Analytics
Virtual Machine
for Application
Server
※ML : Machine
Learning
※各IP制限やNSG(ネットワークセキュリティグループは省略)
フロントエンド
24. 24
フロントエンドの3つの特徴
・Azure Storageの静的Webサイトホスティングを利用※
特徴1:Azure Blob Storageにフロントエンドのサイトを配置
(※参考)Azure Storage での静的 Web サイト ホスティング
https://docs.microsoft.com/ja-jp/azure/storage/blobs/storage-blob-static-website
・サーバーサイドレンダリングはせず、SPA (シングルページアプリケーションモード)
で、フロントエンドのHTMLを構築(静的サイト)
特徴2:Vue.js & Nuxt.jsフレームワークで静的サイトを構築
特徴3:フロントエンドとバックエンドを分離したアーキテクチャ
・フロントとバックは疎結合に。axios(Ajax)によるAPI通信でやりとり
・これによりフロントエンドは、リッチでUIの良いサイトを構築しやすい
F B
25. 25
システムのインフラ構成図
Resource Group
Internet
Machine Learning Service
Blob Storage
for Media Data
Azure Database for
PostgreSQL
as Application DB
Blob Storage
for Trained Models
User Storage
Account
for Static Site
Virtual
Machine
for ML
computing
Log Analytics
Virtual Machine
for Application
Server
※ML : Machine
Learning
※各IP制限やNSG(ネットワークセキュリティグループは省略)
アプリケーションサーバ
29. 29
システムのインフラ構成図
Resource Group
Internet
Machine Learning Service
Blob Storage
for Media Data
Azure Database for
PostgreSQL
as Application DB
Blob Storage
for Trained Models
User Storage
Account
for Static Site
Virtual
Machine
for ML
computing
Log Analytics
Virtual Machine
for Application
Server
※ML : Machine
Learning
※各IP制限やNSG(ネットワークセキュリティグループは省略)
マシンラーニング・サービス
30. 30
マシンラーニング・サービスの2つの特徴
・GPU搭載のData Science Virtual Machine (DSVM)※をAzure MLサービスに紐づけ
・APサーバから、MLサービスを経由し、DSVMにPythonファイルと引数を投げて実行
・MLサービスに紐づいているBlob Storageに訓練用データや学習済みモデルを保存
(次ページに絵)
特徴1:Azure MachineLearning サービスを利用
・計算用VMはアプリから自動で起動&停止させる
・長時間DSVMを使用していない場合はAzure Active DirectoryとAzureのPython SDK
の連携&関数を利用し、VMをシャットダウン(コスト削減)。
・再度、DSVMに計算タスクが投げられた時に起動させる
特徴2:Azure Active DirectoryとPython SDKでDSVMの起動を制御
(※参考)Linux および Windows 用の Azure Data Science Virtual Machine とは
https://docs.microsoft.com/ja-jp/azure/machine-learning/data-science-virtual-machine/overview
32. 32
システムのインフラ構成図
Resource Group
Internet
Machine Learning Service
Blob Storage
for Media Data
Azure Database for
PostgreSQL
as Application DB
Blob Storage
for Trained Models
User Storage
Account
for Static Site
Virtual
Machine
for ML
computing
Log Analytics
Virtual Machine
for Application
Server
※ML : Machine
Learning
※各IP制限やNSG(ネットワークセキュリティグループは省略)
マシンラーニング・サービスアプリケーションサーバ
フロントエンド