Submit Search
Upload
センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
•
30 likes
•
7,409 views
K
Koichiro Sasaki
Follow
db tech showcase 東京 2014 でのセッションコンテンツ
Read less
Read more
Technology
Report
Share
Report
Share
1 of 42
Download now
Download to read offline
Recommended
Microsoft AzureでスマホからIoTまで
Microsoft AzureでスマホからIoTまで
Masaki Yamamoto
Visual Studio 2017 で Azure Functions の開発
Visual Studio 2017 で Azure Functions の開発
Yasuaki Matsuda
ノンコーディングでサーバーレス体験。Azure Logic Apps のすゝめ
ノンコーディングでサーバーレス体験。Azure Logic Apps のすゝめ
典子 松本
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
もっとサーバーレスを手軽に便利に!Azure Logic Apps
もっとサーバーレスを手軽に便利に!Azure Logic Apps
典子 松本
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
なるほどわかった!App Service on Linux
なるほどわかった!App Service on Linux
Yasuaki Matsuda
Web Component Framework Urushiのご紹介(OSC2017 Tokyo/Spring)
Web Component Framework Urushiのご紹介(OSC2017 Tokyo/Spring)
YuzoHirakawa
Recommended
Microsoft AzureでスマホからIoTまで
Microsoft AzureでスマホからIoTまで
Masaki Yamamoto
Visual Studio 2017 で Azure Functions の開発
Visual Studio 2017 で Azure Functions の開発
Yasuaki Matsuda
ノンコーディングでサーバーレス体験。Azure Logic Apps のすゝめ
ノンコーディングでサーバーレス体験。Azure Logic Apps のすゝめ
典子 松本
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
もっとサーバーレスを手軽に便利に!Azure Logic Apps
もっとサーバーレスを手軽に便利に!Azure Logic Apps
典子 松本
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
なるほどわかった!App Service on Linux
なるほどわかった!App Service on Linux
Yasuaki Matsuda
Web Component Framework Urushiのご紹介(OSC2017 Tokyo/Spring)
Web Component Framework Urushiのご紹介(OSC2017 Tokyo/Spring)
YuzoHirakawa
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
Azure Machine Learningを触ってみた!
Azure Machine Learningを触ってみた!
Takuya Tachibana
私のMCP試験の挑み方
私のMCP試験の挑み方
Tetsuya Odashima
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Shotaro Suzuki
Azure Web Apps とAzure Mobile Apps
Azure Web Apps とAzure Mobile Apps
Masaki Yamamoto
若手エンジニア向けカンファレンス #BitValley2020 登壇資料 (オタ駆動開発)
若手エンジニア向けカンファレンス #BitValley2020 登壇資料 (オタ駆動開発)
Madoka Chiyoda
Ns study Azure IoTHub紹介
Ns study Azure IoTHub紹介
貴志 上坂
Azure MLやってみよう
Azure MLやってみよう
A AOKI
僕はあなたを監視する(MS Graph Subscriptionのβで公開されたpresencesを使おう!)
僕はあなたを監視する(MS Graph Subscriptionのβで公開されたpresencesを使おう!)
DevTakas
2021/02/19 Alterbooth 多忙なアーキテクトのためのクラウド導入フレームワーク (CAF) ダイジェスト
2021/02/19 Alterbooth 多忙なアーキテクトのためのクラウド導入フレームワーク (CAF) ダイジェスト
Issei Hiraoka
インフラエンジニアに送る Visual Studio Code ~Azure 編~
インフラエンジニアに送る Visual Studio Code ~Azure 編~
Shinsuke Saito
Microsoft MVP を受賞するために取り組んだこと
Microsoft MVP を受賞するために取り組んだこと
Tetsuya Odashima
Rosecar
Rosecar
Yoshinori Hayashi
Embedded Technology 2014 Smart Japan Aliance IoT Azure
Embedded Technology 2014 Smart Japan Aliance IoT Azure
Atomu Hidaka
AndroidのAR最新動向
AndroidのAR最新動向
Kenichi Takahashi
Kansai Azure IoT, Device & Cloud 20140927
Kansai Azure IoT, Device & Cloud 20140927
Ayako Omori
IoT業界で必須サービスになってきたAzure Web PubSubとAzure IoT EdgeのEFLOWについてご紹介
IoT業界で必須サービスになってきたAzure Web PubSubとAzure IoT EdgeのEFLOWについてご紹介
Jingun Jung
Container deployment on Azure
Container deployment on Azure
Tsukasa Kato
Microsoft Azureで 女子力を生成する
Microsoft Azureで 女子力を生成する
Shuto Suzuki
推薦システムを構築する手順書 with Azure Machine Learning
推薦システムを構築する手順書 with Azure Machine Learning
Masayuki Ota
Sentiment Analysis with Azure Machine Learning
Sentiment Analysis with Azure Machine Learning
Stefano Tempesta
At42 qt1010 datasheet
At42 qt1010 datasheet
Brutcat
More Related Content
What's hot
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
Azure Machine Learningを触ってみた!
Azure Machine Learningを触ってみた!
Takuya Tachibana
私のMCP試験の挑み方
私のMCP試験の挑み方
Tetsuya Odashima
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Shotaro Suzuki
Azure Web Apps とAzure Mobile Apps
Azure Web Apps とAzure Mobile Apps
Masaki Yamamoto
若手エンジニア向けカンファレンス #BitValley2020 登壇資料 (オタ駆動開発)
若手エンジニア向けカンファレンス #BitValley2020 登壇資料 (オタ駆動開発)
Madoka Chiyoda
Ns study Azure IoTHub紹介
Ns study Azure IoTHub紹介
貴志 上坂
Azure MLやってみよう
Azure MLやってみよう
A AOKI
僕はあなたを監視する(MS Graph Subscriptionのβで公開されたpresencesを使おう!)
僕はあなたを監視する(MS Graph Subscriptionのβで公開されたpresencesを使おう!)
DevTakas
2021/02/19 Alterbooth 多忙なアーキテクトのためのクラウド導入フレームワーク (CAF) ダイジェスト
2021/02/19 Alterbooth 多忙なアーキテクトのためのクラウド導入フレームワーク (CAF) ダイジェスト
Issei Hiraoka
インフラエンジニアに送る Visual Studio Code ~Azure 編~
インフラエンジニアに送る Visual Studio Code ~Azure 編~
Shinsuke Saito
Microsoft MVP を受賞するために取り組んだこと
Microsoft MVP を受賞するために取り組んだこと
Tetsuya Odashima
Rosecar
Rosecar
Yoshinori Hayashi
Embedded Technology 2014 Smart Japan Aliance IoT Azure
Embedded Technology 2014 Smart Japan Aliance IoT Azure
Atomu Hidaka
AndroidのAR最新動向
AndroidのAR最新動向
Kenichi Takahashi
Kansai Azure IoT, Device & Cloud 20140927
Kansai Azure IoT, Device & Cloud 20140927
Ayako Omori
IoT業界で必須サービスになってきたAzure Web PubSubとAzure IoT EdgeのEFLOWについてご紹介
IoT業界で必須サービスになってきたAzure Web PubSubとAzure IoT EdgeのEFLOWについてご紹介
Jingun Jung
Container deployment on Azure
Container deployment on Azure
Tsukasa Kato
What's hot
(18)
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...
Azure Machine Learningを触ってみた!
Azure Machine Learningを触ってみた!
私のMCP試験の挑み方
私のMCP試験の挑み方
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Vs code conf2020-11-21-extensions-for-microservices-app-dev
Azure Web Apps とAzure Mobile Apps
Azure Web Apps とAzure Mobile Apps
若手エンジニア向けカンファレンス #BitValley2020 登壇資料 (オタ駆動開発)
若手エンジニア向けカンファレンス #BitValley2020 登壇資料 (オタ駆動開発)
Ns study Azure IoTHub紹介
Ns study Azure IoTHub紹介
Azure MLやってみよう
Azure MLやってみよう
僕はあなたを監視する(MS Graph Subscriptionのβで公開されたpresencesを使おう!)
僕はあなたを監視する(MS Graph Subscriptionのβで公開されたpresencesを使おう!)
2021/02/19 Alterbooth 多忙なアーキテクトのためのクラウド導入フレームワーク (CAF) ダイジェスト
2021/02/19 Alterbooth 多忙なアーキテクトのためのクラウド導入フレームワーク (CAF) ダイジェスト
インフラエンジニアに送る Visual Studio Code ~Azure 編~
インフラエンジニアに送る Visual Studio Code ~Azure 編~
Microsoft MVP を受賞するために取り組んだこと
Microsoft MVP を受賞するために取り組んだこと
Rosecar
Rosecar
Embedded Technology 2014 Smart Japan Aliance IoT Azure
Embedded Technology 2014 Smart Japan Aliance IoT Azure
AndroidのAR最新動向
AndroidのAR最新動向
Kansai Azure IoT, Device & Cloud 20140927
Kansai Azure IoT, Device & Cloud 20140927
IoT業界で必須サービスになってきたAzure Web PubSubとAzure IoT EdgeのEFLOWについてご紹介
IoT業界で必須サービスになってきたAzure Web PubSubとAzure IoT EdgeのEFLOWについてご紹介
Container deployment on Azure
Container deployment on Azure
Viewers also liked
Microsoft Azureで 女子力を生成する
Microsoft Azureで 女子力を生成する
Shuto Suzuki
推薦システムを構築する手順書 with Azure Machine Learning
推薦システムを構築する手順書 with Azure Machine Learning
Masayuki Ota
Sentiment Analysis with Azure Machine Learning
Sentiment Analysis with Azure Machine Learning
Stefano Tempesta
At42 qt1010 datasheet
At42 qt1010 datasheet
Brutcat
[Developers Festa Sapporo 2015] Azure Machine Learningで機械学習を始めよう
[Developers Festa Sapporo 2015] Azure Machine Learningで機械学習を始めよう
Naoki (Neo) SATO
Intro to Azure Machine Learning
Intro to Azure Machine Learning
Deepak Shevani
【2017年】ディープラーニングのフレームワーク比較
【2017年】ディープラーニングのフレームワーク比較
Ryota Suzuki
Azure MLで機械学習をやってみよう
Azure MLで機械学習をやってみよう
Ryuichi Tokugami
第17回Machine Learning 15 minutes!:ビジネスの出会いを科学する
第17回Machine Learning 15 minutes!:ビジネスの出会いを科学する
Kanji Takahashi
AlphaGo Zero 解説
AlphaGo Zero 解説
suckgeun lee
[AI02] こんなに敷居が低いのならば、Azure でやってみようか機械学習
[AI02] こんなに敷居が低いのならば、Azure でやってみようか機械学習
de:code 2017
「サーバレスの薄い本」からの1年 #serverlesstokyo
「サーバレスの薄い本」からの1年 #serverlesstokyo
Masahiro NAKAYAMA
Viewers also liked
(12)
Microsoft Azureで 女子力を生成する
Microsoft Azureで 女子力を生成する
推薦システムを構築する手順書 with Azure Machine Learning
推薦システムを構築する手順書 with Azure Machine Learning
Sentiment Analysis with Azure Machine Learning
Sentiment Analysis with Azure Machine Learning
At42 qt1010 datasheet
At42 qt1010 datasheet
[Developers Festa Sapporo 2015] Azure Machine Learningで機械学習を始めよう
[Developers Festa Sapporo 2015] Azure Machine Learningで機械学習を始めよう
Intro to Azure Machine Learning
Intro to Azure Machine Learning
【2017年】ディープラーニングのフレームワーク比較
【2017年】ディープラーニングのフレームワーク比較
Azure MLで機械学習をやってみよう
Azure MLで機械学習をやってみよう
第17回Machine Learning 15 minutes!:ビジネスの出会いを科学する
第17回Machine Learning 15 minutes!:ビジネスの出会いを科学する
AlphaGo Zero 解説
AlphaGo Zero 解説
[AI02] こんなに敷居が低いのならば、Azure でやってみようか機械学習
[AI02] こんなに敷居が低いのならば、Azure でやってみようか機械学習
「サーバレスの薄い本」からの1年 #serverlesstokyo
「サーバレスの薄い本」からの1年 #serverlesstokyo
Similar to センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
プログラミング生放送第7回 比べてみようPaaSクラウド~Azure VS GAE~
プログラミング生放送第7回 比べてみようPaaSクラウド~Azure VS GAE~
normalian
2021/03/19 パブリッククラウドを活かす運用プロセス自動化
2021/03/19 パブリッククラウドを活かす運用プロセス自動化
Issei Hiraoka
Azure Fundamental
Azure Fundamental
Yui Ashikaga
Windows Azure PHP Tips
Windows Azure PHP Tips
Microsoft Openness Japan
2015 0227 OSC-Spring Tokyo NETMF
2015 0227 OSC-Spring Tokyo NETMF
Atomu Hidaka
[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
20150704 MS Azure最新 - innovation egg 第4回
20150704 MS Azure最新 - innovation egg 第4回
Keiji Kamebuchi
ASP.NET Core のお気に入りの機能たち (docker向け)
ASP.NET Core のお気に入りの機能たち (docker向け)
Takayoshi Tanaka
Vsug day 2010 summer windows azure でやってみよう
Vsug day 2010 summer windows azure でやってみよう
mizusawa
ASP. NET Core 汎用ホスト概要
ASP. NET Core 汎用ホスト概要
TomomitsuKusaba
ASP.NET Core WebAPIでODataを使おう
ASP.NET Core WebAPIでODataを使おう
DevTakas
Azure DevOpsとVisual Studio App CenterをモバイルアプリのCI/CDに活用しよう
Azure DevOpsとVisual Studio App CenterをモバイルアプリのCI/CDに活用しよう
Shinya Nakajima
IoTでAzureのサービス利用~専門知識なしで始める超入門~
IoTでAzureのサービス利用~専門知識なしで始める超入門~
Kousuke Takada
ALMツールたべくらべ
ALMツールたべくらべ
Kaoru NAKAMURA
【de:code 2020】 「あつまれ フロントエンドエンジニア」 Azure Static Web Apps がやってきた
【de:code 2020】 「あつまれ フロントエンドエンジニア」 Azure Static Web Apps がやってきた
日本マイクロソフト株式会社
はじめての Azure 開発
はじめての Azure 開発
Yoshitaka Seo
.NET Core向けコンテナおよびデバッグ関連のVisual Studioの新機能
.NET Core向けコンテナおよびデバッグ関連のVisual Studioの新機能
Takayoshi Tanaka
Netラボ2012年6月勉強会 マイクロソフトのオープンソース戦略を考える
Netラボ2012年6月勉強会 マイクロソフトのオープンソース戦略を考える
david9142
Mvc conf session_5_isami
Mvc conf session_5_isami
Hiroshi Okunushi
.NET Core向けコンテナおよびデバッグ関連のVisual Studio 2019の機能
.NET Core向けコンテナおよびデバッグ関連のVisual Studio 2019の機能
Takayoshi Tanaka
Similar to センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
(20)
プログラミング生放送第7回 比べてみようPaaSクラウド~Azure VS GAE~
プログラミング生放送第7回 比べてみようPaaSクラウド~Azure VS GAE~
2021/03/19 パブリッククラウドを活かす運用プロセス自動化
2021/03/19 パブリッククラウドを活かす運用プロセス自動化
Azure Fundamental
Azure Fundamental
Windows Azure PHP Tips
Windows Azure PHP Tips
2015 0227 OSC-Spring Tokyo NETMF
2015 0227 OSC-Spring Tokyo NETMF
[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
20150704 MS Azure最新 - innovation egg 第4回
20150704 MS Azure最新 - innovation egg 第4回
ASP.NET Core のお気に入りの機能たち (docker向け)
ASP.NET Core のお気に入りの機能たち (docker向け)
Vsug day 2010 summer windows azure でやってみよう
Vsug day 2010 summer windows azure でやってみよう
ASP. NET Core 汎用ホスト概要
ASP. NET Core 汎用ホスト概要
ASP.NET Core WebAPIでODataを使おう
ASP.NET Core WebAPIでODataを使おう
Azure DevOpsとVisual Studio App CenterをモバイルアプリのCI/CDに活用しよう
Azure DevOpsとVisual Studio App CenterをモバイルアプリのCI/CDに活用しよう
IoTでAzureのサービス利用~専門知識なしで始める超入門~
IoTでAzureのサービス利用~専門知識なしで始める超入門~
ALMツールたべくらべ
ALMツールたべくらべ
【de:code 2020】 「あつまれ フロントエンドエンジニア」 Azure Static Web Apps がやってきた
【de:code 2020】 「あつまれ フロントエンドエンジニア」 Azure Static Web Apps がやってきた
はじめての Azure 開発
はじめての Azure 開発
.NET Core向けコンテナおよびデバッグ関連のVisual Studioの新機能
.NET Core向けコンテナおよびデバッグ関連のVisual Studioの新機能
Netラボ2012年6月勉強会 マイクロソフトのオープンソース戦略を考える
Netラボ2012年6月勉強会 マイクロソフトのオープンソース戦略を考える
Mvc conf session_5_isami
Mvc conf session_5_isami
.NET Core向けコンテナおよびデバッグ関連のVisual Studio 2019の機能
.NET Core向けコンテナおよびデバッグ関連のVisual Studio 2019の機能
More from Koichiro Sasaki
SQL Server 2016 R Services + Microsoft R Server 技術資料
SQL Server 2016 R Services + Microsoft R Server 技術資料
Koichiro Sasaki
Azure データサービスデザイン検討 (2015/10)
Azure データサービスデザイン検討 (2015/10)
Koichiro Sasaki
Microsoft Cognitive Services 概要
Microsoft Cognitive Services 概要
Koichiro Sasaki
Microsoft Bot framework 概要
Microsoft Bot framework 概要
Koichiro Sasaki
SQL Server 2008/2008 R2/ 2012(/ 2014) 新機能
SQL Server 2008/2008 R2/ 2012(/ 2014) 新機能
Koichiro Sasaki
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
Koichiro Sasaki
20160121 データサイエンティスト協会 木曜セミナー #5
20160121 データサイエンティスト協会 木曜セミナー #5
Koichiro Sasaki
SQL Server パフォーマンス問題対処 Deep Dive
SQL Server パフォーマンス問題対処 Deep Dive
Koichiro Sasaki
More from Koichiro Sasaki
(8)
SQL Server 2016 R Services + Microsoft R Server 技術資料
SQL Server 2016 R Services + Microsoft R Server 技術資料
Azure データサービスデザイン検討 (2015/10)
Azure データサービスデザイン検討 (2015/10)
Microsoft Cognitive Services 概要
Microsoft Cognitive Services 概要
Microsoft Bot framework 概要
Microsoft Bot framework 概要
SQL Server 2008/2008 R2/ 2012(/ 2014) 新機能
SQL Server 2008/2008 R2/ 2012(/ 2014) 新機能
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160121 データサイエンティスト協会 木曜セミナー #5
20160121 データサイエンティスト協会 木曜セミナー #5
SQL Server パフォーマンス問題対処 Deep Dive
SQL Server パフォーマンス問題対処 Deep Dive
Recently uploaded
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
Recently uploaded
(10)
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
センサーデバイスのデータを使った Microsoft Azure Machine Learning 実装入門
1.
Microsoft Data Platform
2.
2
3.
3
4.
4
5.
5 1.まずは全体の流れを押さえる 2.Azure
Machine Learning 概要 3..NET Gadgeteer (センサーデバイス) 概要 4.その他の構成要素 5.まとめ
6.
6 .NET Gadgeteer
Machine Learning Stream Analytics Event Hubs Web API
7.
7 1.まずは全体の流れを押さえる 2.Azure
Machine Learning 概要 3..NET Gadgeteer (センサーデバイス) 概要 4.その他の構成要素 5.まとめ
8.
8
9.
9 ブラウザ(ML Studio)
だけですぐに始められる •サーバー等の環境準備/設定不要 複雑なモデルをGUI操作だけでも実装可能 作成したモデルをボタン1つでWebサービス化 Rでの実装も可能 各種ストレージ、データベースを入力、出力に •Azure Blob/Table/Azure SQL Database/ HiveQL/Power Query/HTTP 1時間あたり¥38.76 or ¥76.50 の従量課金 •プレビュー期間価格 •サブスクリプションなしで始められるFree Tier あり (*) あくまで実現するための操作や準備が簡単という意味で、機械学習を実現するためのモデル選定や統計的な理解、R やその他の要素技術利用は(長い) 時間をかけて勉強する必要があり、 簡単ではないです。
10.
10
11.
11
12.
12
13.
13 Multiclass Decision
Forest/Multiclass Decision Jungle/ Multiclass Logistic Regression/Multiclass Neural Network/ One-vs-All Multiclass/Two-Class Averaged Perceptron/ Two-Class Bayes Point Machine/Two-Class Boosted Decision Tree/ Two-Class Decision Forest/Two-Class Decision Jungle/ Two-Class Logistic Regression/Two-Class Neural Network/ Two-Class Support Vector Machine K-Means Clustering Bayesian Linear Regression/ Boosted Decision Tree Regression/Decision Forest Regression/ Linear Regression/ Neural Network Regression/Ordinal Regression/ Poisson Regression
14.
14
15.
15
16.
16 REST API.
POST リクエスト HTTP のReq/Res のbody はJSON形式 短い応答時間を期待する場合はRRS を選択する •ML の処理は早くても数秒~数十秒かかるため、 応答は非同期待機も考慮した方がよい REST API. 入力として各種データソースが指定可能。 Azure Blob/Azure Table/Azure SQL Database/HiveQL/HTTP レスポンスとして“JOBID” が返ってくる。 それを基にバッチジョブの状態を定期チェック 状態がFinished/Failed になったら処理結果を取得 結果はAzure Blob に出力される
17.
17
18.
18 既定で410 個のパッケージが利用可能(2014/11/12
時点) 独自のR スクリプト、パッケージ、.RDataファイルを 取込み可能 •zip で圧縮して“Execute R Script” の入力に指定 •解凍して/srcフォルダに展開される 標準出力、グラフィックス関数の出力も参照可能 •BES を使って画像ファイルとして保存も可能
19.
19
20.
20 1.まずは全体の流れを押さえる 2.Azure
Machine Learning 概要 3..NET Gadgeteer (センサーデバイス) 概要 4.その他の構成要素 5.まとめ
21.
21
22.
22 物理デバイスの差し替え可能(*) デバイス用に用意されたAPI
Visual Studio で開発可能 .NET Micro Framework のAPI が利用可能 •.NET Framework と同様のAPI が利用可能 ※実際には同じものではないので、種々の制約はある (*).NET Gadgeteerのソフトウェアは1 年に何回かのペースでアップデートされており、デバイス側が追随していないケースや 互換性のないケースがあります。そのため、使用・購入する際には、メインボードとの互換性有無について事前の確認が必要です
23.
23
24.
24
25.
25
26.
26 11月末に提供開始予定 (URL
は”リソース” スライド参照) .NET Gadgeteerのメインボードと一部センサーを付属し た入門者用セット 12月中に販売開始予定 ※待ちきれない方はFEZ Spider を個別に購入ください
27.
27
28.
28 1.まずは全体の流れを押さえる 2.Azure
Machine Learning 概要 3..NET Gadgeteer (センサーデバイス) 概要 4.その他の構成要素 5.まとめ
29.
29
30.
30
31.
31 リクエストメソッドとURL に従った実装
Restful なアプリケーションを構築するための プラットフォーム 容易にHTTP サービスを実装可能にする
32.
32 .NET Gadgeteer
クライアントアプリ 2014/11/13 機器と時間の都合上、 セッション内では このデモは割愛しました
33.
33 Event Hubs
Stream Analytics
34.
34 データをストリーミング受信する「窓口」の役割 HTTPS,
AMQP でイベントデータ授受 保有期間:最大7日。東日本と西日本で地理的冗長 処理パターン(取込間隔など)、並列度によりパーティション スループットユニットでスケールを動的変更 入力:1 MB or 1000 イベント/ 1 スループットユニットあたり 出力:2 MB/ 1スループットユニットあたり 2014/10 末に正式リリース
35.
35 2014/10 末にPublic
Preview 開始 Event Hubs と連携してリアルタイムにデータ取込み 現時点で利用可能な形式 入力:Event Hubs、Azure Blob Storage 出力:SQL Database、Event Hubs、Azure Blob Storage Streaming Unit Pool でスケールを動的変更 約1 MB/sec/ 1 Streaming Unit Pool あたり “Stream Analytics Query Language” で変換/集約処理を実装
36.
36 例) デバイスごとの平均加速度値を
5秒間隔で集約 ⇒SQL Database に5 秒に1 件レコード登録
37.
37
38.
38 1.まずは全体の流れを押さえる 2.Azure
Machine Learning 概要 3..NET Gadgeteer (センサーデバイス) 概要 4.その他の構成要素 5.まとめ
39.
39 .NET Gadgeteer
Machine Learning Stream Analytics Event Hubs Web API
40.
40
41.
41 https://studio.azureml.net/ http://azure.microsoft.com/ja-JP/services/machine-learning/
http://azure.microsoft.com/ja-JP/services/event-hubs/ http://azure.microsoft.com/ja-JP/services/stream-analytics/ http://ms-iotkithol-jp.github.io/
42.
本書に記載した情報は、本書各項目に関する発行日現在のMicrosoft の見解を表明するものです。Microsoftは絶えず変化する市場に対応しなければならないため、 ここに記載した情報に対していかなる責務を負うものではなく、提示された情報の信憑性については保証できません。
本書は情報提供のみを目的としています。Microsoft は、明示的または暗示的を問わず、本書にいかなる保証も与えるものではありません。 すべての当該著作権法を遵守することはお客様の責務です。Microsoftの書面による明確な許可なく、本書の如何なる部分についても、転載や検索システムへの格納または挿入を行うことは、どのような形式または手段(電子的、 機械的、複写、レコーディング、その他)、および目的であっても禁じられています。 これらは著作権保護された権利を制限するものではありません。 Microsoftは、本書の内容を保護する特許、特許出願書、商標、著作権、またはその他の知的財産権を保有する場合があります。Microsoftから書面によるライセンス契約が明確に供給される場合を除いて、本書の提供はこれらの 特許、商標、著作権、またはその他の知的財産へのライセンスを与えるものではありません。 © 2014 Microsoft Corporation. All rights reserved. Microsoft, Windows, その他本文中に登場した各製品名は、Microsoft Corporation の米国およびその他の国における登録商標または商標です。 その他、記載されている会社名および製品名は、一般に各社の商標です。
Download now