【de:code 2020】 AutoML ではじめる機械学習の民主化
•
1 like•367 views
機械学習をビジネスで活用する機運が高まっているものの、モデル構築には高度な専門性が要求され、本番環境でモデルを継続的に運用管理することは難しいものです。本セッションでは、Azure Machine Learning の自動機械学習 (Automated ML) を使って、精度が高い機械学習モデルを自動・高速に作成する方法と運用方法についてご説明します。
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to 【de:code 2020】 AutoML ではじめる機械学習の民主化
Similar to 【de:code 2020】 AutoML ではじめる機械学習の民主化 (20)
More from 日本マイクロソフト株式会社
More from 日本マイクロソフト株式会社 (20)
Recently uploaded
Recently uploaded (10)
【de:code 2020】 AutoML ではじめる機械学習の民主化
- 1. *本資料の内容 (添付文書、リンク先などを含む) は de:code 2020 における公開日時点のものであり、予告なく変更される場合があります。 #decode20 # AutoML で始める 機械学習の民主化 D07 女部田啓太 日本マイクロソフト株式会社 クラウドソリューションアーキテクト
- 2. 本セッションについて 対象者 課題 ゴール • データサイエンティスト • 機械学習エンジニア • 複雑で専門性が求められる機械学習はハードルが高い • Azure Machine Learning の自動機械学習の概要を理解して、 自分のデータで自動機械学習が行えるようになる
- 3. セッションアジェンダ • 自動機械学習とは？ • 機能詳細と最新情報 • デモンストレーション
- 4. 自動機械学習とは？
- 8. 自動機械学習 Automated Machine Learning ユーザーの入力 特徴量 エンジニアリング アルゴリズム の選択 ハイパーパラメータ のチューニング モデルの リーダーボード データセット 設定と制約 76% 34% 82% 41% 88% 72% 81% 54% 73% 88% 90% 91% 95% 68% 56% 89% 89% 79% 順位 モデル スコア 1 95% 2 76% 3 53% … 自動機械学習は与えられたデータに対して 「高精度のモデル」を構築するために、 特徴量エンジニアリング、アルゴリズム選択、ハイパーパラメータ選択を 自動で効率的に探索します。
- 9. 自動機械学習が目指すところ AI 活用の加速 データ サイエンティスト、市民データ サイエンティスト、アプリ開発者、 アナリストの生産性を向上する AI のスケール ビッグデータを利用したり、 複数のモデル学習を実行して、 大規模な AI ソリューションを構築する AI の民主化 開発者とデータサイエンティストが 機械学習のシステム構築を 迅速に開始できるようにする
- 11. Azure Machine Learning Train Models Package & Validate Manage ML Assets MonitorDeploy & Serve CI/CD and model retraining Azure DevOps & GitHub integration
- 12. 開発・運用管理のインタフェース
- 15. 機能詳細と最新情報
- 16. データ • 大規模データ (~100GB) への対応 • Azure Open Datasets • Data Guardrails
- 17. 特徴量エンジニアリング • BERT による特徴量抽出 • 特徴量変換のカスタム指定 • 自動での特徴量変換 • 時系列データ前処理の自動化 • ラグ、ローリングウィンドウ etc
- 18. アルゴリズム選択 • Microsoft LightGBM • 時系列予測 • ARIMA • Prophet • Forecast TCN
- 19. パラメータ選択 • 協調フィルタリング + ベイズ最適化 • 「特徴量エンジニアリング」 と 「アルゴリズム選択」 を 含む全体のプロセス
- 20. その他 • 機械学習プロセスの追跡 (リネージ) • モデル解釈 • 新しいダッシュボードが公開予定
- 21. Responsible Machine Learning 責任のある AI & Machine Learning を構築・運用する
- 25. モデル解釈の 2 つの方針
- 27. 新しいダッシュボード
- 29. デモンストレーション
- 30. Azure ML Studio
- 33. Python SDK Azure Machine Learning Bootcamp https://github.com/konabuta/AzureML-Bootcamp
- 35. World class machine learning Automated ! Large Datasets Deep Learning Feature Engineering Time series forecasting Model Interpretability
- 36. チュートリアル : Azure Machine Learning の自動 ML で分類モデルを作成する Azure/MachineLearningNotebooks – automated machine learning Azure Machine Learning service で機械学習モデルの選択を自動化する Get Started !
- 37. 参考情報 Open Source Repo Link Microsoft ML Tech List Microsoft の機械学習テクノロジー集 https://aka.ms/microsoft-ml-tech Azure ML Notebook Azure Machine Learning 公式サンプルコード https://aka.ms/ml-notebooks BERT Large 自然言語モデル BERT のサンプルコード http://aka.ms/azure-bert LightGBM LightGBM トップページ https://aka.ms/lightgbm ONNX ONNX トップページ https://aka.ms/onnx Distributed DL 分散深層学習サンプルコード https://aka.ms/distdl 機械学習レシピ集 Link Computer Vision コンピュータビジョン (Faster-RCNN ...) https://aka.ms/cv-recipes NLP 自然言語処系 (BERT, GenSen ...) https://aka.ms/bert-recipes Recommenders レコメンデーション (NCF, SAR ...) https://aka.ms/reco-recipes Forecasting 時系列予測 https://aka.ms/forecast-recipes MLOps MLOps CI/CD・コード集 https://aka.ms/cicd-recipes
- 38. © 2018 Microsoft Corporation. All rights reserved. 本情報の内容（添付文書、リンク先などを含む）は、作成日時点でのものであり、予告なく変更される場合があります。 © 2020 Microsoft Corporation. All rights reserved. 本情報の内容 (添付文書、リンク先などを含む) は、公開日時点のものであり、予告なく変更される場合があります。 本コンテンツの著作権、および本コンテンツ中に出てくる商標権、団体名、ロゴ、製品、サービスなどはそれぞれ、各権利保有者に帰属します。