Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
vol4_ねこIoTLT_ゴミ箱に捨てる前に 猫ヒゲロギング
Search
1027kg
October 21, 2020
Technology
0
89
vol4_ねこIoTLT_ゴミ箱に捨てる前に 猫ヒゲロギング
AWS Forecastを使った猫のヒゲが次いつ落ちてくるかの時系列予測実験
1027kg
October 21, 2020
Tweet
Share
More Decks by 1027kg
See All by 1027kg
vol6_ねこIoTLT_猫の健康と備えの話
1027kg
0
930
vol5_ねこIoTLT_もしもの為の迷子対策 Bluetoothタグ活用
1027kg
0
390
vol3_ねこIoTLT_猫のオシッコサインを お手軽に調べてみる話
1027kg
0
77
Other Decks in Technology
See All in Technology
家族アルバム みてねにおけるGrafana活用術 / Grafana Meetup Japan Vol.1 LT
isaoshimizu
1
1.1k
Cloud Service Mesh に触れ合う
phaya72
1
310
コードファーストの考え方。 Amplify Gen2から学ぶAWS次世代のWeb開発体験
yoshiitaka
2
540
Kaggleで学ぶ系列データのための深層学習モデリング
yu4u
7
1k
Amplify 🩷 Bedrock 〜生成AI入門〜
minorun365
PRO
10
1.1k
競技としてのKaggle、役に立つKaggle
yu4u
7
2.5k
障害対応をちょっとずつよくしていくための 演習の作りかた
heleeen
1
1.9k
Gitlab本から学んだこと - そーだいなるプレイバック / gitlab-book
soudai
7
1.4k
R3のコードから見る実践LINQ実装最適化・コンカレントプログラミング実例
neuecc
3
3.6k
QAエンジニアが伝えたい品質保証の羅針盤 / Compass for Quality Assurance
mii3king
1
190
TiDBにおけるテーブル設計と最適化の事例
cygames
0
240
社内アプリで Cloudflare D1を プロダクト運用してみた体験談(Tokyo)
haochenx
0
130
Featured
See All Featured
A Modern Web Designer's Workflow
chriscoyier
689
190k
The Pragmatic Product Professional
lauravandoore
26
5.8k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
323
20k
The MySQL Ecosystem @ GitHub 2015
samlambert
244
12k
Building a Scalable Design System with Sketch
lauravandoore
457
32k
Art, The Web, and Tiny UX
lynnandtonic
290
19k
The Art of Programming - Codeland 2020
erikaheidi
43
12k
The Cult of Friendly URLs
andyhume
74
5.7k
Design by the Numbers
sachag
274
18k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
242
1.2M
Music & Morning Musume
bryan
41
5.6k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
123
39k
Transcript
ねこIoTLT vol.4 ゴミ箱に捨てる前に 猫ヒゲロギング ~ AWS Forecastでの時系列予測 ~
自己紹介: 名前 : keiji(本体)@1027kg やっていること : 機械学習を中心に時々Webのバックエンドを書いています
名前 : える ♂ 種類 : キジトラ 身体情報 : 約7歳
5.1kg 性格 : スーパーチキン内弁慶
どうやらヒゲは 5種類 あるらしい 猫ヒゲについて ④頬骨毛 (きょうこつも う) 1~3本 ⑤頭下毛 (とうかもう)
数本 ③口角毛 (こうかくもう) 1~3本 ①上毛 (じょうもう) 5~7本 ②上唇毛 (じょうしんもう) 10数本 ※本数には個体差があります。
猫ヒゲ発見はちょっとしたイベント 髪の毛が抜けるのと同じく、猫のヒゲが落ちる タイミングは分からない。 太い毛なので割と見つけやすいが、注意してい ないと見落としてしまうアイテム。 掃除などをしている最中に発見できるものだ が、飼い主にとっては嬉しいイベントである。 (四つ葉のクローバーをイメージ)
ライフログの先駆者ゴードン・ベルさんに影響 を受けた変態なので、うちに来てからの「猫ヒ ゲ」はすべて保管しておりその日付も記録して ます。 今回はこのログデータを元に 「 いつ猫ヒゲが出現するのか 」 の予測を行います。 猫ヒゲを見つけたらとにかく記録
米マイクロソフト研究所 ゴードン・ベル主席研究員
猫ヒゲのログデータ性質 うちに猫が来て今まで発見した猫ヒゲの総数は 4 年 3 ヶ月 で 104本 です 実際に記録したデータはこんなイメージです
{ item_id: ID, timestamp: ヒゲを見つけた日, target_value: 0.0(なかった)か1.0(あった) } (記録は面倒だったので実際はGoogleHomeにIFTTTアプレット経由で声 にてGoogleCalに記録しています) (平均で計算すると14.91日に1本落ちてる計算)
AWS Forecastにデータを食わせる 時系列データから予測が行える「AWS Forecast」を利用 RETAIL ドメイン – 小売の需要予測 INVENTORY_PLANNING ドメイン
– サプライチェーンとインベントリの計画 EC2 CAPACITY ドメイン – Amazon EC2 キャパシティの予測 WORK_FORCE ドメイン – 従業員の計画 WEB_TRAFFIC ドメイン – 今後のウェブトラフィックの見積もり METRICS ドメイン – 収益およびキャッシュフローなどの予測メトリクス CUSTOM ドメイン – その他すべての時系列予測のタイプ 今回はこのドメインを使いました •提供されている時系列予測ドメイン
AWS Forecastでデータを予測してみよう 1. Dataset(データセット)の選択 S3に選択したモデルに対応したCSV形式のデータを置いて予測の実行 ※選択するアルゴリズムやモデルによってはメタデータもアタッチする必要あり ※今回のカスタムモデルでは単純なデータだが1,000以上のデータセットが必須 2. Predictor(推論モデル)の選択 標準はAutoMLだが、めちゃ遅かった(数時間)ので今回は「CNN-QR」を選択
※ここは解決したいタスクによってモデルを選ぶ 3. Forecast(予測)の生成 2のモデルを使用して予測データを作る 予測のデータは重みをセット出来る
けっかはっぴょー(Forecastの母 10/15にヒゲが出現 するかも… (それでも0.5139) Forecastの母
けっかはっぴょー(実績 10/16に ヒゲ発見!!
まとめ 1. 役に立つかは後で考えてとにかくデータは貯めておくこと 2. AWSF Forecast のPredict(推論)とForecast(予測)は めっちゃ時間かかる ・トータルで3時間ぐらい掛かったので猫と遊びながら待ちましょう ・パラメータは個別にイジれるのでepochなど変えてみよう
ご清聴有難う御座いました