Upgrade to Pro — share decks privately, control downloads, hide ads and more …

How to develop IkaLog?

How to develop IkaLog?

5 minutes talk at Unofficial "OSS on Azure" Meetup held on June 28, 2016.

Takeshi HASEGAWA

June 28, 2016

Transcript

39 slides
  1. !IBTFHBXʹ͍ͭͯ  ௕୩઒ɹ໠ )"4&("8"5BLFTIJ  UXJUUFS!IBTFHBX 2004   |  

    2011 2011   |   2014 2014   |   SEサービス プリセールス   @  So+ware  Research  Associates,  Inc.   システム構築、客先のシステム運用、提案でキャリアをスタート →  プリセールス〜PMを担当するインフラエンジニア システムアーキテクト   @  Trigence  Semiconductor,  Inc.   エンベデッド開発支援からITシステム管理まで多岐に対応   セールスエンジニア   @  Fusion-­‐io,  Inc.   高速半導体ストレージ ioDrive  /  ioMemory  シリーズの  SE  として活動
  2. 4

  3. ͱ͋ΔΠΧͷઓಆه࿥  0" 2" 4" 6" 8" 0" 1" 2"

    3" 4" 5" 6" 7" 8" 9" 10" Kill Win/Lose Win" Lose" 0" 1" 2" 3" 4" 5" 1" 2" 3" 4" 5" 6" 7" 8" 9" 10" 11" DeathWin/Lose" Win" Lose" 0.0%$ 2.0%$ 4.0%$ 6.0%$ 8.0%$ 10.0%$ 12.0%$ 14.0%$ *5$ *4$ *3$ *2$ *1$ 0$ 1$ 2$ 3$ 4$ 5$ K*D
  4. *LB-PHͷ͘͠Έ •  )%.*ΩϟϓνϟσόΠεΛར༻ͯ͠ ήʔϜը૾ΛऔΓࠐΈɺը૾ೝࣝ •  ਺஋ʗจࣈྻσʔλͱͯ͠ೝࣝ •  ͓޷Έͷํ๏Ͱ஝ੵɺग़ྗ  Nintendo

     WiiU   & スプラトゥーン {  “kills”:  5,  “deaths”:  1  }   IkaLog 映像 解析結果 ログファイル出力 外部ツール連携 外部Webサイト連携 蓄積/出力先
  5. ήʔϜΛϓϨΠ͢Δͱ +40/σʔλ͕ੜ੒͞Ε·͢  {'rank_in_team': 2, 'weapon': 'デュアルスイーパーカスタム', 'result': 'win', 'kills':

    1, 'time': 1444491154, 'cash_after': 1820744, 'players': [{'rank_in_team': 1, 'weapon': 'プライムシューター', 'kills': 2, 'deaths': 1, 'udemae_pre': 'B-', 'team': 1}, {'rank_in_team': 2, 'weapon': 'デュアルスイーパーカスタム', 'kills': 1, 'deaths': 0, 'udemae_pre': 'B', 'team': 1}, {'rank_in_team': 3, 'weapon': 'プライムシューター', 'kills': 1, 'deaths': 0, 'udemae_pre': 'C+', 'team': 1}, {'rank_in_team': 4, 'weapon': 'スプラシューターコラボ', 'kills': 1, 'deaths': 0, 'udemae_pre': 'B-', 'team': 1}, {'rank_in_team': 1, 'weapon': 'ジェットスイーパーカ スタム', 'kills': 1, 'deaths': 2, 'udemae_pre': 'C', 'team': 2}, {'rank_in_team': 2, 'weapon': '3Kスコープ', 'kills': 0, 'deaths': 1, 'udemae_pre': 'B-', 'team': 2}, {'rank_in_team': 3, 'weapon': 'プロモデラーRG', 'kills': 0, 'deaths': 1, 'udemae_pre': 'B-', 'team': 2}, {'rank_in_team': 4, 'weapon': 'ダイナモローラーテ スラ', 'kills': 0, 'deaths': 1, 'udemae_pre': 'B+', 'team': 2}], 'rule': 'ガチホコバトル', 'event': 'GameResult', 'deaths': 0, 'udemae_pre': 'B', 'map': 'アロワナモール', 'team': 1}
  6. 5FTTFSBDU0$3Λ ධՁͨ͠ࡍͷ՝୊ •  ೝࣝ֬཰ɿ •  ΋ͱ΋ͱจষΛಡΈऔΔͨΊͷ΋ͷ •  ʙจࣈͷจࣈɺ਺ࣈͷೝࣝ͸ۤख •  ೝࣝਫ਼౓

    •    ͳͲΛؒҧ͑Δ͜ͱ͕͋Δ •  কདྷతʹ໰୊͕ى͖ͨࡍɺΞϧΰϦζϜʹ ख͕ग़ͤͳ͍ʢग़ͳ͍ʣ •  ιϑτ΢ΣΞ΁ͷ૊ΈࠐΈ্ͷ՝୊ •  1ZUIPOYͷεΫϦϓτ্͔Βར༻ͮ͠Β͔ͬͨ •  طଘCJOEJOHͰ͸GPSLFYFDͷཛྷ ˠ طଘͷจষ޲͚0$3ΤϯδϯΑΓ΋ ୯७Ͱ໨తʹదͨ͠ೝࣝํࣜΛݕ౼  文字として   認識されないことも
  7. 29

  8. 5)&./*45%"5"#"4& खॻ͖਺ࣈը૾ͷ٧Ί߹Θͤ •  5)&./*45%"5"#"4&PG IBOEXSJUUFOEJHJUT •  ػցֶशͷςετσʔλͱͯ͠ Α͘ར༻͞ΕΔ ಺༰ • 

    αϯϓϧαΠζɿY QJYFMT  •  αϯϓϧ਺  –  ֶश༻αϯϓϧ  –  ֬ೝ༻αϯϓϧ   MNISTに含まれるサンプルの例 ラベル(正解情報)の例 7   4   9   7  
  9. ./*45ެ։σʔλͷߏ଄ 53"*/*/(4&5-"#&-'*-& USBJOMBCFMTJEYVCZUF  <P⒎TFU><UZQF><WBMVF><EFTDSJQUJPO> CJUJOUFHFSY  NBHJDOVNCFS .4#pSTU 

    CJUJOUFHFSOVNCFSPGJUFNT VOTJHOFECZUF -BCFM VOTJHOFECZUF -BCFM  YYYYVOTJHOFECZUF -BCFM 5IFMBCFMTWBMVFTBSFUP 53"*/*/(4&5*."(&'*-& USBJOJNBHFTJEYVCZUF  <P⒎TFU><UZQF><WBMVF><EFTDSJQUJPO> CJUJOUFHFSY  NBHJDOVNCFS CJUJOUFHFSOVNCFSPGJNBHFT CJUJOUFHFSOVNCFSPGSPXT CJUJOUFHFSOVNCFSPGDPMVNOT VOTJHOFECZUF 1JYFM VOTJHOFECZUF 1JYFM  YYYYVOTJHOFECZUF 1JYFM 1JYFMTBSFPSHBOJ[FESPXXJTF1JYFMWBMVFTBSFUPNFBOTCBDLHSPVOE XIJUF NFBOTGPSFHSPVOE CMBDL  5&454&5-"#&-'*-& ULMBCFMTJEYVCZUF  <P⒎TFU><UZQF><WBMVF><EFTDSJQUJPO> CJUJOUFHFSY  NBHJDOVNCFS .4#pSTU  CJUJOUFHFSOVNCFSPGJUFNT VOTJHOFECZUF -BCFM VOTJHOFECZUF -BCFM  YYYYVOTJHOFECZUF -BCFM 5IFMBCFMTWBMVFTBSFUP TOJQ  1JYFMTBSFPSHBOJ[FESPXXJTF1JYFMWBMVFTBSFUPNFBOTCBDLHSPVOE XIJUF NFBOTGPSFHSPVOE CMBDL   トレーニング用ラベル 0x00  (0)  ~  0x09  (9)  の値のバイト列   ×  サンプル数   下記文字サンプルに対応した正解   28x28  (784px)  の  8bit  モノクロ画像   ・非圧縮 ビットマップ(Top-­‐Down)   ×  サンプル数   トレーニング用文字画像サンプル テスト用ラベル テスト用文字画像サンプル そのほかに含まれるもの  
  10. ./*45෼ྨͷΤΫεϖϦϝϯτ  AzureMLに標準で準備されているMNIST 教師データ(6万サンプル) Train  Model:  機械学習を行う   入力:①未学習のモデル ②教師データ  

    出力:学習済みモデル   AzureMLに標準で準備されている   MNISTテスト用データ(1万サンプル) Score  Model:  機械学習結果をスコア付け   入力:学習済みモデル   出力:スコア付けされたモデル   Evaluate  Model:  モデルの評価   入力:スコア付けされたモデル   出力:  モデルの評価結果   使用する機械学習モデル   Mulbclass  Decision  Forest:  多クラス分類   “エクスペリメントを実行”  
  11. ./*45෼ྨͷΤΫεϖϦϝϯτʢ࣮ߦޙʣ  AzureMLに標準で準備されているMNIST 教師データ(6万サンプル) Train  Model:  機械学習を行う   入力:①未学習のモデル ②教師データ  

    出力:学習済みモデル   AzureMLに標準で準備されている   MNISTテスト用データ(1万サンプル) Score  Model:  機械学習結果をスコア付け   入力:学習済みモデル   出力:スコア付けされたモデル   Evaluate  Model:  モデルの評価   入力:スコア付けされたモデル   出力:  モデルの評価結果   使用する機械学習モデル   Mulbclass  Decision  Forest:  多クラス分類  
  12. ./*/45ڭࢣσʔλ ສαϯϓϧ   教師データの数   ひとつの教師データの次元数   28x28ピクセル  =

     合計  785  ピクセル   各教師データのラベル(正解値)   f0〜784:     各ピクセルの値(0  or  1)
  13. &WBMVBUF.PEFMͷग़ྗ  評価結果のサマリ   予測したクラス   ( 正 解 値

    )   クラスの予測に正解した割合     クラスの予測に   失敗した割合    

More Decks by Takeshi HASEGAWA

Other Decks in Technology