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
Tweet

More Decks by Takeshi HASEGAWA

Other Decks in Technology

Transcript

  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