Azure Machine Learning ハンズオンシリーズ 基礎編 資料

Transcript

1. Azure Machine Learning ハンズオンシリーズ
   基礎編
   2021年6月11日(金) 16:00 - 17:30
   

   View Slide

2. Slack ワークスペース
   

   View Slide

3. View Slide

4. View Slide

5. View Slide

6. View Slide

7. Azure Machine Learning
   

   View Slide

8. Azure M achine Learning service
   実験的なモデル開発
   ⾃動機械学習
   デザイナー
   Pytyon / R
   モデル検証
   パッケー
   ジ化と
   Azure Container
   Instnaces での検証
   モデル学習
   コンピュー
   ティング
   クラスター
   モニタリング
   モデルのモニタリング
   デプロイ
   スケー
   ラブルな
   kubernetes サ
   ー
   ビス
   へ
   のデプロイ
   CI/CD & モデル再学習
   GitHub & Azure DevOps 統合・連携
   

   View Slide

9. Responsible
   Industry leading
   MLOps
   Open &
   Interoperable
   For all skill
   levels
   あらゆるスキルレベルに対応し、
   ML の生産性を向上
   機械学習ライフサイクル
   の運用管理
   責任のある
   ML ソリューションの構築
   オープンテクノロジーの採用
   と相互運用性の実現
   

   View Slide

10. https://aka.ms/ml-docs
    

    View Slide

11. View Slide

12. Azure Machine Learning Workspace とは？
    アーキテクチャと主要な概念 - Azure Machine Learning | Microsoft Docs
    関連 Azure サービス
    リソース
    アセット
    

    View Slide

13. 付属リソース
    Storage Key Vault Container
    Registry
    App Insights
    モデル推論サービス
    AKS
    Cluster
    ACI
    学習データのデータソース
    Storage Data Lake SQL
    モデル学習のサービス
    Compute
    Instance
    Compute
    Clusters
    多くの PaaS サービスに
    依存している
    ※ Microsoft Managed のため、Azure Portal からは見えない
    

    View Slide

14. View Slide

15. View Slide

16. View Slide

17. https://aka.ms/titanic0611
    

    View Slide

18. View Slide

19. 作成者
    • Notebooks - コーディング環境
    • Automated ML - 自動機械学習
    • Designer - GUI 機械学習プロセス実行
    アセット
    • Datasets - データの登録と管理
    • Experiments - 実験記録
    • Pipelines - 学習・推論のパイプライン
    • Models - モデル管理
    • Endpoints - エンドポイント管理
    管理 (環境・データ)
    • Compute - 学習・推論の計算環境
    • Datastores - データソースの設定
    • Data Labeling - ラベリング機能
    

    View Slide

20. Python & R ユーザも
    Azure ML studio を併用します
    

    View Slide

21. 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
    リーダーボードと解釈
    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「最高のモデル」を探索するために、
    特徴量エンジニアリング、アルゴリズムとハイパーパラメータの選択を自動実行します。
    

    View Slide

22. • 直感的なマウス操作でパイプライン構築
    • 特徴量エンジニアリング
    • モデル学習 (回帰、分類、クラスタリング)
    • 推論 (リアルタイム & バッチ)
    • カスタムモデル・スクリプト (Python, R)
    機械学習のモデル構築、テスト、デプロイするためのビジュアルパイプライン
    ※ 参考 : Azure Machine Learning デザイナー とは
    https://docs.microsoft.com/ja-jp/azure/machine-learning/concept-designer
    

    View Slide

23. Python & R の実装をサポートする実験環境
    

    View Slide

24. • 様々なスペックのVMを選択・起動
    • 自動スケールアウト・ダウン
    • ジョブ管理、スケジュール管理
    学習コード
    train train train
    ジョブ・スケジュール管理
    • Job に必要なライブラリ・データを自動で準備
    ・・・
    • 低優先度オプション : 80% 割引で利用可能
    モデル学習・推論のためのクラウドネイティブなクラスター環境
    

    View Slide

25. View Slide

26. Machine Learning Practices & Tips
    Microsoft Machine Learning Collection
    Data Scientist 向けページ
    

    View Slide

27. 機械学習プロジェクトを進めるためのガイドブック
    Machine Learning Best Practices (azure.github.io)
    

    View Slide

28. microsoft/machine-learning-collection:
    machine learning tech collections at Microsoft and subsidiaries.
    

    View Slide

29. Python による機械学習入門 編
    2021年6月25日(金) 16:00 - 17:30
    https://dllab.connpass.com/event/214093/
    

    View Slide

30. https://forms.office.com/r/dV5heemZnv
    

    View Slide

31. View Slide

32. View Slide