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

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

konabuta
June 11, 2021

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

konabuta

June 11, 2021
Tweet

More Decks by konabuta

Other Decks in Technology

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 full-size slide

  2. Slack ワークスペース

    View full-size slide

  3. Azure Machine Learning

    View full-size slide

  4. 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

    ビス

    のデプロイ
    CI/CD & モデル再学習
    GitHub & Azure DevOps 統合・連携

    View full-size slide

  5. 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 full-size slide

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

    View full-size slide

  7. 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 full-size slide

  8. 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 full-size slide

  9. https://aka.ms/titanic0611

    View full-size slide

  10. 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 full-size slide

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

    View full-size slide

  12. 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 full-size slide

  13. • 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 full-size slide

  14. Python & R の実装をサポートする実験環境

    View full-size slide

  15. • 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 full-size slide

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

    View full-size slide

  17. 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 full-size slide

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

    View full-size slide

  19. 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 full-size slide

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

    View full-size slide