AI研修【MIXI 23新卒技術研修】

23新卒技術研修で実施したAI研修の講義資料です。

ハンズオン用リポジトリ：https://github.com/nami73b/machine-learning-notebooks-2023

資料の利用について
公開している資料は勉強会や企業の研修などで自由にご利用頂いて大丈夫ですが、以下の形での利用だけご遠慮ください。
・受講者から参加費や授業料などを集める形での利用（会場費や飲食費など勉強会運営に必要な実費を集めるのは問題ありません）
・出典を削除または改変しての利用

Transcript

1. ©MIXI 新卒AI研修 01 Introduction
2. ©MIXI 2 講義の目的 機械学習(深層学習・勾配ブースティング)で • 何ができるか • 何が必要か • どうサービスと繋げるか を学びます
3. ©MIXI 3 講義の目的 と言っても、1日で時間が足りるわけがありません あれに使えるかもしれない！自分から触ってみよう！ と壁を取り払えることが一番の目的です
4. ©MIXI 4 講義の概要 • 機械学習とは何か (01_introduction) • データと学習方法(02_data_and_training) • デプロイ(03_deployment) • サービスについて考える(04_service_in_mixi)
5. ©MIXI 5 ハンズオンの概要 • 画像分類(01_image_classification) • プルーニング(01ex_pruning) • 転移学習(02_transfer_learning) • パラメーターチューニング(02_parameter_tuning) • デプロイとサービング(03_deploy_and_serving) • 構造化データ予測(04_predict_structured_data)　
6. ©MIXI 6 機械学習とは データから知見を得て、それを次の決定に利用すること • 知見とはブラックボックスな関数 ◦ 何かしらのルールがある • データとは過去の出来事 ◦ 数値, 画像, 音声, テキスト, etc. • 決定：予測 ◦ 知見と今の状態がわかれば未来を予測できる
7. ©MIXI 7 機械学習とは何か ルールがあるということは、関数で表せるということ • 今日の全ての情報があれば明日の天気はわかるはず.. • 未来の株価は過去の動きで予測できるはず... • 人間は外部入力を受けてニューロンが... 世界の全ては（規模を無視すれば）関数で表現できるかも！
8. ©MIXI 8 プログラミングとの違いは？ ルールを自分で決めて、表現することがプログラミング • 盤面のスコアリングをルールベースで決定し、次のアクションの結果を評価 して駒を動かす 過去のデータの中からルールを得るのが機械学習 • 大量の棋譜からパターンを見つけて、次の手を決定する 盤面のスコアリングから、 次の行動で一番点数の高い 角を5一にしよう 過去の棋譜と 差し手のパターンから 角を5一にしよう プログラミング 機械学習
9. ©MIXI 9 統計との違いは？ 統計学はデータから可視化できる表現を得る • ある意思決定の理由を説明するのが目的 機械学習は表現を得て、予測精度をあげることが目的 • 検証で良い数字がでるなら、なにかしらの表現を得たことになる データから知見を得るという部分は同じだし、基礎理論も同じ • 良いデータサイエンティストは良いMLエンジニア
10. ©MIXI 10 どんな問題を解決できるか? 様々な分野で様々な問題を解決することができる • 需要・コスト予測 • カスタマー対応 • ゲームデッキのレコメンド • 書類のチェック • マーケティングプラン • ゲームAI • キャラクター生成 • 翻訳 • 競馬/競輪の予測 • 音声の変換 • メトリクスの異常検知 • コードレビューの補助 • モーションキャプチャ • 不審な決済ログの洗い出し • …
11. ©MIXI 11 どんな問題を解決できるか? 自分のサービスに適用できないか？ • どんな解決できそうな問題があるか？ • 必要なデータはあるか？ これを考えられるようになってもらうのが講義の主目的です
12. ©MIXI 12 機械学習の分類 AI 機械学習 教師あり学習 教師なし学習 強化学習 Deep Learning 勾配 ブース ティング
13. ©MIXI 13 • 教師データと出力の損失を用いて学習 教師あり学習 モデル 入力 出力 損失(loss) 教 師 デ タ ー
14. ©MIXI 14 教師なし学習 • 教師データが存在しない学習（データ内のパターンを見つける学習） クラスタリング オートエンコーダ Encoder Decoder 入力 出力 特徴量 次元圧縮 クラスタ1 クラスタ2 クラスタ3
15. ©MIXI 15 強化学習 • 環境とやりとりして行動の報酬をもらうことでエージェントが学習 環境 エージェント 行動 観測 意思決定 報酬 学習 変化
16. ©MIXI 16 • 環境とやりとりして行動の報酬をもらうことでエージェントが学習 START +10 -10 環境 エージェント START 強化学習
17. ©MIXI 17 分類(Classification)と回帰(Regression) 分類 • 出力が離散値 ➢ True or False ➢ 犬、猫、人... • あらかじめ与えられた カテゴリー/クラス/分類 を予測する際に使用 • 例 ➢ モンストキャラの画像と種類から 新たなキャラ画像が与えられた時に そのキャラがどの種類かを予測 回帰 • 出力が連続値 ➢ 金額や人数、温度… • 数字の大小に意味が存在する 値を予測する際に使用 • 例 ➢ 過去のモンストの売上から 明日の売上を予測
18. ©MIXI 18 分類(Classification)と回帰(Regression) QUIZ 1. ユーザの収入や家族構成、その他パラメータから預金額を予測する 2. ユーザの収入や家族構成、その他パラメータからある取引が不正かどうかを 予測する 3. 画像に写っている物の種類を予測する 4. 画像に写っている物の位置を予測する
19. ©MIXI 19 機械学習の流れ 用意したデータ モデル 入力 出力 損失(loss) 教師データ(ラベル) 入力(特徴量) 教 師 デ タ ー
20. ©MIXI 20 機械学習の流れ 用意したデータ 入力 出力 教師データ(ラベル) 入力(特徴量) 教 師 デ タ ー モデル Parameters Hyper Parameters 損失(loss)から Parametersを更新
21. ©MIXI 21 Parameters: Weights & Biases パラメーターは学習で変化する値 　　 WeightとBiasがある 　 y = b + x * w この値を調整すると、出力の値が変わる
22. ©MIXI 22 機械学習の流れ 用意したデータ 入力 出力 教師データ(ラベル) 入力(特徴量) 教 師 デ タ ー モデル Parameters Hyper Parameters 損失関数 Loss 最適化関数 (Optimizer) Parameters 更新
23. ©MIXI 23 損失関数(Loss Function) 回帰問題の代表的な損失関数 ➢ RMSE
24. ©MIXI 24 多クラス分類問題の代表的な損失関数 損失関数(Loss Function) ➢ Categorical Cross Entropy Label Name オラゴン ブルーリドラ レッドリドラ グリーンリドラ Output 3.57 0.27 1.80 - 0.83 Softmax 0.8200 0.0302 0.1397 0.0101 Label 1 0 0 0 Cross Entropy 0.086 0 0 0
25. ©MIXI 25 最適化関数: 最急降下法(Gradient Descent) 最適化関数 ➢ Lossが最小になるようなWeightを決定 例: 最急降下法(Gradient Descent) 更新式 学習率 (learning rate) Loss
26. ©MIXI 26 最適化関数一覧 • Gradient Descent (GD) • Stochastic Gradient Descent (SGD) • Nesterov Accelerated Descent (NAG) • Momentum • RMSProp • Adagrad • Adam • …
27. ©MIXI 27 機械学習の流れ 用意したデータ 入力 出力 教師データ(ラベル) 入力(特徴量) 教 師 デ タ ー モデル Parameters Hyper Parameters 損失関数 Loss 最適化関数 (Optimizer) Parameters 更新
28. ©MIXI 28 Hyper Parameters ハイパーパラメータ • 学習前に予め決めておく必要がある値 • 学習によって変化しない • 最適値はタスクによって異なる 例 • learning rate, バッチサイズ • パラメーターの数 • 使用するアルゴリズムの係数 • …
29. ©MIXI 29 Hyper Parameters: バッチサイズ 一度でトレーニングでどれだけのデータをまとめて学習するか • 理想だけ言えば大きいほうがより安定する ➢ 大きくしすぎると精度悪化の可能性 ➢ 計算量やメモリの使用量が大きくなる • バッチサイズと学習率には関係がある ➢ 学習率を固定してバッチサイズを5倍にするということは、 バッチサイズを固定して学習率を1/5にするということに近い
30. ©MIXI 30 機械学習の流れ 用意したデータ 入力 出力 教師データ(ラベル) 教 師 デ タ ー モデル Parameters Hyper Parameters 損失関数 Loss 最適化関数 (Optimizer) Parameters 更新
31. ©MIXI
32. ©MIXI 新卒AI研修 02 data & training
33. ©MIXI 33 • どのモデルが正しくデータの傾向を学習できているか？ (a) (b) (c) 未学習(underfitting)/過学習: overfitting
34. ©MIXI 34 過学習: overfitting 過学習が起こる条件 • データが少なすぎる • データに対してモデルが複雑すぎる 過学習を対策するためには... • データを訓練データと検証データ に分けることで、overfittingに 気づける状態にしておく データ 訓練データ 検証データ テストデータ
35. ©MIXI 35 • 訓練データで学習させていくと、やがてモデルは Lossを下げるために過学習していく ➢ 次第に未知のデータへの予測精度が悪化 • 検証データを切り分け、そのLossを検証することで、 モデルが訓練データに対して過学習することを防ぐ • 検証データを使って訓練データの学習を制御 ➢ 検証データの情報が訓練データにリークするので 最終的な精度の検証はテストデータで行う 検証データ 学習データ Epochs Loss 訓練データ/検証データ/テストデータ
36. ©MIXI 36 訓練データ/検証データ/テストデータ 実際に学習に使用するデータ このデータにモデルが適合しすぎると過学習 学習のステップごとに検証に使用するデータ このデータと訓練データの結果に差があると 過学習と判断できる 学習後に結果を検証するデータ ハイパーパラメータも含めて調整時には使っ てはいけないデータ データ 訓練データ 検証データ テストデータ 訓練データ 検証データ テストデータ
37. ©MIXI 37 過学習とデータ量 • 訓練データは表現したいものの全ての空間を表現している必要がある ex) 人の顔を認識させたいのに、イケメンばかり学習データに使用したら？ • 問題によって異なるが、データの数はあればあるだけ良い ➢ ただしありすぎると学習は遅くなる
38. ©MIXI 38 良い特徴量(入力データ)とは 良い特徴量の条件は 1. 目的に関係している値である • 競馬の購入馬券を予測する問題で、馬主の年齢は関係あるか？ • いらないデータはノイズになる 2. 推論のタイミングで利用可能である • 子供の誕生時の体重を予測する問題で、妊娠日数は使えるか？ 3. 意味のある数値(ベクトル)に変換できる • 文章はベクトルに変換することも可能 4. 人間の洞察が含まれている • 良いデータサイエンティストが良いmlエンジニアである理由
39. ©MIXI 39 特徴量エンジニアリング • 特徴量を前もって学習しやすい形に加工しておくこと 　 ex) 収入を予測するモデル • 住んでいる家の緯度、経度の情報は関係ある値 • ただ、同じ経度でも東北の緯度と東京の緯度では意味は異なる • 本当に意味があるのは数値ではなく、どの地域なのかの情報 • 緯度と経度で分離してバケット化
40. ©MIXI 40 過学習に対する手法 • Early Stopping • Data Augmentation • 正則化 • Dropout • バッチ正規化 • …
41. ©MIXI 41 過学習に対する手法 • Early Stopping • Data Augmentation • 正則化 • Dropout • バッチ正規化 • …
42. ©MIXI 42 過学習を防ぐ手法 Early Stopping • 監視する精度(Loss, Accuracy等)が一定期間上がらない場合、 学習を停止させる • 主に検証データのLossを監視指標とすることが多い 記法例 (Keras) 検証データでの Lossが5回連続 改善しない場合 学習終了 検証データ 学習データ Epochs Loss Early Stopping
43. ©MIXI 43 過学習を防ぐ手法 Data Augmentation • 既存のデータを加工して新しいデータを作ることで、 データ量を水増しする ➢ データのパターンを増やすことにより過学習を抑制 例: 画像のAugmentation オリジナル 回転 位置 縮尺 Augmentationあれこれ: https://github.com/AgaMiko/data-augmentation-review …
44. ©MIXI 44 過学習を防ぐ手法 正則化 • 過学習が発生しているモデルは複雑 • 複雑になるのは目的関数を最適化した結果 • 複雑になりすぎないように目的関数にペナルティ(正則化項)を導入する 目的関数 = 損失関数 + λ 正則化項 正則化の効きをコントロール するパラメータ
45. ©MIXI 45 L1 Normalization • モデルのweightを菱形のライン上に収める • 不必要なweightは0を取る事が多い(≒次元圧縮) L2 Normalization • モデルのweightを円のライン上に収める • 不必要なweightは0に近づく 正則化項: L1/L2 Normalization 損失が最小となる点
46. ©MIXI 46 過学習を防ぐ手法 Dropout • ニューラルネットを用いた学習時に、一部のニューロンからの出力を0にする ➢ 特定のニューロンに対しての依存を抑制 • アンサンブル学習のような効果が見込める ➢ エポック毎にDropoutするニューロンが変わることで 擬似的に複数モデルで協調した出力がされる形となり、過学習を抑制 … 1 epoch 2 epoch 3 epoch モデル Dropout 適用
47. ©MIXI 47 モデル選定とデータ形式 • 機械学習における深層学習(Deep Learning)系のモデルは、非構造化データに 対してより優れた精度を発揮することが多い ➢ 非構造化データの例: 音楽, 画像, 動画, テキスト, etc… • 一方、構造化データに対しては、勾配ブースティング決定木(GBDT)系のモデル のほうがより優れた精度を発揮することが多い ➢ 構造化データの例: 表形式データ, RDB内のテーブルデータ, csvデータ, etc… https://www.datarobot.com/jp/blog/is-deep-learning-almighty/
48. ©MIXI 48 深層学習におけるモデル: ニューラルネットワーク(NN) Output Input • まず線形なモデルを考える
49. ©MIXI 49 ニューラルネットワーク(NN) Output Input Hidden 線形変換からは逃れられない… • 層を増やしてみる
50. ©MIXI 50 ニューラルネットワーク(NN) : Activation関数(非線形変換) Hidden2 Hidden1 Activation Input Output • NNでは層の途中にActivation関数 (非線形変換)を挟む • この関数により、線形分離が できない問題も解けるように ➢ より複雑な表現が可能 • NNでは、Activationを図に 表記しないことが多いので注意
51. ©MIXI 51 Activation関数
52. ©MIXI 52 試してみよう: Neural Network Playground • 今までの講義の内容を思い出しつつ、NNで遊んでみよう • Neural Network Playground ➢ https://playground.tensorflow.org
53. ©MIXI 53 Neural Network Playground 1. 左右に2分割されている問題を解いてみよう • ベーシックな線形問題なので、Hidden Layersなしの Featuresだけで解けることを確認しよう 2. 円で分割されている問題を解いてみよう • Hidden Layersを増やしたりNeuronsの数を増やしたり ActivationやFeaturesを変えたりして解いてみよう • うまく分類できたら、learning rateを10にして再学習させてみよう(学習できない) • 逆にlearning rateを0.0001にして再学習させてみよう(学習が遅い) • できるだけ単純なモデルで分類できる状態を探索してみよう
54. ©MIXI 54 Neural Network Playground 3. 市松状の問題を解いてみよう • HIDDEN LAYERSを増やしたりNeuronsの数を増やしたり ActivationやFeaturesを変えたりして解いてみよう • できるだけ単純なモデルで分類できる状態を探索してみよう 4. 螺旋状の問題を解いてみよう • HIDDEN LAYERSを増やしたりNeuronsの数を増やしたり ActivationやFeaturesを変えたりして解いてみよう ➢ 少し複雑なモデルにしてみよう • モデルのRegularizationをL1, Regularization rateを0.001にしたときの 精度やNeuronのWeightを確認しよう • モデルのRegularizationをL2, Regularization rateを0.003にしたときの 精度やNeuronのWeightを確認しよう
55. ©MIXI 55 Neural Network Playground: 左右に２分割のデータを分類 • ベーシックな線形問題なので、Featuresだけで解けることを確認しよう
56. ©MIXI 56 Neural Network Playground: 円のデータを分類 • Hidden Layersを増やしたりNeuronsの数を増やしたりActivationやFeaturesを 変えたりして解いてみよう
57. ©MIXI 57 Neural Network Playground: 円のデータを分類 • learning rateを10にして再学習させてみよう(学習できない)
58. ©MIXI 58 Neural Network Playground: 円のデータを分類 • learning rateを0.0001にして再学習させてみよう(学習が遅い)
59. ©MIXI 59 Neural Network Playground: 円のデータを分類 • できるだけ単純なモデルで分類できる状態を探索してみよう
60. ©MIXI 60 Neural Network Playground: 市松状のデータを分類 • HIDDEN LAYERSを増やしたりNeuronsの数を増やしたりActivationやFeaturesを 変えたりして解いてみよう
61. ©MIXI 61 Neural Network Playground: 市松状のデータを分類 • できるだけ単純なモデルで分類できる状態を探索してみよう
62. ©MIXI 62 Neural Network Playground: 螺旋状のデータを分類 • HIDDEN LAYERSを増やしたりNeuronsの数を増やしたりActivationやFeaturesを 変えたりして解いてみよう(少し複雑に)
63. ©MIXI 63 Neural Network Playground: 螺旋状のデータを分類 • モデルのRegularizationをL1, Regularization rateを0.001にしたときの精度や NeuronのWeightを確認しよう
64. ©MIXI 64 Neural Network Playground: 螺旋状のデータを分類 • モデルのRegularizationをL2, Regularization rateを0.003にしたときの精度や NeuronのWeightを確認しよう
65. ©MIXI 65 深層学習における代表的なネットワーク • DNN • CNN • RNN, LSTM • Transformer • GAN • …
66. ©MIXI 66 DNN(Deep Neural Network) • NNの層をDeepにしたものがDNN • 深層学習におけるベーシックなネットワーク 記法例 (Keras) • 値の合計が1になるように 調整する関数 • 主に多クラス分類の出力に おける活性化関数として 用いられる Softmax Dence • 全結合型ニューラルネットワーク
67. ©MIXI 67 CNN (Convolutional Neural Network) • 画像など近傍値間で関連が高いデータに使うネットワーク • 画像処理で行われるフィルタ処理を学習するというのが思想 ex) エンボスフィルタ, ラプラシアンフィルタ, etc… • 複雑な処理を少ない訓練パラメータで行える • 畳み込み層とプーリング層が存在する エンボスフィルタのカーネル値 エンボス加工の例
68. ©MIXI 68 CNN: 画像と行列 • 白黒画像は、2次元行列で表現できる ➢ SVGAサイズの場合、[800, 600]の行列に0〜255の数値が入る • カラー画像の場合、カラーモードの次元を含めた3次元行列で表現できる ➢ RGBの場合、 [800, 600, 3]の行列に0〜255の数値が入る 110 136 115 115 104 134 150 186 197 123 112 199 255 225 123 139 216 209 179 114 95 126 115 94 104 134 150 83 52 123 112 83 57 21 89 47 42 41 21 64 96 126 115 93 104 134 150 83 59 123 112 81 64 44 92 50 49 51 39 67 R G B [4, 5, 3]
69. ©MIXI 69 CNN: フィルタを用いた畳み込み • CNNでは、画像の行列に対してフィルタをかけることで畳み込みを行う • フィルタの大きさは[縦, 横, カラーモード]で、縦と横はハイパーパラメータ ➢ カラーモードはInputの画像で決めるため、実装では指定しなくて良い ➢ フィルタをスライドさせ、畳み込んでいく(スライド幅もハイパーパラメータ) • フィルタの値がweightであり、学習で最適されるパラメータとなる • フィルタの数はハイパーパラメータとなる 画像 [32, 32, 3] フィルタ [5, 5, 3] スライド幅 1 フィルタ数 6 畳み込み後 フィルタ数分畳み込む
70. ©MIXI 70 CNN: フィルタを用いた畳み込み 0 1 0 1 0 1 0 1 0 1 1 0 0 1 1 1 0 0 0 1 R G B フィルタ 1 1 0 0 0 1 0 1 1 1 0 0 0 1 1 0 1 0 0 0 0 1 1 0 1 0 0 0 1 0 0 1 0 0 1 0 1 1 1 0 0 1 0 1 0 1 画像 [4, 5, 3] フィルタ [2, 3, 3] スライド幅 1 フィルタ数 1 スライド幅ずつずらしていく 5 + bias 1 = 6 [3, 3, 1] Output 1 0 0 1 1 0 0 1 0 1 0 0 [2, 3, 3] 画像(RGB) [4, 5, 3]
71. ©MIXI 71 CNN: プーリング • 畳み込み後に、行列を圧縮するために用いられる手法 • プーリング幅として[縦, 横, フィルタ数]の行列を指定 ➢ フィルタ数は畳み込み時に指定するので、実装では指定しなくて良い • 指定した行列の範囲内における最大値や平均値を出力することで圧縮を行う 0 1 0 1 0 1 0 1 0 0 0 0 0 1 1 0 0 0 0 1 R G B 1 1 0 0 0 1 0 0 1 0 0 0 0 1 1 0 1 0 0 0 0 1 1 0 1 0 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 1 0 1 0 1 4 + bias 1 = 6 3 5 3 4 4 3 2 5 [3, 3, 1] Output 1 0 0 1 1 0 0 1 0 1 0 0 フィルタ プーリング幅 [2, 2, 1] スライド幅 1 Max Pooling Average Pooling 6 5 4 5 4 4 3 3.75 [2, 2, 1]
72. ©MIXI 72 CNN: ネットワークの全体像 https://paperswithcode.com/methods/category/convolutional-neural-networks
73. ©MIXI 73 Padding • validとsameがある • validにすると畳み込み後のサイズが フィルタによって小さくなる • sameにすると元の行列の周辺に0を 埋めるPadding処理を行う ➢ スライド幅1の場合、畳み込み 後もサイズが変わらない Flatten • 行列を1次元に平坦化する • NNでは多次元の処理が扱えないので、 CNN -> NN にする前でこの平坦化する 処理を行っている CNN: Kerasでの記法例
74. ©MIXI 74 ハンズオン1 https://github.com/nami73b/machine-learning-notebooks-2023 • 01_image_classification • ハンズオン01をVertex AIのJupyter Notebook環境下で トライしてみてください(詳しくはアナウンスします)
75. ©MIXI 75 • 学習済みモデルの一部を利用し、追加で解きたいタスクの学習をさせること • 学習の精度向上や、学習の高速化が期待できる • 出力層以外は学習済みモデルを使用し、出力層やその前の全結合層を新たに 定義して学習させることで、自分のタスクに必要な部分のみを学習させる Transfer Learning • CNNの層までは学習済みモデル のパラメーターで固定 • Flatten後のFC層は学習可能な パラメーターとして新しく定義 https://paperswithcode.com/methods/category/convolutional-neural-networks 例
76. ©MIXI 76 RNN, LSTM • データの並びに意味が存在するデータに適応するネットワーク ex) 言語, 株取引, 音楽, グラフデータ, etc… • 一時期流行ったが、学習に時間がかかるため少し下火 Understanding LSTM Networks ディープラーニングブログ
77. ©MIXI 77 Embedding KerasでのLSTMの記法 • 入力で与えられた数値をベクトルに変更する • IDなどの大小関係のない数値を入力とする際 によく使用される • ベクトル値はパラメータ ➢ 学習が進んでいく事によって、最適化される オラ様　は　オラゴン　であーる　。 例 　0　　 1　　 2　 　 3 4 数値変換 Embedding (dim=2) [0.5, 0.6] [0.3, 0.1] [0.6, 0.7] [0.1, 0.8] [0.2, 0.2]
78. ©MIXI 78 自然言語処理(NLP)とTransformer • NLPでは前処理として文章の単語を意味あるベクトルにして処理するのが主流 ◦ 例: fastText, word2Vec (日本語学習済みモデルもある) • 以前はRNNやLSTMを使ったseq2seqモデルを使っていたが現在は Transformerベース ◦ 主に全結合層とAttention層で構成 ➢ Attention層で、ある入力が他のどの情報に関連しているかを学習 ◦ 入力値(ベクトル)に位置情報ベクトル(Positional Encoding)を加算 ➢ ある入力に対する相対的な位置情報を取得 ➢ RNNやLSTMのような再帰構造を取る必要がなくなり、並列処理が可能に ☆ 大規模モデル(LLM: Large Language Model)誕生のきっかけ ◦ 詳細は割愛 元になった論文は以下 ➢ Attention is All You Need (https://arxiv.org/abs/1706.03762)
79. ©MIXI 79 VIT(Vision Transformer) • Transformerの仕組みを画像分野に応用する試み • 画像を均一に分割したパッチを1ピクセルごとの RGB行列に変換し、これを単語のように扱う • 特徴 ◦ CNNベースモデルより精度が高い ➢ データセットが小さい場合は CNNの方が精度が高い傾向にある ◦ Attentionの機構を利用して、 判断根拠(どこに注目したか)の抽出ができる パッチ化(均一に分割) パッチごとにベクトル化 (本当はRGBの行列) パッチのベクトルを 単語のように扱う [(0, 0, 0), (0, 0, 0), (225, 10, 10), (235, 5, 5), (255, 0, 0) ...]
80. ©MIXI 80 ChatGPT
81. ©MIXI 81 0.2 0.17 0.02 0.01 … Transformer技術を用いた高精度なChatbot AI • 文章から次の単語を予測 するタスクを学習 • モデルはTransformerの デコーダー部分(の改良) を多層にしたもの Generative Pre-Training Supervised Fine-Tuning(SFT) Reinforcement Learning From Human Feedback (RLHF) 釣った 魚 を ___ 料理 食べた 私 ゲーム … 例 • 教師ありデータセットを 用いてモデルを微調整 • 強化学習を用いて出力を最適化 報酬から Agentを 最適化 報酬モデル(RM) を学習 強化学習モデル (PPO)を学習 応答 (複数) 入力 (Prompt) 順位付け (ラベル) ラベルを元に ランク学習 応答 (ラベル) 入力 (Prompt) ラベルを元に モデルをFine-Tuning ChatGPT(Generative Pre-trained Transformer) Training language models to follow instructions with human feedback OpenAI et al, 2022
82. ©MIXI 82 入力されたテキスト情報を元に画像を生成する技術 Stable Diffusion VAE Encoder 潜在空間に 次元圧縮 各潜在変数 は確率分布 (正規分布) に従う 各ステップで正規分布 に基づくノイズを追加 喜ん で いる オラゴン 0 1 2 3 CLIP Test Encoder [0.32, 0.14, 0.01, …] UNet VAE Decoder 学習時のみ使用 UNet UNet 潜在変数から 画像に変換 0ステップ目と各ステップのUNetに テキストから抽出された特徴量を追加
83. ©MIXI 83 モデル選定とデータ形式(再掲) • 機械学習における深層学習(Deep Learning)系のモデルは、非構造化データに 対してより優れた精度を発揮することが多い ➢ 非構造化データの例: 音楽, 画像, 動画, テキスト, etc… • 一方、構造化データに対しては、勾配ブースティング決定木(GBDT)系のモデル のほうがより優れた精度を発揮することが多い ➢ 構造化データの例: 表形式データ, RDB内のテーブルデータ, csvデータ, etc… https://www.datarobot.com/jp/blog/is-deep-learning-almighty/
84. ©MIXI 84 • 二分木の構造を用いて、分類・回帰を行う手法 • 複数の条件を二分していき、最終的な出力を決定する ➢ 決定木の条件は学習によって最適化されていく GBDTモデルの基礎: 決定木 True False True True False False Attacker Defender Defender Attacker シュート精度 >= 中 ボール奪取力 >= 高 スピード >= 中 例: サッカーの選手の能力から適正ポジション(Attacker or Defender)を予測 シュート精度 ヘディング精度 ボール奪取力 ボディバランス スピード スタミナ 高 高 低 中 高 中 選手A 能力値 木を深くしすぎると、過学習に陥りやすくなる...
85. ©MIXI 85 • 単一の木を深くするのではなく、決定木自体を複数作成し、 それぞれの出力値の多数決や平均を使うことで、最終的な出力を得る手法 ランダムフォレスト シュート精度 ヘディング精度 ボール奪取力 ボディバランス スピード スタミナ 高 高 低 中 中 高 選手A 能力値 True False True False Attacker Defender Attacker スタミナ >= 高 スピード >= 中 True False True False DefenderAttacker Attacker ボディバラ ンス >= 高 ボール奪取力 >= 中 True True False Attacker Defender Attacker ヘディング 精度 >= 高 Attacker 3 Defender 0 Attacker False シュート精度 >= 高
86. ©MIXI 86 • 単一の木を深くするのではなく、決定木自体を複数作成し、 それぞれの出力値の多数決や平均を使うことで、最終的な出力を得る手法 ランダムフォレスト シュート精度 ヘディング精度 ボール奪取力 ボディバランス スピード スタミナ 低 中 高 高 中 中 選手B 能力値 True False True False Attacker Defender Attacker スタミナ >= 高 スピード >= 中 True False True False Attacker Attacker ボディバラ ンス >= 高 ボール奪取力 >= 中 Attacker 2 Defender 1 Attacker Defender 木の出力値を、どの条件を通るかに関係なく平等に評価してしまう... True False True False Attacker Defender Attacker ヘディング 精度 >= 高 シュート精度 >= 高
87. ©MIXI 87 Defender - Attackerか否かの 2値分類とする ➢ 0.5 >= Attacker ➢ 0.5 < Defender - • 学習時に各決定木の教師データとの誤差を使って、出力値毎のスコアを算出 ➢ スコアから誤差を算出して、その誤差を次の決定木へと伝搬 • 計算式を用いてスコアを合計し、推論を行う 勾配ブースティング決定木(GBDT) シュート精度 ヘディング精度 ボール奪取力 ボディバランス スピード スタミナ 低 中 高 高 中 中 選手B 能力値 True False True False Attacker DefenderAttacker スタミナ >= 高 スピード >= 中 True False True False Attacker Attacker ボディバラ ンス >= 高 ボール奪取力 >= 中 True False True False Attacker Defender Attacker ヘディング 精度 >= 高 シュート精度 >= 高 Defender 3.5 -2 1 -4 2.5 0.5 3 -1.5 0.5 Sigmoid
88. ©MIXI 88 GBDT系手法のライブラリ: LightGBMでの記法 主要な学習パラメータ • objective 目的変数(ラベル) ◦ 二値分類 -> binary ◦ 回帰 -> regression ◦ 多クラス分類 -> multiclass • metric 損失関数 ◦ 二値分類 -> binary_logloss - loglossはcross_entropyと同義 ◦ 回帰 -> MSE, MAE ◦ 多クラス分類 -> multi_logloss • モデルの構造 ◦ n_estimators: 決定木の数 ◦ learning_rate: 学習率 ◦ num_leaves: 葉の数 ◦ max_depth: 階層の最大数 パラメータの公式リファレンス https://lightgbm.readthedocs.io/en/latest/Parameters.html
89. ©MIXI 89 勾配ブースティング決定木の特徴 NNと比較した特徴 • メリット ◦ 解釈性が高い ➢ 各ノードが使用する特徴量がわかる ◦ 計算時間、コストが小さい • デメリット ◦ 非構造化データには(基本的に)非対応 ➢ 画像とかはNNの方が得意
90. ©MIXI 90 ハンズオン2 • ハンズオンの02にトライしてみてください https://github.com/nami73b/machine-learning-notebooks-2023 • 02_transfer_learning
91. ©MIXI
92. ©MIXI 新卒AI研修 03 Deployment

93. ©MIXI 93 機械学習はトレーニングだけではない 精度指標を高めることだけを考えていてはダメ 実際にサービスに機械学習を導入するには • 要件定義 ➢ サービス導入のための精度/レイテンシの設定 • システムワークフローの構築(MLOps) データ収集 前処理 学習 推論 デプロイ ビルド 評価 利用 フィードバック
94. ©MIXI 94 要件定義 • 機械学習で解決すべき問題なのか？ ➢ 効果とコストのバランス その他の単純な手法で実現できないか • どの程度の精度が必要か？ 担当者がいい感じだねっていったらサービス導入は地獄 既存のシステムとの何かしらの数値的評価基準は必要
95. ©MIXI 95 要件定義 • ビジネス的な指標の設定 ユースケースによって、機械学習に求められる指標が異なる 例) 不良品検知の場合 ◦ recall(再現率): TP / (TP + FN) ➢ 正常品の巻き込みリスク ◦ precision(適合率): TP / (TP + FP) ➢ 不良品の見逃しリスク この2つは基本的にトレードオフ どちらを優先するか検討する必要がある TP FP FN TN 正解 正例 負例 正例 負例 予測
96. ©MIXI 96 要件定義 • どこで使うのか？ ◦ 前もって予測をしておけるか？ ◦ オンラインで返す場合は結果はキャッシュ可能か？ ◦ リアルタイムで毎回処理する場合に許容されるレイテンシは？ 速度優先？精度優先？程度はケース次第
97. ©MIXI 97 ケース: ねこ画像の投稿サービスでの投稿禁止コンテンツの検出 ケースを考える 投稿する 投稿画面 閲覧画面 これは猫?
98. ©MIXI 98 ケース: ねこ画像の投稿サービスでの投稿禁止コンテンツの検出 考えるべきこと1: 実行タイミング • 画像を選択したとき ➢ 誤選択時も推論時間分待たせることになる • 投稿ボタンを押した後 ➢ 推論した結果投稿可の場合終了する • 投稿後に非同期で推論する ➢ 投稿後`掲載まで今しばらくお待ちください`と表示し終了する 掲載の可否はメール等で通知する ケースを考える
99. ©MIXI 99 ケース: ねこ画像の投稿サービスでの投稿禁止コンテンツの検出 考えるべきこと2: 指標 • 掲載したコンテンツのうち禁止コンテンツの割合 • 禁止コンテンツのうち、掲載可のコンテンツの割合 ➢ これらを集計するには人手による正解データが必要 現実的には、 禁止コンテンツのうち本当に禁止コンテンツであった割合 としたほうが良いかもしれません ケースを考える TP FP FN TN 正解 正例 負例 正例 負例 予測
100. ©MIXI 100 ケース: ねこ画像の投稿サービスでの投稿禁止コンテンツの検出 考えるべきこと3: モデル • 画像分類 ➢ 物体検知よりも学習が早く、データ作成も容易 • 物体検知 ➢ 物体の位置まで推論可能 ケースを考える この画像は画像検知だと、`人`と判定されそう
101. ©MIXI 101 データはどこにあるのか Cloud Storage AWS S3 Storage Data DWH BigQuery Redshift
102. ©MIXI 102 データはどこにあるのか Pub/Sub Stream Data Kinesis Database spanner Aurora
103. ©MIXI 103 データの前処理はどこで行うか Apache Beam DWH Bigquery redshift
104. ©MIXI 104 だれがどうやって作ったかわからない 再学習が必要になった時は、作成者に依頼？ ログは作成者しか見れない。再現性も不明 学習はどこで行うか VertexAI Amazon SageMaker Cloud サービス Jupyter Notebookで 学習したモデルはサービスには入れ られない
105. ©MIXI 105 • モデルをデプロイして終了ではない ◦ モデルの管理 ➢ バージョニングによって切り替え可能な状態にしておく ◦ モデルの挙動/パフォーマンス検証 ➢ テスト通りの性能を継続して発揮できているか ◦ 再学習 ➢ 定期的?精度低下を検知? ➢ 再学習したモデルは自動でデプロイ？精度を判断してから？ これらを継続的に行えるシステム(MLOps)の構築が重要 価値を安定的にユーザーに届ける データ収集 前処理 学習 推論 デプロイ ビルド 評価 利用 フィードバック
106. ©MIXI 106 ハンズオン2 https://github.com/nami73b/machine-learning-notebooks-2023 • 03_deploy_and_serving • 04_predict_structured_data • 下記のハンズオンにトライしてみてください
107. ©MIXI 107
108. ©MIXI 新卒AI研修 04 Service in MIXI

109. ©MIXI 109 01_Introduction 03_deployment 今日学んだこと • 機械学習とは何か • 機械学習で何ができるか • どうやったら学習できるか • どんなデータがあれば良いのか • サービスに入れるために 考えなければいけないこと 02_data_and_training 今日の研修を通して以下のことを学びました
110. ©MIXI 110 なにを提供できるか 最後に自分のサービスでどんな価値が提供できるか考えてみよう • どんな解決したい課題があるか • どんなデータを持っているか • それは学習できそうか ➢ そもそも既存のモデルが存在しないか？ • サービスに入れる評価基準は決められそうか？ • どういう風にサービスと繋ぐか？
111. ©MIXI 111 具体的に考えてみる 前のページの内容を踏まえて、 自分の・想定のサービスにAIを導入する際に、 • 何に対して機械学習に適用できるか • どんなことを考えるべきか を考えてみましょう
112. ©MIXI 112 おわりに お疲れ様でした 本日の講義はこれで無事終了です 是非、今日学んだり思考したことをきっかけに、 サービス改善の選択肢としてAI導入も検討してもらえるように なってもらえると嬉しいです 困ったときは社内に頼りになるエンジニアがいるので、 相談してみてください
113. ©MIXI 113 勉強会のお誘い machine-learning系書籍 輪読会 - docbase - slack 今までやった本 - AIエンジニアのための機械学習システムデザインパターン - AIソフトウェアのテスト - 機械学習デザインパターン - Vision Transformer入門
114. ©MIXI