瀬尾 佳隆 Microsoft MVP for AI Azure ML 新機能・注目機能 Cogbot Meetup Online #38 2022/11/22 瀬尾 佳隆 (@seosoft) MVP for AI

自己紹介 瀬尾 佳隆 (せお よしたか / @seosoft) • フリーランスのエンジニア • MVP for AI (Jul 2018 – Jun 2022) / MVP (Jan 2009 – Jun 2018) • Microsoft Certified Trainer Alumni • 2022年度 OCA ディープラーニング講師 (3年生) • Microsoft Ignite 2022 Table Topics • Microsoft Ignite Recap Event 大阪 カジュアルセッション • 学生向け・MS社員向け AI / IT トレーニング (2020-2021) • 業種別マイクロソフト パートナー プログラム トレーニング (2019-2020) 2

Azure Machine Learning のアップデート ◼Python SDK v2 ◼Responsible AI ダッシュボード (GA !!) ◼Azure Machine Learning レジストリ ◼Azure Container for PyTorch / DSVM for PyTorch ◼自動 ML で画像処理・自然言語処理 ◼Apache Spark プール統合 3 今日の内容 https://news.microsoft.com/ignite-2022-book-of-news/ja/

Python SDK v2 ◼大幅な機能追加 • スタンドアロンジョブ • ジョブ = 実験、実行、パイプラインを統合 • ローカルでもクラウドでも実行可能 • パイパーパラメーターのスイープ機能が便利 • マネージド オンライン / バッチ推論 • アセット管理 (データセット、環境、モデル) 4

SDK v2 の使い方 (基本) 5 インストール方法 pip install azure-ai-ml クライアント認証方法 from azure.ai.ml import MLClient from azure.identity import DefaultAzureCredential ml_client = MLClient( DefaultAzureCredential(), subscription_id, resource_group, workspace )

SDK v2 の使い方 (トラブル発生時) 6 SDK アンインストールから再インストール pip uninstall azure-ai-ml pip install azure-ai-ml RAI ダッシュボード作成でエラー発生時 pip install mltable 環境によっては v2 プレビューが残っているかも (私は遭遇しました) v2 インストール済み環境のはずなのに RAI ダッシュボード作成に失敗することも (私は遭遇しました)

SDK v2 によって自動 ML も改訂 ◼分類 (表形式データ) ◼回帰 (表形式データ) ◼時系列予測 (表形式データ) ◼画像分類 (複数クラス) ◼画像分類 (複数ラベル) ◼画像オブジェクト検出 ◼イメージ インスタンスのセグメント化 ◼NLP テキスト分類 (複数クラス) ◼NLP テキスト分類 (複数ラベル) ◼NLP テキストの名前付きエンティティ認識 (NER) 7

注意点) SDK v1 と v2 とは別物 ◼v1 も当面利用可能 ◼v1 から v2 へのアップグレードパス • https://learn.microsoft.com/ja-jp/azure/machine- learning/how-to-migrate-from-v1 ◼ML Studio のコンピューティングは新規で 作り直すのがよい • 私はかなりハマりました 8

◼公平性 ◼信頼性と安全性 ◼プライバシーと セキュリティ ◼包括性 ◼透明性 ◼アカウンタビリティ 責任ある AI 9 https://learn.microsoft.com/ja-jp/azure/machine-learning/concept- responsible-ai

AI の課題とリスク 責任ある AI を理解する 「責任ある AI を理解する」 10 https://learn.microsoft.com/ja-jp/training/modules/get-started- ai-fundamentals/

◼データセットの分布と 統計を調査 ◼解釈可能性の理解 ◼公平性問題の評価 ◼モデルのエラーを分析 ◼反事実条件 (特徴の相互作用の 観察) 責任ある AI ダッシュボード 11

エラー分析 12

特徴量の重要度 13

反事実 14

参考) AI-900: Microsoft Azure AI Fundamentals https://docs.microsoft.com/ja- jp/learn/certifications/exams/ai-900

参考) 「Azure で AI の使用を開始する」 https://learn.microsoft.com/ja-jp/training/modules/get- started-ai-fundamentals/

参考) 「MLOps のエンジニアリング」 https://azure.microsoft.com/ja-jp/resources/engineering- mlops/