Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Azure Machine Learning で玉手箱の例題を解いてみる
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
TonyTonyKun
December 10, 2017
Technology
0
430
Azure Machine Learning で玉手箱の例題を解いてみる
Global Azure Boot Camp 2016 in Japan の LT 資料です。
TonyTonyKun
December 10, 2017
Tweet
Share
More Decks by TonyTonyKun
See All by TonyTonyKun
Azure Durable Functions で作った NL2SQL Agent の精度向上に取り組んだ話/jat08
thara0402
0
200
これでバッチリ!Azure マルチテナントアーキテクチャ設計のコツ/jat06
thara0402
0
660
Azure Load Testing を使って Azure Functions Flex Consumption の HTTP Trigger のパフォーマンスとコストを最適化してみよう/global-azure2025
thara0402
0
240
Prompty を使って生成 AI アプリケーション開発のプロンプトを管理する/jat03
thara0402
0
66
Azure OpenAI Service で意図せず PTU モデルをデプロイして高額請求されてしまった件/jat04
thara0402
0
78
「Durable Task Scheduler」をチョイ見せ!/jat05
thara0402
0
57
Azure App Service on Linux の Sidecar に Phi-3 を配置してインテリジェントなアプリケーションを作ってみよう/jazug-anniv14
thara0402
0
1.4k
サイクルガードサービス AlterLock の問い合わせ対応業務に Azure OpenAI Service を活用した話/jazug46
thara0402
0
980
Microsoft Ignite 2023 現地参加レポート/ignite2023
thara0402
0
320
Other Decks in Technology
See All in Technology
Bill One急成長の舞台裏 開発組織が直面した失敗と教訓
sansantech
PRO
2
410
ブロックテーマでサイトをリニューアルした話 / 2026-01-31 Kansai WordPress Meetup
torounit
0
480
外部キー制約の知っておいて欲しいこと - RDBMSを正しく使うために必要なこと / FOREIGN KEY Night
soudai
PRO
12
5.6k
コスト削減から「セキュリティと利便性」を担うプラットフォームへ
sansantech
PRO
3
1.6k
SchooでVue.js/Nuxtを技術選定している理由
yamanoku
3
210
20260208_第66回 コンピュータビジョン勉強会
keiichiito1978
0
200
Amazon Bedrock Knowledge Basesチャンキング解説!
aoinoguchi
0
170
22nd ACRi Webinar - ChipTip Technology Eric-san's slide
nao_sumikawa
0
100
予期せぬコストの急増を障害のように扱う――「コスト版ポストモーテム」の導入とその後の改善
muziyoshiz
1
2.1k
Red Hat OpenStack Services on OpenShift
tamemiya
0
140
OWASP Top 10:2025 リリースと 少しの日本語化にまつわる裏話
okdt
PRO
3
850
AWS Network Firewall Proxyを触ってみた
nagisa53
1
250
Featured
See All Featured
Claude Code どこまでも/ Claude Code Everywhere
nwiizo
61
52k
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.6k
Building Adaptive Systems
keathley
44
2.9k
RailsConf 2023
tenderlove
30
1.3k
The innovator’s Mindset - Leading Through an Era of Exponential Change - McGill University 2025
jdejongh
PRO
1
96
The SEO identity crisis: Don't let AI make you average
varn
0
330
How to build a perfect <img>
jonoalderson
1
4.9k
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Jess Joyce - The Pitfalls of Following Frameworks
techseoconnect
PRO
1
70
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.4k
Why Your Marketing Sucks and What You Can Do About It - Sophie Logan
marketingsoph
0
77
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
Transcript
Azure Machine Learning で ⽟⼿箱の例題を解いてみる
⾃⼰紹介 • 名前 • Twitter : @TonyTonyKun(トニー) • 仕事 •
C# で業務アプリケーションを開発しています。 • Azure をベースに ASP.NET を使うことが多いです。 • Blog • ROMANCE DAWN for the new world • http://gooner.hateblo.jp/
Azure Machine Learning • Azure 上の機械学習サービス • ⾼度な分析ソリューションを GUI で開発
• R, Python によるカスタムコードもサポート • 数分で Web API として公開
⽟⼿箱 とは? • 就職活動でお馴染みの WEB テスト • ⾔語理解テスト • 計数理解テスト(四則逆算、図表の読取、表の空欄予測)
• 英語理解テスト • 性格適性検査 表中の他の数値から規則性を⾒て、 空欄の数値を答えさせる問題です。
例題 4⽉1⽇ 4⽉2⽇ 4⽉3⽇ 4⽉4⽇ 4⽉5⽇ 降⽔確率(%) 50 80 20
15 45 平均気温(℃) 21 21 21.5 21 21.5 販売量(R) 200 140 260 270 ? あるレストランでワインの販売量を集計しています。 4⽉5⽇のワインの販売量は? A : 210R B : 230R C : 260R D : 270R E : 280R
機械学習の分類(⼿法別) 線形回帰(Linear Regression)
ML Studio で作成したソリューション CSV ファイルをアップロード 学習⽤と評価⽤のデータを分割 モデル(学習アルゴリズム)の訓練 アウトプットと評価
Demo
問題1 4⽉1⽇ 4⽉2⽇ 4⽉3⽇ 4⽉4⽇ 4⽉5⽇ 降⽔確率(%) 50 80 20
15 45 平均気温(℃) 21 21 21.5 21 21.5 販売量(R) 200 140 260 270 ? あるレストランでワインの販売量を集計しています。 4⽉5⽇のワインの販売量は? A : 210R B : 230R C : 260R D : 270R E : 280R Azure ML の回答: 209.997288616848
問題2 S店 T店 U店 V店 W店 X店 正社員数(⼈) 10 25
38 27 21 30 前年度売上達成度(%) 105 73 93 75 101 89 先⽉売上達成度(%) 63 70 123 50 140 87 先⽉売上実績(万円) 1260 1400 ? 1000 2800 1740 ある飲⾷店で、各店舗の先⽉の売上実績を集計しています。 Azure ML の回答: 2454.20763376218 U店の先⽉売上実績は? A : 2360万円 B : 2460万円 C : 2640万円 D : 2720万円 E : 2990万円
問題3 S T U V W ベテラン社員(経験10年以上) 20 80 10
10 10 中堅社員(経験2年以上10年未満) 20 0 5 10 20 新⼈社員(経験2年未満) 0 30 0 40 70 データ処理件数(件/時) 2000 5100 800 1400 ? ある会社のデータ処理作業の必要⼈数を集計しています。 Azure ML の回答: 2090.31501012267 パターンWのデータ処理件数は? A : 1900件 B : 2100件 C : 2500件 D : 3200件 E : 3600件
まとめ • 機械学習の知識がなくても、簡単に使える • サンプルデータは提供されているけど、⾝近なデー タを使うと⾯⽩い • Azure ML を使えば、就職試験対策も安⼼?
参考 • 会社なび / 就職活動 • みんなのWebテスト / ⽟⼿箱 •
http://sk.kaisyanavi.jp/app/webtest/tamate/type-a/
ご清聴ありがとうございました。