【AIよくばりパック】CP4DでAIのモデルを (1)作って、(2)比較して、(3)説明しちゃうデモ！

2021/12/8(水)に開催した下記イベントの資料です
https://ibm-developer.connpass.com/event/232156/

Transcript

1. © 2021 IBM Corporation
   1
   5FDI%PKP0QFO4IJGU
   ʲ"*Α͘͹ΓύοΫʳ$1%Ͱ"*ͷϞσϧΛ
   
   ࡞ͬͯɺ
   ൺֱͯ͠ɺ
   આ໌ͪ͠Ό͏σϞʂ
   ೥݄೔
   

   View Slide

2. © 2021 IBM Corporation
   2
   講師の⾃⼰紹介
   ⽇本IBM テクノロジー事業本部
   CSM (Customer Success Manager)
   江﨑 崇浩
   
   n Business & IT Consulting
   • Business Process Re-engineering
   • Project Management
   • Agile Development, Low Coding
   • Data Analyzing, Data Architect
   • Business & Data Design
   n New Business Development
   • Business Planning
   • Corporate Finance
   • Lecturing etc...
   @t_esaking
   Twitter
   LinkedIn
   SNSを始めたばかりなので、是⾮フォローなどよろしくお願いします︕
   

   View Slide

3. © 2021 IBM Corporation
   3
   AI市場の拡⼤
   出典︓ IDC Japan, May 2019, 「国内AIシステム市場予測、2019年〜2022年」(JPJ44005019)
   2017 2018 2019 2020 2021 2022
   国内AIシステム市場 テクノロジーセグメント別 ⽀出額予測
   Hardware Software Service
   278
   925
   1,500
   2,086
   2,812
   1127
   1172
   513
   532
   (億円)
   377
   320
   228
   623
   510
   367
   855
   782
   448
   200
   191
   142
   

   View Slide

4. © 2021 IBM Corporation
   4
   AI適⽤範囲の拡⼤
   パーソナライズされたレ
   コメンデーションで最新
   のコンテンツを提供する
   不正検出の精度を向上
   させ、リスクを低減す
   る
   ⾃動運転において変化する
   状況に適応する
   画像分析により科学研究、
   創薬を加速させる
   遺伝⼦研究を加速させ、新
   しい洞察を⽣み出す
   重要なインフラを保全し、
   対応の速度を向上させる
   健康上の問題や病気の症
   状を予測する
   潜在的な不正を検出しつつ、
   契約や請求を最適化する
   

   View Slide

5. © 2021 IBM Corporation
   5
   企業におけるAI活⽤の課題
   ͦ΋ͦ΋AIʹਫ਼௨ͨ͠
   σʔλαΠΤϯςΟε
   τ͕͍ͳ͍
   ओཁͳ೰Έ IBMの解決
   ಋग़͞ΕΔ՝୊
   AIϞσϧΛ
   ࡞Εͳ͍
   AIϞσϧΛൺֱ
   ӡ༻͢Δ࢓૊Έ
   ͕ͳ͍
   AIϞσϧͷઆ໌
   ͕Ͱ͖ͳ͍
   Ϟσϧ1͚ͭͩͰ͸ӡ༻
   ʹ଱͑ͳ͍ɻෳ਺ͭ
   ͬͯ͘ൺֱධՁ͠ɺຊ
   ൪ద༻͢ΔϞσϧΛ؅
   ཧ͠ͳ͚Ε͹͍͚ͳ͍
   Ϗδωε൑அΛ͢ΔͨΊʹ͸ɺ
   AIϞσϧ͕ग़ྗ͢Δʮ݁Ռʯ
   ʹରͯ͠ʮݪҼʯΛɺܦӦ
   ૚ɾۀ຿෦໳͕ཧղ͢Δඞཁ
   ͋Γ
   AIྙཧͷ؍఺͔ΒɺAIͷެฏ
   ੑΛ୲อ͠ɺࠩผɾภݟͷ͋
   ΔΑ͏ͳϏδωε൑அΛ๷ࢭ
   ͢Δඞཁ͕͋Δ
   ɾɾɾ ɾɾɾ
   AI Ladder
   と
   IBM Cloud Pak®
   for Data (CP4D)
   • Watson Machine Learning
   (w/ Auto AI)
   • Watson Studio
   • Watson OpenScale
   etc…
   

   View Slide

6. © 2021 IBM Corporation
   6
   IBMのアプローチ(The AI Ladder) と ソリューション(CP4D)
   あらゆるタイプのデータ
   あらゆる場所で発⽣するデータ
   つなぐ - Collect – あらゆるデータを活⽤できるように蓄積
   整える - Organize –
   活⽤する - Analyze –
   適⽤する - Infuse – AIの活⽤・管理
   お客様のビジネスを加速化
   させるための可視化/分析
   蓄積したデータを使いやすいよう整える
   構造化
   ⾮構造
   エンタープライズ・カタログ
   メタデータや分析資産を共有し、だれもが使える状態に
   データソース
   データ加⼯・品質確認
   (プレパレーション)
   AI・機械学習
   API /
   バッチ⽣成
   データ可視化
   ダッシュボード
   収集・蓄積・仮想化
   業務
   エンドユーザー
   アプリ
   ビジネス
   プロセス
   スコアリング
   結果
   提供者の視点 利⽤者の視点
   つなぐ 整える 活⽤する
   パブリック
   オンプレミス
   プライベート
   データの場所
   データの種類
   2. ソリューション︓IBM Cloud Pak® for Data (CP4D)
   アプリ適⽤
   1. アプローチ︓The AI Ladder (AI活⽤に⾄るための梯⼦)
   

   View Slide

7. © 2021 IBM Corporation
   7
   デモンストレーションのシナリオ
   n リテール企業のHR部⾨が、コロナ後の倉庫部⾨の従業員の離職率増加に対し、AIを活⽤して効果的な施
   策を検討するというシナリオ
   テーマ
   AIϞσϧͷ
   ߏங
   AIϞσϧͷ
   ൺֱ
   AIϞσϧͷ
   આ໌
   • AutoAIΛར༻ͯ͠ɺ୭Ͱ΋AIϞσ
   ϧΛߏஙͯ͠༧ଌΛ࣮ࢪͰ͖Δ
   • σʔλιʔεͱ໨తม਺Ληοτ
   ͢Δ͚ͩ
   • طଘͷຊ൪Ϟσϧͱ৽نϞσϧΛ
   ൺֱͯ͠ຊ൪ద༻͢Δ͔൑அ͢Δ
   • ͞·͟·ͳධՁ߲໨Λࢹ֮తʹͰ
   ֬ೝͰ͖Δ
   • ϞσϧʹӨڹΛ༩͍͑ͯΔཁૉΛ
   ࢹ֮తʹ֬ೝͰ͖Δ
   • όΠΞε(ެฏੑ)ͷҧ൓ɺਖ਼֬ੑɺ
   υϦϑτൃੜΛνΣοΫͰ͖Δ
   ίϩφલʹߏஙͯ͠ຊ൪ద༻͞Ε͍ͯΔطଘϞ
   σϧͱίϩφޙʹߏஙͨ͠৽نϞσϧΛൺֱ͠
   ͯɺͲͪΒ͕ޮՌͷߴ͍Ϟσϧ͔ݕূ͢Δ
   ૔ݿ෦໳ͷܽһΛิॆ͢ΔͨΊͷ࠾༻׆ಈʹ͋
   ͨΓɺ੒ޭ͢ΔՄೳੑͷߴ͍ީิऀΛAIϞσϧ
   ͰεΫϦʔχϯά͢Δɻ͜ͷ࣌ɺ࡞੒͞ΕͨϞ
   σϧʹόΠΞε͕͔͔ͬͯʮެฏੑʯʹҧ൓͠
   ͍ͯͳ͍͔֬ೝ͢Δ
   ैۀһσʔλΛ΋ͱʹɺ཭৬ϦεΫΛ༧ଌ͢Δ
   AIϞσϧΛ࡞੒͢Δ
   ʢ཭৬ϦεΫ͕ߴ͍ैۀһʹରͯ͠ɺ໘ஊͳͲ
   ͷੵۃΞϓϩʔνΛ࣮ࢪ͢ΔͨΊʣ
   シナリオ ポイント
   

   View Slide

8. © 2021 IBM Corporation
   8
   補⾜︓デモンストレーションで出てくる⽤語の確認
   OpenShift
   Cloud Pak for Data (CP4D)
   データサービスの共通UI・共通機能
   IBM Cloud
   Watson Machine
   Learning with
   Auto AI
   (AIモデル実⾏環境)
   Watson Studio
   (分析/AIモデル管理)
   Watson OpenScale
   (AIモデル⽐較/説明)
   インフラ
   ハイブリッドクラウド
   プラットフォーム
   ハイブリッドクラウド
   ソフトウェア
   ハイブリッドクラウド
   サービス
   n 今回のデモンストレーションのシステム構成の概念図は次の通りです
   n 「CP4D上で⾚字のサービスを利⽤することができ、⼀連のAI課題を解決できる」とご認識ください
   

   View Slide

9. © 2021 IBM Corporation
   9
   補⾜︓AutoAIの⾃動学習
   データ前処理
   効率のいいモデル作成に必須の処理である、⽋損値の補完、データのエンコードなどを、最適な形で⾃動的に⾏います。
   モデル選定
   モデル選定に関しては、少ないデータで簡易的なモデルを作成し、有⼒な候補のモデルを絞り込む⽅式を採⽤しています。
   この⽅法により、少ない処理時間で効率よく精度の⾼いモデルを選定することが可能です。
   候補となるモデル数は 分類型: 7種類 回帰型: 8種類です。
   特徴量最適化
   AutoAIでは、強化学習の仕組みを利⽤して、精度の最適化をするための特徴量チューニングを⾏います。
   ハイパーパラメータ最適化
   モデルの精度に影響のある、ハイパーパラメータの最適化についても、効率のいい⽅法(RBFOptアルゴリズム)で⾏います。
   参照: https://dataplatform.cloud.ibm.com/docs/content/wsj/analyze-data/autoai-overview.html?audience=wdp
   データ前処理 モデル選択
   パラメータ
   最適化
   特徴量エンジニアリング
   

   View Slide

10. © 2021 IBM Corporation
    10
    補⾜︓AutoAIでサポートしているモデル(分類)
    n 分類型モデルでは、次の7種類のモデルをサポートしています。
    ) B A A A
    B A B ,A A
    C A A A
    B
    A
    ( A C A A
    A
    C A C
    C B
    C A A
    A A A
    ( A A C A A
    A
    A A A A .
    A B A -
    ※2021/07時点
    

    View Slide

11. © 2021 IBM Corporation
    11
    補⾜︓AutoAIでサポートしているモデル(回帰)
    n 回帰型モデルでは、次の8種類のモデルをサポートしています。
    ) A A B A CB B A B B A B CA A CB
    B B IA B B C A B B A B AC BA B B C CA
    B BC A
    B A A B A
    C A AA B B A A B A
    B AC BA B B C CA B BC A
    B AB B B CA A B A B A
    ) A B B A B A B G
    B G A B A
    AB C BA C B A B A B C B B A
    B B AC BA B B C CA B BC A
    AA A A B G ( AB - C A CB A A BG B
    A BA
    . A C B B B A C B B CA
    AA A B . AB A CA BG A
    C A G
    ※2021/07時点
    

    View Slide