Recommandé
Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à Azure Cognitive Services
Similaire à Azure Cognitive Services (20)
Plus de Deep Learning Lab（ディープラーニング・ラボ）
Plus de Deep Learning Lab（ディープラーニング・ラボ） (20)
Azure Cognitive Services
- 6. 1 1 5 4 3 7 5 3 5 3 5 5 9 0 6 3 5 2 0 0
- 8. やることが多すぎる！
- 10. 世界は変わり続けます！ 0 0.2 0.4 0.6 0.8 1 Day 1/Day 1 Day 1/Day 2 Day 1/Day 3 リテイン値
- 13. アプリケーション アクション 2 の情報 アクション 3 の情報 ユーザー & コンテキスト情報 アクション 1 の情報 リワード スコア
- 14. Personalizer を使用すると、関連性の高いコンテンツやユーザーエクスペリエンスの 優先順位を設定できるため、ライブで進行中の学習ループでターゲット層の好みに適応 できます 👍 1. リアルタイムの情報を提供する アプリケーション 2. Personalizer がアクション を推奨 3. ユーザーの選択 4. Personalizer が 自動的に学習
- 16. 自身のアプリケーションにパーソナル エクスペリエンスを すべてのユーザーのためのリッチな、パーソナライズされたエクスペリエンスを提供します • すべてのエンド・ユーザーに「時間と共に強化され る」エクスペリエンスを提供 • Personalizer の強化学習サイクルは、エンド ・ ユーザーのリアルタイムな応答から学習 • エンド・ユーザーの利便性の向上することで、お客 様のビジネス目標を達成を支援 • 通常のレコメンデーション・エンジンとは異なり、エ ンド・ユーザーにとって 1 つの最高のレコメンドを 返す
- 17. • たった 2 行のコードを追加するだけで情報の取 得、実行が可能 • 簡単に予測精度の点検ができ、必要に応じて最適 化を実施 • Personalizer は、手持ちのユーザー情報、コン テンツ、および製品のような属性があれば、データ 操作、前処理なしに動作 素早く、簡単に実装 素早くエンド・ユーザーに提供可能です
- 19. • Personalizer はモデルの説明性をサポート • 結果の再利用性を向上 • 実行中の効果検証に透明性を付加 Azure上またはオンプレミスで 利用可能 クラウドからエッジまで、どこでも展開可能 ユーザーフレンドリーなUIで 強化学習のループを簡単に管理 Personalizer のアルゴリズムを理解する • Personalizer は最も必要な場所で利用 できます ✓ クラウド内でも、低レイテンシーが重要 な場合にはローカルで実行することも 可能 • アプリケーションはどこでも実行可能 ✓ Personalizer は Azure 上でリア ルタイムな強化学習シグナルを基に高 スループットのトレーニングを行う ✓ アプリケーションでは学習結果を処理 することだけ
- 20. 1. SDK を利用して、ユーザーの情報(属性） やコン テキスト（アクション） を付与してコールします。 Personalizer を使用する前にデータのクリーニ ング、ラベルづけは不要です 2. クライアント アプリケーション内で Personalizer が選択したアクションをユーザー に表示します 3. ユーザーが Personalizer が提示したアクショ ンを選択した場合には、SDK を使用してフィード バックします。 これが リワード・スコア で、通常 - 1 から 1 の値をとります 4. Azure Portal でアナリティクス画面を表示し、 どの程度システムが動作しているか、自身のデー タがどの程度パーソナライズに寄与しているかを 評価します 事前作業 • パーソナライズするエクスペリエンスをアプリケーショ ンで選択します • Azure Portal でPersonalizer サービスを作成、 構成します ① ② ③ ②
- 24. たとえば、次のようなクライアント アプリケーションに Personalizer を追加できます: • コンテンツのレコメンド ✓ パーソナライズ ニュース web サイトでどのような記事をハイライト表示するかをパーソナライズする • コンテンツの適正配置 ✓ Web サイト上の広告の配置の最適化 • アイテムのレコメンデーション ✓ ショッピング サイトでパーソナライズされた ‘商品のレコメンデーション‘ を表示する • UIを利用した最適行動の提示 ✓ 特定の写真に適用するフィルターなど、ユーザー インターフェイスの要素をサジェストする ✓ ユーザーの意図を明確にしたりアクションをサジェストしてチャットボットの応答を選択する ✓ ユーザーにビジネス プロセスの次のステップとして行う必要があるアクションの優先順位を提案する
- 25. “ハワイでのバケーションを予約”
- 28. 👍 1. リアルタイムの情報を提供する アプリケーション 2. Personalizer がアクション を推奨 3. ユーザーの選択 4. Personalizer が 自動的に学習 ① ②
- 29. 内部の AI モデル を使用 で Exploit を行うか、新しい選択肢を Explore するかを決定 ランキングデータ（コン テキスト＋アクション）が送信 リワードは EventHub に送信 5. ランクとリワードが関連付け 更新 更新 👍👍👍👍👍 Joining Logs Async via Event Hub Async via Event Hub
- 30. • 使用できるアクション リスト • コンテキストのフィーチャー リスト
- 32. 目的 アクション ニュース Web サイトで強調表示する記事をパーソナ ライズする 各アクションは潜在的なニュース記事です Web サイトでの広告配置を最適化する 各アクションはレイアウトか広告のレイアウトを作成す るルールになります (たとえば、上部に表示、右に表 示、小さい画像、大きい画像) ショッピング Web サイトにお勧めの製品を、個人的 にランク付けして表示する 各アクションは特定の製品になります 特定の写真に適用するフィルターなど、ユーザー イン ターフェイス要素を提案する 各アクションは異なるフィルターになることがありま す チャット ボットの応答を選択し、ユーザーの意図を明 確にするか、アクションを提案する 各アクションは、応答を解釈する方法の選択肢になり ます 検索結果一覧の最上位に表示するものを選択する 各アクションは上位検索結果の 1 つです
- 33. • Exploit（活用） • Explore（探索） • 各ランク コールのフィーチャーとリワード（報酬）スコアに • データを使用して モデルを更新する
- 34. Exploit “Exploit”= 推 論される最高 の結果を使用 “Explore” Explore “最高のパフォーマン スを発揮する方法を見 つけるには、どれだけ 探索する必要がある？
- 35. ポリシー ? ポリシー ? ポリシー ? ポリシー ? 職業 ルールを事後評価：所在地 ルールを事後評価： エンジニアエンジニア エンジニア教師 … 読んだ 読んだ 無視した 読んだ テキサスシアトルシアトルテキサス 同じ イベントは テストに 利用可能！
- 36. A/B テスト 対 反事実的評価 x100,000 A B 3. やり直し 3. 事実に即したポリシーとモデルを探索 x1
- 40. テキスト Entity Extraction Semantic Expansion Sentiment Analysis 画像 Extract Entities Named Entities 動画と音声 Video Indexer Cognitive Search
- 41. コンテナによる低レイテンシ Personalizer 1. 使用開始するのに最も簡単な方法 2. http web コールのレイテンシは ~200 ミリ秒程度 3. フィーチャーの取得と送信が必要 4. Azure が全ての自動スケールと弾力性を管理 4. レイテンシの予算を解放して他の呼び出しを行う 例 フィーチャライズなど 7. コンテナのライフサイクル管理を実施 自社のコンピュート環境内のサーバー アプリケーション アプリ ケー ション Features & Rewards Models & Config
- 42. Customer Story
- 44. Personal TV using Advanced AI and Analytics
- 46. Cloud delivery of digital media to video service providers The zone·tv Platform is a cloud-based platform that powers our Digital Media offering for video service providers. The platform handles the end-to-end content onboarding/manipulation process through to the final viewer experience. ▪ Digital content feed ingestion ▪ Meta data ingestion ▪ Content Management ▪ Entitlements ▪ Video transcoding ▪ Meta data sourcing and manipulation ▪ Distribution management ▪ Data collection services ▪ Recommendation/Heuristics ▪ ShowStream authoring studio ▪ Ad insertion integration/management ▪ Other “secret sauce” stuff... ▪ Pay TV set top application ▪ Advanced VOD systems ▪ TVE devices ▪ OTT MPVD devices
- 47. CONTENT PROVIDERS METADATA ENHANCEMENT MACHINE LEARNING SERVICES CONSUMER EXPERIENCE
- 50. Appendix
- 52. 責任ある使用ガイドライン
- 55. New ground-breaking capabilities in far-field conversation transcription
- 57. • Multi-channel audio • Reference microphone array • Premium audio processing with Microsoft Audio Stack • Send speech to Azure Conversation Transcription for real-time recognition, diarization https://aka.ms/sdsdk-get
- 58. DEMO
- 63. • Azure Conversation Transcription is a transformative set of new capabilities • Empowering developers to deliver scenarios relevant to today’s conversational interactions across various scenarios. • New emerging AI technology including “enhanced meetings minutes” and smart action items