SENDAI IT COMMUNE meetup #02: デジタルデータの加速度的な増加に伴い、データベースに求められる要件も大きく変わっています。RDBMSだけではない、NoSQL型のデータストア。OLTP/バッチだけではない、ニアリアルタイムの処理。そして、グローバルスケールのパフォーマンスなど。Azure はそうした多様なデータをセキュアに管理できるプラットフォームとして活用できます。ここでは、AI (Artificial Intelligence) なども交えて最新のプラットフォームの概要と、その活用事例についてご紹介します。

1. #azurejp
https://www.facebook.com/dahatake/
https://twitter.com/dahatake/
https://github.com/dahatake/
https://daiyuhatakeyama.wordpress.com/
https://www.slideshare.net/dahatake/

3. 製造設備
原材料、プロダクト
予防保全
顧客中心主義
迅速に革新し、より機敏になる
スマートプロダクト
サービス・エコシステム
コネクテッド・コンシュー
マ
顧客
サプライ
チェーン
設計開発
製造
マーケティ
ング 販売
サービス

4. 完全自動運転で100%無事故を
実現しようとすると最低でも
88億マイルを
テストしなければならない。1
2020年、自動運転車は1日に
約4,000ギガバイ
トのデータを生成し、消費する。2
Paris Auto Show Automobility Los Angeles Gartner TechRadar Earthdata
Automobility Los Angeles
2020年、204億のモ
ノがつながる。3
90分のアニメーション映像を製作す
るために、6,500万時
間分の
画像レンダリングが必要となる。4
2020年、飛行機から1日
に
40テラバイ
NASAの地球観測システムおよび
情報システム（EODSIS）は、
1日に約28テラバイ
トのデータを配信している。5

5. Lift and Shift
Cloud Optimized
App Modernized

6. Intelligent Edge +
Intelligent Cloud
Mobile
Containers
DevOps
Data
AI
App Modernized

7. Services
Infrastructure
Tools

8. #azurejp
2012
深層学習
Google Brain が
、YouTube で
猫を
75% の精度で識
別
機械学習
学習させ続ける事で
自律的に改善し続けるプログラム
AI
コンピュータが、
人間が通常行っている
事を行う
AI
ニューラル
ネットワー
ク
機械学習
深層学習
(ニューラルネットワークの進
化)
1956
用語
“人工知能”
が使用され
る
最初の
「AIの冬
」
2回目の
「AIの冬
」
1974-1980 1987-1993 2006
深層学習の
台頭
2015
グーグル
DeepMind の
AlphaGo が囲碁で
Lee Sedol を破る
2016
マイクロソフト
が、
会話の音声認識
で
人間と同じ精度
を
実現
マイクロソフト
が、
画像認識で
人間と同じ精度
を
実現

9. だから何なの？

10. • 雑草
農薬にお金
コンバイン x
AI
大幅

11. Pre-built AI

12. Cognitive Services Labs

13. Video Indexer
Cognitive Services Labs
Custom Custom CustomCustom Custom

14. John F. Kennedy (JFK)
November 22, 1963
http://aka.ms/jfkfiles

17. Positive
Text Analytics

18. Entities Identified
Positive
Text Analytics
Entity Linking Intelligent Service

19. "entityTypeHints": [ "Person" ],
"entityTypeDisplayHint": "Explorer"
"entityTypeHints": [ "Drug"
"entityTypeHints": [
"Place"
Positive
Entities Identified
Text Analytics
Entity Linking Intelligent Service
Entities Type
Bing Entity Search API

20. Web App
(azsearch.js)
Blob
Storage
Azure Function
Skills:
Computer Vision
OCR + Handwriting
Entity Linking
CIA Cryptonyms Azure Search
Cosmos DB
Azure Machine
Learning
Cognitive
Skill Set
JFK FILES
COGNITIVE SEARCH
ARCHITECTURE
Skill: Topics

22. AI

23. 1. 顔の解析
2. 画像への タグ 付け
3. 顔の感情分析
4. OCR
1. テキストからの重要語句の抽
出
2. テキストの感情分析
Azure Data Lake の 6つの Cognitive 機能

24. • オブジェクト認識 (タグ)
• 顔認識、感情認識
• JOIN処理 – 幸せな人は誰なのか?
REFERENCE ASSEMBLY ImageCommon;
REFERENCE ASSEMBLY FaceSdk;
REFERENCE ASSEMBLY ImageEmotion;
REFERENCE ASSEMBLY ImageTagging;
@objects =
PROCESS MegaFaceView
PRODUCE FileName, NumObjects int, Tags string
READONLY FileName
USING new
Cognition.Vision.ImageTagger();
@tags =
SELECT FileName, T.Tag
FROM @objects
CROSS APPLY
EXPLODE(SqlArray.Create(Tags.Split(';')))
AS T(Tag)
WHERE T.Tag.ToString().Contains("dog") OR
T.Tag.ToString().Contains("cat");
@emotion_raw =
PROCESS MegaFaceView
PRODUCE FileName string, NumFaces int, Emotion string
READONLY FileName
USING new Cognition.Vision.EmotionAnalyzer();
@emotion =
SELECT FileName, T.Emotion
FROM @emotion_raw
CROSS APPLY
EXPLODE(SqlArray.Create(Emotion.Split(';')))
AS T(Emotion);
@correlation =
SELECT T.FileName, Emotion, Tag
FROM @emotion AS E
INNER JOIN
@tags AS T
ON E.FileName == T.FileName;
Images
Objects Emotions
filter
join
aggregate

25. 万能なものは無い

28. Own AI

29. 運用データの準備 ビルドモデル
Azure Machine Learning
Experimentation Service
Azure Machine Learning
Model Management
Service

30. Spark
SQL Server
GPU インスタンス
コンテナー サービス
Azure Machine
Learning Workbench /
AI Tools for VS
SQL Server
Machine Learning Server
オンプレミス
エッジ コンピュー
ティング
Azure IoT Edge
実験および
モデル管理
Azure Machine Learning
Service
トレーニングとデプロ
イ
Azure

32. 開発の現場への機械学習のインパク
ト

33. アルゴリズムとして実装

34. 機械学習によるモデル化
アルゴリズムの実装ではなく、適切なデータの選択とクレンジン
グ、

36. #azurejp
Big Data / AI
Your
App
Intelligent
App

37. #azurejp

39. © 2016 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries.
The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a
commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation.
MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.