SlideShare une entreprise Scribd logo
1  sur  30
Télécharger pour lire hors ligne
SensorBeeの紹介
第2回  分散システム勉強会
柏原秀蔵(@suma90h)
Preferred  Networks,  Inc.
2016/03/21
⾃自⼰己紹介
l  柏原秀蔵 / Preferred Networks, Inc. (PFN)
–  2011年年秋にPFI⼊入社 → 2014年年PFNへ
–  製品開発とか最近は主にパッケージング、CI担当
l  SIProp勉強会との関わり
–  2009年年頃(B3)にScalaでpub/subしたものを発表させてもらった(⿊黒歴史)
–  第何回かのPaxosの回に参加させてもらったり
–  ⼤大学での研究室は分散システム・OS系の出⾝身
l  活動・趣味
–  システム系論論⽂文輪輪読会  主催
–  輪輪読と付いてるけど輪輪読してない、通常の論論⽂文読み会です
–  趣味はお菓⼦子作り(焼き菓⼦子)と⼆二輪輪⾞車車でツーリング
2
それまで何やってたの?
l  ⼊入社以前・⼤大学時代のアルバイト
–  セキュリティ製品の開発(インストーラ、エンジン開発、テストツール作成)
–  AndroidアプリとWebサービス/独⾃自CIツール作成
l  ⼤大学研究室
–  Scala製の分散処理理基盤の開発
l  PFI/PFN
–  検索索エンジンの開発
–  機械学習フレームワークJubatusの開発(主にサーバシステム・RPC周辺)
–  映像解析基盤の開発(主にパッケージング、テストとその⾃自動化)
l  趣味プログラミング:バイナリエディタ作成
–  メモリに乗らないサイズのファイル向けのデータ構造と⾃自作Viewが熱い
–  GUI開発が疲れてやめてしまった  http://github.com/suma/hex
3
本⽇日の内容
l  話すこと
–  SensorBee概要
–  事例例紹介
–  UDF/UDS/pluginによる拡張
–  Go⾔言語での実装についてと、アーキテクチャっぽいこと周辺
l  話さないこと
–  機械学習、Chainer(Neural  Networkフレームワーク)のこと
–  いわゆる”ストリーム処理理系”の浅くから深いところの理理論論と実装全般
u  ストリーム処理理の理理論論とか実は疎いので...
u  WindowやJoinの実装はどうなってるのかね?  と質問されると困ります
l  機械学習との連携詳細は「Elasticsearchと機械学習を実際に連携させる」
–  http://www.slideshare.net/nobu_̲k/elasticsearch-‐‑‒59627321
4
(特に)  ネットワークのエッジ  /  フォグにおいて
ストリームデータに対して
機械学習  (特にDeep  Learning)  を利利⽤用した
⾮非構造化データ向けのETLを
低レイテンシで適⽤用することを⽬目的としたツール
Lightweight  Stream  Processing  Engine  for  IoT
http://sensorbee.io
5
ETLツール・ストリーム処理理といっても
l  ETL:
–  Extract 読み込んだデータの前処理理・整形
–  Transform 加⼯工(実際に⽬目的とする処理理をする)
                          SensorBeeでは機械学習で何かを分類したり、画像から物体認識識したり
–  Load           データを書き出す
l  OSSのストリーム処理理ツールの例例(実を⾔言うと、使ったことないのが多い)
–  Apache  Storm
–  Norikra
–  Spark  Streaming
l  ちなみにSensorBeeは(Complex)Event  Processingではない  
6
{
"id": 123,
"age": "35",
"gender": "male",
"location": {
"x": 252.1,
"y": 179.3
},
…
}
SensorBee™:  Stream  processing  engine  for  IoT
7
Camera
Vehicle
Router
Sensor
fluentd
RDBMS
Search
Engine
NoSQL
Data Sources Data Destinations
SensorBee™ focuses on transformation of and information extraction
from structured and unstructured streaming data at the edge of the
network, in the Fog, and in the Cloud. Machine learning and Deep
Learning perform data transformation and information extraction.
SensorBee™ enriches information content and adds new value prior to
data being loaded to data processing systems.
ETL くらいのバランス
SensorBee™:  Transform
8
Camera
Vehicle
Router
Sensor
fluentd
RDBMS
Search
Engine
NoSQL
Data Sources Data DestinationsSensorBee™
BQL, an SQL-like language
•  Filter
•  Aggregate
•  Join
Data processing flow by a SQL-like language
BQL is designed for stream
processing. It is schema-less and
uses JSON as its internal data model.
CREATE	
 SOURCE	
 camera	
 TYPE	
 webcam_mjpeg	
 WITH	
 uri="http://host:port/path/to/video";	
 
CREATE	
 STREAM	
 frames	
 AS	
 
	
 	
 SELECT	
 RSTREAM	
 snowflake_id("general_id")	
 AS	
 id,	
 *	
 FROM	
 camera1	
 [RANGE	
 1	
 TUPLES];	
 
	
 
CREATE	
 STREAM	
 regions	
 AS	
 
	
 	
 SELECT	
 RSTREAM	
 id	
 AS	
 frame_id,	
 snowflake_id("general_id")	
 AS	
 id,	
 *	
 
	
 	
 FROM	
 detect_people("frames",	
 "detection_config_parameters")	
 [RANGE	
 1	
 TUPLES];	
 
	
 
CREATE	
 STREAM	
 regions_with_metainfo	
 AS	
 
	
 	
 SELECT	
 RSTREAM	
 classify("age_model",	
 image)	
 AS	
 age,	
 
	
 	
 	
 	
 	
 	
 	
 	
 	
 	
 	
 	
 	
 	
 	
 	
 	
 classify("gender_model",	
 image)	
 AS	
 gender,	
 *	
 
	
 	
 FROM	
 regions	
 [RANGE	
 1	
 TUPLES];	
 
	
 
CREATE	
 STREAM	
 male_average_ages	
 AS	
 
	
 	
 SELECT	
 RSTREAM	
 avg(age)	
 AS	
 age	
 FROM	
 regions_with_metainfo	
 [RANGE	
 5	
 MINUTES]	
 
	
 	
 WHERE	
 gender	
 =	
 "male";
SensorBee™:  Flexibility  and  Extensibility
Camera
Vehicle
Router
Sensor
fluentd
RDBMS
Search
Engine
NoSQL
Data Sources Data DestinationsSensorBee™
Plug-in Plug-in
UDF
Custom functionalities are added as
User Defined Functions (UDFs) and User
Defined States (UDSs) of BQL, such as
Deep Learning transformations.
Machine learning
•  Classification
•  Regression
•  Object recognition
•  Anomaly detection
Machine learning algorithms
supported in DIMo are online and do
not require local storage.
UDS
SensorBee™:  in  Deep  Intelligence  in  Motion
10
Camera
Vehicle
Router
Sensor
fluentd
RDBMS
Search
Engine
NoSQL
Data Sources Data DestinationsSensorBee™
Deep	
  Learning	
  
DeepIntelligence

in-Motion(DIMo)	
Sta-s-cs	
  
Computer	
  
vision	
  
Detect/Track/
Recognize	
  
Reinforcement	
  
learning	
  
Distributed/
Curriculum	
  
Time-­‐series	
  
RNN	
  /	
  
Representa-on	
  
Sensor	
  
fusion	
  
Mul--­‐modal	
  
Feedback/Ac-on	
  
…	
  
Libraries	
Plug-in Plug-in
UDF
UDF
DIMo provides various libraries that
use machine learning to support
complex data processing flow.
UDS
CES2016⾃自動⾞車車の⾃自動運転のデモ
l  https://www.youtube.com/watch?v=7A9UwxvgcV0
l  ⾃自動運転のデモ  ぶつからないをアピール
l  ⾚赤い⾞車車は⼈人が運転しているが、⽩白い⾞車車は邪魔されてもぶつからないよう動く
l  バックエンドがSensorBee
–  Chainer連携
11
Source/Sink/Stateとストリームという概念念
名前 説明
Stream ストリームはSourceから⽣生成される
ストリームは何か処理理してから、新しく名前を付けてストリー
ムを作成し、後から別名で参照することもできる
また、結合(Join)したり、集約(Aggregation)、フィルタ
(Filtering)などできるようになる
Source ストリームの情報源。ファイル、ネットワークやDBなど。拡張
可能
Sink ストリームの書き込み先。Source同様、ファイル、ネットワー
クやDBなど。拡張可能
State 状態を持つような処理理を実⾏行行できるようになる。関数だけだと
状態を変更更していく処理理ができない
例例えば、機械学習のモデルは状態に相当する。
12
分散システムとの関わり
l  単体でも動作可能
–  ETLツールなので、単体で分散システムというわけではない
–  元々機械学習を適⽤用するためのツール
l  他サービスとの連携や、適材適所で分散させてもよい
–  エッジ/クラウドどちら側においてもよく、分散システムのアプリケーションを構
成する⼀一要素としてもよい
–  Source/Sinkといった外部ネットワークとの接点を持つ
l  Apache  Sparkなどとは異異なる⽬目的・使い⽅方を想定している
–  (分散ではないが)Large  scale  data  processingであるとか
–  RDDs(Resilient  Distributed  Datasets)のような分散向けの仕組みはない
13
ここからdisktnkさんの資料料
http://www.slideshare.net/disktnk/sensorbee-‐‑‒59782111
14
サンプル例例:監視カメラから⼈人物認識識をやりたい
15
{
"id": 123,
"age": ”35",
"gender": “female",
"location": {
"x": 252.1,
"y": 179.3
},
…
}
{
"id": 131,
"age": ”22",
"gender": “male",
"location": {
"x": 120.5,
"y": 80.2
},
…
}
サンプル例例:監視カメラからデータを取得
16
[Source]
管理理カメラのデータ=フレームデータ
を取得
{
"id": 123,
"age": ”35",
"gender": “female",
"location": {
"x": 252.1,
"y": 179.3
},
…
}
{
"id": 131,
"age": ”22",
"gender": “male",
"location": {
"x": 120.5,
"y": 80.2
},
…
}
サンプル例例:画像データから⼈人物を切切り取り
17
[Stream+UDF]
⼈人物の抽出
{
"id": 123,
"age": ”35",
"gender": “female",
"location": {
"x": 252.1,
"y": 179.3
},
…
}
{
"id": 131,
"age": ”22",
"gender": “male",
"location": {
"x": 120.5,
"y": 80.2
},
…
}
サンプル例例:切切り取った⼈人物画像を解析
18
[Stream+UDF]
⼈人物データの解析
{
"id": 123,
"age": ”35",
"gender": “female",
"location": {
"x": 252.1,
"y": 179.3
},
…
}
{
"id": 131,
"age": ”22",
"gender": “male",
"location": {
"x": 120.5,
"y": 80.2
},
…
}
サンプル例例:解析データを出⼒力力
19
{
"id": 123,
"age": ”35",
"gender": “female",
"location": {
"x": 252.1,
"y": 179.3
},
…
}
{
"id": 131,
"age": ”22",
"gender": “male",
"location": {
"x": 120.5,
"y": 80.2
},
…
}
[Sink]
解析データの保存
デモ:  顔認識識
l  OpenCV  の  CascadeClassifier  を使⽤用した顔認識識
–  今回は  ultraist様のLBPモデルを使⽤用  
http://ultraist.hatenablog.com/entry/20110718/1310965532  
20
ここで顔認識識を⾏行行う
→x,y,w,h  を出⼒力力するUDF
デモ:  顔認識識→からの笑い男
l  ハッカーの憧れ
21
x,y,w,h  を元に画像を貼るUDF
デモ:  顔認識識→からの笑い男→もう⼀一度度動画へ
l  OpenCV  の    VideoWriter  を使⽤用して動画にまとめる
22
動画ファイル
を作るSink
デモ動画  +
disktnkさんの資料料ここまで。
23
UDF/UDS/Source/SinkはPluginで拡張可能
l  SourceとSink
–  Fluentd
–  MQTT
–  ファイル
–  OpenCVのカメラ/Webカメラ/AVI出⼒力力…  など
l  UDF(User-‐‑‒defined  function)/UDS(User-‐‑‒defined  state)もプラグイン化可能
–  py,  pymlstate
u  Pythonスクリプトを呼び出すバインディングと、
u  機械学習(Chainer)に特化したインタフェースを提供するpymlstateがある
l  プラグインの実現⽅方法
–  sensorbee実⾏行行バイナリを静的リンクで⽣生成する仕組み。shared  objectではない
–  設定ファイルとbuild_̲sensorbeeというgo  buildラッパーでビルドする
24
SensorBeeと実⾏行行モード
l  Go⾔言語なので単⼀一バイナリが基本
–  静的リンクで30MBくらいのフットプリント
l  実⾏行行時の種類が複数ある
–  run   サーバとして実⾏行行(同時にBQL実⾏行行も可)、shellからのクエリを受け付ける
–  runfile  BQLファイルを実⾏行行
–  shell   runで起動したサーバに接続してBQLを問いあわせる
–  topology サーバ内のトポロジ作成/削除を管理理する
–  他にもありますが省省略略
25
run
(server process)
shell
(client)
BQL	
 結果
run  +  shell:  APIサーバとクライアントという形
l  近年年よく⾒見見るMicroservicesっぽい形態
–  APIサーバ(run)とクライアント(shell)という実⾏行行形態を取っている
–  Dockerのdockerコマンドみたいな形
–  とはいえ、SensorBeeで動かすBQLで作るアプリケーションは、1プロセスで複数
のアプリケーション(トポロジ)を持ってもよい
26
開発苦労話的な何か
l  Go⾔言語なのでチーム開発はやりやすい
–  go  fmtとか知っている⼈人は感覚がわかるはず、知らない⼈人は知っても損はない
l  goroutineを多⽤用しているため、並⾏行行プログラミングが中々難しい
l  Python拡張(Python  C-‐‑‒API)でハマりまくった
–  cgoというC呼び出しの仕組みが難しいというのもある
–  Initialize関数の喚ぶ順序の関係
–  PythonのGCは参照カウンタ
u  PythonのNew  Referenceを返す内部関数、返さない内部関数まぎらわしい
u  Pythonスクリプトの関数呼び出しの引数に与えるObjectの参照数で混乱
u  ⼿手動DecRef呼び出しのし忘れ  →  こっそりメモリリーク
–  Global  Interpreter  Lockを初期化するNativeスレッドは同じである必要がある
–  結論論:Python  C-‐‑‒APIは⼈人類には早すぎた
27
ぜひ使ってみてください!  github  starもよろしく!
l  http://sensorbee.io  
l  http://docs.sensorbee.io/en/latest/  
l  https://github.com/sensorbee/sensorbee  
28
ありそうな質問
l  いつから開発しているか?
–  2015年年3⽉月が最初のコミット
l  過去・他OSSとの差分、特徴は?
–  JSONのような⾮非構造化データを扱えること(SparkでもJSON対応RDDあったかも)
–  SQLに近い⽂文法のクエリ⾔言語を持っていること
29
Copyright  ©  2016
Preferred  Networks  All  Right  Reserved.

Contenu connexe

Tendances

Jubakit の紹介
Jubakit の紹介Jubakit の紹介
Jubakit の紹介kmaehashi
 
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)Kotaro Nakayama
 
Jubatus使ってみた 作ってみたJubatus
Jubatus使ってみた 作ってみたJubatusJubatus使ってみた 作ってみたJubatus
Jubatus使ってみた 作ってみたJubatusJubatusOfficial
 
Caffeのデータレイヤで夢が広がる話
Caffeのデータレイヤで夢が広がる話Caffeのデータレイヤで夢が広がる話
Caffeのデータレイヤで夢が広がる話Masaki Saito
 
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 TokyoSoftware for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 TokyoShohei Hido
 
Kerasで深層学習を実践する
Kerasで深層学習を実践するKerasで深層学習を実践する
Kerasで深層学習を実践するKazuaki Tanida
 
「深層学習」の本に出てきたデータセット達
「深層学習」の本に出てきたデータセット達「深層学習」の本に出てきたデータセット達
「深層学習」の本に出てきたデータセット達Hiromasa Ohashi
 
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7Kotaro Nakayama
 
PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装Hirokatsu Kataoka
 
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本Norihiko Nakabayashi
 
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門tak9029
 
Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編Etsuji Nakai
 
Introduction to Chainer and CuPy
Introduction to Chainer and CuPyIntroduction to Chainer and CuPy
Introduction to Chainer and CuPyKenta Oono
 
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Pythonによる機械学習入門 ~SVMからDeep Learningまで~Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Pythonによる機械学習入門 ~SVMからDeep Learningまで~Yasutomo Kawanishi
 
Interop2017
Interop2017Interop2017
Interop2017tak9029
 
GRU-Prednetを実装してみた(途中経過)
GRU-Prednetを実装してみた(途中経過)GRU-Prednetを実装してみた(途中経過)
GRU-Prednetを実装してみた(途中経過)Taichi Iki
 
Deep Learning技術の最近の動向とPreferred Networksの取り組み
Deep Learning技術の最近の動向とPreferred Networksの取り組みDeep Learning技術の最近の動向とPreferred Networksの取り組み
Deep Learning技術の最近の動向とPreferred Networksの取り組みKenta Oono
 
Jupyter NotebookとChainerで楽々Deep Learning
Jupyter NotebookとChainerで楽々Deep LearningJupyter NotebookとChainerで楽々Deep Learning
Jupyter NotebookとChainerで楽々Deep LearningJun-ya Norimatsu
 
201209 Biopackathon 12th
201209 Biopackathon 12th201209 Biopackathon 12th
201209 Biopackathon 12thSatoshi Kume
 

Tendances (20)

Jubakit の紹介
Jubakit の紹介Jubakit の紹介
Jubakit の紹介
 
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
 
Jubatus使ってみた 作ってみたJubatus
Jubatus使ってみた 作ってみたJubatusJubatus使ってみた 作ってみたJubatus
Jubatus使ってみた 作ってみたJubatus
 
Caffeのデータレイヤで夢が広がる話
Caffeのデータレイヤで夢が広がる話Caffeのデータレイヤで夢が広がる話
Caffeのデータレイヤで夢が広がる話
 
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 TokyoSoftware for Edge Heavy Computing @ INTEROP 2016 Tokyo
Software for Edge Heavy Computing @ INTEROP 2016 Tokyo
 
Kerasで深層学習を実践する
Kerasで深層学習を実践するKerasで深層学習を実践する
Kerasで深層学習を実践する
 
Tesseract ocr
Tesseract ocrTesseract ocr
Tesseract ocr
 
「深層学習」の本に出てきたデータセット達
「深層学習」の本に出てきたデータセット達「深層学習」の本に出てきたデータセット達
「深層学習」の本に出てきたデータセット達
 
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
JSAI's AI Tool Introduction - Deep Learning, Pylearn2 and Torch7
 
PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装
 
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
Jupyter Notebookでscikit-learnを使った機械学習・画像処理の基本
 
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
 
Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編
 
Introduction to Chainer and CuPy
Introduction to Chainer and CuPyIntroduction to Chainer and CuPy
Introduction to Chainer and CuPy
 
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Pythonによる機械学習入門 ~SVMからDeep Learningまで~Pythonによる機械学習入門 ~SVMからDeep Learningまで~
Pythonによる機械学習入門 ~SVMからDeep Learningまで~
 
Interop2017
Interop2017Interop2017
Interop2017
 
GRU-Prednetを実装してみた(途中経過)
GRU-Prednetを実装してみた(途中経過)GRU-Prednetを実装してみた(途中経過)
GRU-Prednetを実装してみた(途中経過)
 
Deep Learning技術の最近の動向とPreferred Networksの取り組み
Deep Learning技術の最近の動向とPreferred Networksの取り組みDeep Learning技術の最近の動向とPreferred Networksの取り組み
Deep Learning技術の最近の動向とPreferred Networksの取り組み
 
Jupyter NotebookとChainerで楽々Deep Learning
Jupyter NotebookとChainerで楽々Deep LearningJupyter NotebookとChainerで楽々Deep Learning
Jupyter NotebookとChainerで楽々Deep Learning
 
201209 Biopackathon 12th
201209 Biopackathon 12th201209 Biopackathon 12th
201209 Biopackathon 12th
 

Similaire à SensorBeeの紹介

2013OSC関西@京都_CloudStackとCloudFoundaryがまるわかり!
2013OSC関西@京都_CloudStackとCloudFoundaryがまるわかり!2013OSC関西@京都_CloudStackとCloudFoundaryがまるわかり!
2013OSC関西@京都_CloudStackとCloudFoundaryがまるわかり!Midori Oge
 
Elasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させるElasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させるnobu_k
 
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成Hiroshi Yamaguchi
 
OSS奨励賞受賞プレゼン 活動紹介
OSS奨励賞受賞プレゼン 活動紹介OSS奨励賞受賞プレゼン 活動紹介
OSS奨励賞受賞プレゼン 活動紹介Hiromu Yakura
 
協調フィルタリング with Mahout
協調フィルタリング with Mahout協調フィルタリング with Mahout
協調フィルタリング with MahoutKatsuhiro Takata
 
SIG-Audio準備会#2 オーディオツールの作り方 超入門編
SIG-Audio準備会#2 オーディオツールの作り方 超入門編SIG-Audio準備会#2 オーディオツールの作り方 超入門編
SIG-Audio準備会#2 オーディオツールの作り方 超入門編Takafumi Inamori
 
ownCloud のあれこれ July Tech Festa 2016
ownCloud のあれこれ July Tech Festa 2016ownCloud のあれこれ July Tech Festa 2016
ownCloud のあれこれ July Tech Festa 2016Tetsurou Yano
 
S3 を単純ストレージとして 利用する手段の比較
S3 を単純ストレージとして 利用する手段の比較S3 を単純ストレージとして 利用する手段の比較
S3 を単純ストレージとして 利用する手段の比較真治 米田
 
Site Reliability Engineering (SRE)を可能にするOpenPIEのご紹介
Site Reliability Engineering (SRE)を可能にするOpenPIEのご紹介Site Reliability Engineering (SRE)を可能にするOpenPIEのご紹介
Site Reliability Engineering (SRE)を可能にするOpenPIEのご紹介OSSラボ株式会社
 
Serfが面白いと俺の中で話題にwwwwww
Serfが面白いと俺の中で話題にwwwwwwSerfが面白いと俺の中で話題にwwwwww
Serfが面白いと俺の中で話題にwwwwwwMasahito Zembutsu
 
Movable type seminar 20120703
Movable type seminar 20120703Movable type seminar 20120703
Movable type seminar 20120703Six Apart
 
Macユーザーに贈る!OmniOSで作るお手軽・カンタン・高性能なZFS-NAS!
Macユーザーに贈る!OmniOSで作るお手軽・カンタン・高性能なZFS-NAS!Macユーザーに贈る!OmniOSで作るお手軽・カンタン・高性能なZFS-NAS!
Macユーザーに贈る!OmniOSで作るお手軽・カンタン・高性能なZFS-NAS!Masataka Tsukamoto
 
2014 1018 OSC-Fall Tokyo NETMF
2014 1018 OSC-Fall Tokyo NETMF2014 1018 OSC-Fall Tokyo NETMF
2014 1018 OSC-Fall Tokyo NETMFAtomu Hidaka
 
クラウド開発に役立つ OSS あれこれ
クラウド開発に役立つ OSS あれこれクラウド開発に役立つ OSS あれこれ
クラウド開発に役立つ OSS あれこれMasataka MIZUNO
 
パーソナルデータのあり方を変える!オープンソース分散型PDS「Personium」を使ってみよう!
パーソナルデータのあり方を変える!オープンソース分散型PDS「Personium」を使ってみよう!パーソナルデータのあり方を変える!オープンソース分散型PDS「Personium」を使ってみよう!
パーソナルデータのあり方を変える!オープンソース分散型PDS「Personium」を使ってみよう!泰史 栃折
 
Cell/B.E. プログラミング事始め
Cell/B.E. プログラミング事始めCell/B.E. プログラミング事始め
Cell/B.E. プログラミング事始めYou&I
 
運用に自動化を求めるのは間違っているだろうか
運用に自動化を求めるのは間違っているだろうか運用に自動化を求めるのは間違っているだろうか
運用に自動化を求めるのは間違っているだろうかMasahito Zembutsu
 
Flumeを活用したAmebaにおける大規模ログ収集システム
Flumeを活用したAmebaにおける大規模ログ収集システムFlumeを活用したAmebaにおける大規模ログ収集システム
Flumeを活用したAmebaにおける大規模ログ収集システムSatoshi Iijima
 
Programming camp Codereading
Programming camp CodereadingProgramming camp Codereading
Programming camp CodereadingHiro Yoshioka
 
クラウド環境の監視がより便利になった Pandora FMS ~手間をかけない監視設定を実現する仕組み~
クラウド環境の監視がより便利になった Pandora FMS ~手間をかけない監視設定を実現する仕組み~クラウド環境の監視がより便利になった Pandora FMS ~手間をかけない監視設定を実現する仕組み~
クラウド環境の監視がより便利になった Pandora FMS ~手間をかけない監視設定を実現する仕組み~Rworks, Inc.
 

Similaire à SensorBeeの紹介 (20)

2013OSC関西@京都_CloudStackとCloudFoundaryがまるわかり!
2013OSC関西@京都_CloudStackとCloudFoundaryがまるわかり!2013OSC関西@京都_CloudStackとCloudFoundaryがまるわかり!
2013OSC関西@京都_CloudStackとCloudFoundaryがまるわかり!
 
Elasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させるElasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させる
 
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
VisualSFMとMeshLabとCloudCompareによるドローン撮影画像を用いたデジタル地図作成
 
OSS奨励賞受賞プレゼン 活動紹介
OSS奨励賞受賞プレゼン 活動紹介OSS奨励賞受賞プレゼン 活動紹介
OSS奨励賞受賞プレゼン 活動紹介
 
協調フィルタリング with Mahout
協調フィルタリング with Mahout協調フィルタリング with Mahout
協調フィルタリング with Mahout
 
SIG-Audio準備会#2 オーディオツールの作り方 超入門編
SIG-Audio準備会#2 オーディオツールの作り方 超入門編SIG-Audio準備会#2 オーディオツールの作り方 超入門編
SIG-Audio準備会#2 オーディオツールの作り方 超入門編
 
ownCloud のあれこれ July Tech Festa 2016
ownCloud のあれこれ July Tech Festa 2016ownCloud のあれこれ July Tech Festa 2016
ownCloud のあれこれ July Tech Festa 2016
 
S3 を単純ストレージとして 利用する手段の比較
S3 を単純ストレージとして 利用する手段の比較S3 を単純ストレージとして 利用する手段の比較
S3 を単純ストレージとして 利用する手段の比較
 
Site Reliability Engineering (SRE)を可能にするOpenPIEのご紹介
Site Reliability Engineering (SRE)を可能にするOpenPIEのご紹介Site Reliability Engineering (SRE)を可能にするOpenPIEのご紹介
Site Reliability Engineering (SRE)を可能にするOpenPIEのご紹介
 
Serfが面白いと俺の中で話題にwwwwww
Serfが面白いと俺の中で話題にwwwwwwSerfが面白いと俺の中で話題にwwwwww
Serfが面白いと俺の中で話題にwwwwww
 
Movable type seminar 20120703
Movable type seminar 20120703Movable type seminar 20120703
Movable type seminar 20120703
 
Macユーザーに贈る!OmniOSで作るお手軽・カンタン・高性能なZFS-NAS!
Macユーザーに贈る!OmniOSで作るお手軽・カンタン・高性能なZFS-NAS!Macユーザーに贈る!OmniOSで作るお手軽・カンタン・高性能なZFS-NAS!
Macユーザーに贈る!OmniOSで作るお手軽・カンタン・高性能なZFS-NAS!
 
2014 1018 OSC-Fall Tokyo NETMF
2014 1018 OSC-Fall Tokyo NETMF2014 1018 OSC-Fall Tokyo NETMF
2014 1018 OSC-Fall Tokyo NETMF
 
クラウド開発に役立つ OSS あれこれ
クラウド開発に役立つ OSS あれこれクラウド開発に役立つ OSS あれこれ
クラウド開発に役立つ OSS あれこれ
 
パーソナルデータのあり方を変える!オープンソース分散型PDS「Personium」を使ってみよう!
パーソナルデータのあり方を変える!オープンソース分散型PDS「Personium」を使ってみよう!パーソナルデータのあり方を変える!オープンソース分散型PDS「Personium」を使ってみよう!
パーソナルデータのあり方を変える!オープンソース分散型PDS「Personium」を使ってみよう!
 
Cell/B.E. プログラミング事始め
Cell/B.E. プログラミング事始めCell/B.E. プログラミング事始め
Cell/B.E. プログラミング事始め
 
運用に自動化を求めるのは間違っているだろうか
運用に自動化を求めるのは間違っているだろうか運用に自動化を求めるのは間違っているだろうか
運用に自動化を求めるのは間違っているだろうか
 
Flumeを活用したAmebaにおける大規模ログ収集システム
Flumeを活用したAmebaにおける大規模ログ収集システムFlumeを活用したAmebaにおける大規模ログ収集システム
Flumeを活用したAmebaにおける大規模ログ収集システム
 
Programming camp Codereading
Programming camp CodereadingProgramming camp Codereading
Programming camp Codereading
 
クラウド環境の監視がより便利になった Pandora FMS ~手間をかけない監視設定を実現する仕組み~
クラウド環境の監視がより便利になった Pandora FMS ~手間をかけない監視設定を実現する仕組み~クラウド環境の監視がより便利になった Pandora FMS ~手間をかけない監視設定を実現する仕組み~
クラウド環境の監視がより便利になった Pandora FMS ~手間をかけない監視設定を実現する仕組み~
 

Plus de Shuzo Kashihara

gRPCをちょこっと調べた話
gRPCをちょこっと調べた話gRPCをちょこっと調べた話
gRPCをちょこっと調べた話Shuzo Kashihara
 
論文輪読会のススメ
論文輪読会のススメ論文輪読会のススメ
論文輪読会のススメShuzo Kashihara
 
Reading “Unikernels: Rise of the Virtual Library Operating System”
Reading “Unikernels: Rise of the Virtual Library Operating System”Reading “Unikernels: Rise of the Virtual Library Operating System”
Reading “Unikernels: Rise of the Virtual Library Operating System”Shuzo Kashihara
 
Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Shuzo Kashihara
 
PFIインターン最終発表
PFIインターン最終発表PFIインターン最終発表
PFIインターン最終発表Shuzo Kashihara
 
VC++プロジェクト向け難読化ツールの開発
VC++プロジェクト向け難読化ツールの開発VC++プロジェクト向け難読化ツールの開発
VC++プロジェクト向け難読化ツールの開発Shuzo Kashihara
 

Plus de Shuzo Kashihara (7)

gRPCをちょこっと調べた話
gRPCをちょこっと調べた話gRPCをちょこっと調べた話
gRPCをちょこっと調べた話
 
論文輪読会のススメ
論文輪読会のススメ論文輪読会のススメ
論文輪読会のススメ
 
Reading “Unikernels: Rise of the Virtual Library Operating System”
Reading “Unikernels: Rise of the Virtual Library Operating System”Reading “Unikernels: Rise of the Virtual Library Operating System”
Reading “Unikernels: Rise of the Virtual Library Operating System”
 
The Google File System
The Google File SystemThe Google File System
The Google File System
 
Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門Jubatus Casual Talks #2 Jubatus開発者入門
Jubatus Casual Talks #2 Jubatus開発者入門
 
PFIインターン最終発表
PFIインターン最終発表PFIインターン最終発表
PFIインターン最終発表
 
VC++プロジェクト向け難読化ツールの開発
VC++プロジェクト向け難読化ツールの開発VC++プロジェクト向け難読化ツールの開発
VC++プロジェクト向け難読化ツールの開発
 

Dernier

業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)Hiroshi Tomioka
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NTT DATA Technology & Innovation
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 

Dernier (8)

業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 

SensorBeeの紹介