Movatterモバイル変換

Microsoft Tech Summit 2017～ＤＢＡのＡＩことはじめ～

© 2017 日本電気株式会社 All rights reserved.人相名前は？あなたは何者？好きな食べ物は？コルタナと申します。仕事はあなたのお役に立つことです。ドーナツです。言ってみただけですけど。私の名前はシリです。もうご存知かとおもっていました。私がだれかなんて、どうでもいいことですよ。私の好みなんて、気にしないでください。私はGoogleアシスタントです。アシスタントです。私は様々な食べ物が好きです。MicrosoftAppleGoogle

© 2017 日本電気株式会社 All rights reserved.0204060801001201401601802000102030405060702012/10/28 2013/10/28 2014/10/28 2015/10/28 2016/10/28 2017/10/28「AI Deep Learning」Trend Search「NVIDIA Corp」Stock Price出典）https://trends.google.com/trends/explore?date=today%205-y&q=AI%20Deep%20Learning出典）https://stooq.com/q/d/?s=nvda.us&c=0&d1=20121027&d2=20171027&i=w

© 2017 日本電気株式会社 All rights reserved.0510152025302010年NEC2011年Xerox2012年Universityof Toronto2013年Clarifai2014年Google2015年Microsoft2016年MPS人間画像識別誤り率（％）人間の識別能力を超過本番システムで実用可能出典）Large Scale Visual Recognition Challenge (ILSVRC)コンピューター画像識別世界競技会ベストレコード推移

© 2017 日本電気株式会社 All rights reserved.ｔｆinMobileAPPIoTSoRSocialDesktopAPPWebBrowserData Source ConsumerPublishAI PredictETLDWH／DMReportAPIBIData PrepModelingEvaluationAI TrainGPUSQL ServerIntegrationServicesSQL ServerAnalysisServicesSQL ServerReportingServicesSQL ServerR ServerPower BIReport Server

© 2017 日本電気株式会社 All rights reserved.ｔｆinMobileAPPIoTSoRSocialDesktopAPPWebBrowserData Source ConsumerPublishAI PredictETLDWH／DMReportAPIBIData PrepModelingEvaluationAI TrainGPUSQL ServerIntegrationServicesSQL ServerAnalysisServicesSQL ServerReportingServicesSQL ServerR ServerPower BIReport ServerSQL Serverの門外

© 2017 日本電気株式会社 All rights reserved.ｔｆinMobileAPPIoTSoRSocialDesktopAPPWebBrowserData Source ConsumerPublishAI PredictETLDWH／DMReportAPIBIData PrepModelingEvaluationAI TrainGPUSQL ServerIntegrationServicesSQL ServerAnalysisServicesSQL ServerReportingServicesSQL ServerR ServerPower BIReport ServerML Services によりSQL Server がAIをサポートSQL ServerMachine LearningServicesNEW

© 2017 日本電気株式会社 All rights reserved.SQL Server サーバーPython/R ランタイムAPPMachine Learning ServicesDatabase ServicesプロシージャＡGPUプロシージャＣプロシージャＢPython/R記述Predict処理RAPID機械学習Chainer CNTKPython/R記述Train処理Python/R記述その他処理TensorFlow その他FW

© 2017 日本電気株式会社 All rights reserved.ｔｆinMobileAPPIoTSoRSocialDesktopAPPWebBrowserData Source ConsumerPublishAI PredictETLDWH／DMReportAPIBIData PrepModelingEvaluationAI TrainGPUSQL ServerIntegrationServicesSQL ServerAnalysisServicesSQL ServerReportingServicesSQL ServerR ServerPower BIReport ServerSQL ServerMachine LearningServices

© 2017 日本電気株式会社 All rights reserved.▌システムモデル▌Y県自治体のお悩み事毒キノコの誤食による食中毒の被害があとを絶たない。なんとか減らせないものか…。Deep Learning on SQL Server による画像判定PredictTrainInternetETLBingImageSearchAPIスマホ食用キノコ画像毒キノコ画像学習モデル（AI）要判定キノコ画像キノコ狩り判定結果可視化

© 2017 日本電気株式会社 All rights reserved.▌Y県自治体のお悩み事毒キノコの誤食による食中毒の被害があとを絶たない。なんとか減らせないものか…。Deep Learning on SQL Server による画像判定▌登場人物Data Scientist ：ＡＩを開発。SQL Server DBA：ＡＩをSQL Serverにデプロイ。Developer ：ＡＩをアプリに組込み、結果を可視化。

© 2017 日本電気株式会社 All rights reserved.ｔｆinData Source Consumer本番システムで利用可能なＡＩ実行基盤MobileAPPIoTSoRSocialDesktopAPPWebBrowserシステム構成要素が少なく信頼性が高い入口と出口が標準化されたI/Fで接続可能AIがSQL Serverのリッチな機能に相乗可能１２３AI for XAI for YAI for ZReportAPIBIETLDWH／DM

 200人の日本人の身体データ誤って100人分の性別情報を削除身体データから，その方の性別を推定する以外にオプションがありません。

 90個の身体特徴があるので，頑張れば性別判定できそう。

 身体データに入っている90個の身体特徴を見ながら，性別を予測するプログラムをゼロから書こう。 「身長」と「体重」の2つの特徴を使えば，おそらく個人の性別を判定できるだろう。

 「身長」と「体重」だけでは性別判定できなさそう。他の身体特徴も使う必要がありそうだ。

 残り時間は6時間。性別判定プログラムを6時間で書き上げるのは難しそうだ。 プログラム開発の生産性をアップする，何か別の良いソリューションはないかな？ データ削除を免れた100人の身体データから，日本人の性別と身体特徴の関係を調べたら？ あなたが知らない，男女判別に有用な身体特徴を見つけられるかもしれませんよ。

 性別情報が残った100人の身体データから，日本人の性別判定する予測モデルを作ろう。 性別情報を削除してしまった残り100人の性別は，この予測モデルを使ってレストアしよう。200人100人 100人

 最初は，「身長」と「体重」だけで日本人の性別判定できるか試してみよう。 追加の身体特徴を使うかどうかは，この予測結果を見てから判断しよう。

 「身長」と「体重」だけで72%，日本人の性別を判定できそうだな。 予測精度を100%に近づけたいから，追加の身体特徴を使おう。何を使うべきか？混同行列予測女性男性正解女性 15 6男性 8 21

 100人の日本人の身体データは，2つのクラスタに分割できそうだ。 各クラスタの代表点(重心)を見ると，女性は「体脂肪」が性別判定に効きそうだ。

身体特徴重要度身体寸法体脂肪0.43関節可動域肘関節.伸展0.21体力測定長座体前屈0.16身体寸法腹囲0.09身体特徴重要度被験者情報身長0.86身体寸法頚椎高0.85体力測定握力0.66被験者情報体重0.49

 次は「身長」「体重」に「体脂肪」を加えて，日本人の性別を予測できるか試してみよう。 追加の身体情報を使うかどうかは，この予測結果を見てから判断しよう。

 「身長」と「体重」に「体脂肪」を加えると，日本人の性別を84%判定できそうだな。 予測精度を100%に近づけたいけど，午前6時までにモデリングが終わるか不安だ。混同行列予測女性男性正解女性 19 2男性 6 23

 残り4時間。予測モデルを4時間で仕上げできるか不透明だ。 プログラム開発の生産性を更に加速する，何か別の良いソリューションはないかな？ データ削除を免れた100人の身体データに含まれる90個すべての身体特徴を使ったらどう？ ディープラーニングを使えば，性別判定に効く身体特徴を勝手に探してくれますよ。

 最初に，90個すべての身体特徴を使って日本人の性別判定できるかざっと試してみよう。 これでダメだったら，身体特徴から性別を当てるのは難しいとあきらめがつきそうだ。

 90個すべての身体特徴を使うと，日本人の性別を96%予測できそうだな。 間違えた日本人 2名は，プログラムで個別にケアすれば，なんとかなりそうだ！！混同行列予測女性男性正解女性 26 1男性 1 22

© 2017 日本電気株式会社 All rights reserved.▌シナリオあるスキーレンタル事業者のレンタルデータ（月日、曜日、祝日、天気、降雪量など）をもとに将来のレンタル数の予測を行います。▌ポイントシンプルなサンプルです。まずはPythonの開発環境でモデルトレーニング（scikit-learn×線形回帰アルゴリズム）とスコアリングを実装し、これとまったく同じ処理をSQL Server にデプロイする方法を学びIn Database Analyticsを実践します。https://goo.gl/QDnxp1

© 2017 日本電気株式会社 All rights reserved.▌シナリオニューヨークのタクシー事業者の乗車データ（時刻、距離、ピックアップ場所など）をもとに特定の乗車においてチップが得られるかどうかを予測を行います。▌ポイントIn Database Analytics の開発ライフサイクルを体感するようにチュートリアルが構成されています。同じシナリオのサンプルコードをPython、Rの両言語で用意しています。scikit-learnとRevoScaleそれぞれでロジスティック回帰モデルをトレーニングします。モデルのデプロイモデルのオペレーション探索と可視化特徴抽出トレーニングテストETLhttps://goo.gl/Lq8GVt

© 2017 日本電気株式会社 All rights reserved.▌シナリオローンデータをモデル化し、貸付金利を上昇させた場合の貸倒償却度合の変化についてWhat-If分析を行います。▌ポイントIn Database Analyticsの真価を体感できるようにチュートリアルが構成されています。PowerBIによる可視化を含んだサンプルです。RevoScaleRでディシジョンフォレストモデルをトレーニングします。In-memory TableColumn Store Power BIPredict（parallel）VisualizeTrainRloan DataImporthttps://goo.gl/zb8Rwb

© 2017 日本電気株式会社 All rights reserved.CREATE PROCEDURE ユーザ定義プロシージャASBEGINEXEC sp_execute_external_script@language = N'Python',@script =N'#Python code#'ENDSQL Server 2017Machine Learning ServicesPython RuntimeAPP結果返却Python/Rコード実行T-SQLJavaC/C++C#/VB.NETPHPNode.jsPythonRuby②③①EXEC ユーザ定義プロシージャsp_execute_external_script の呼び出しEXEC sp_execute_external_script@language = N'Python',@script =N'#Python code#'もしくはServer

© 2017 日本電気株式会社 All rights reserved.Sqlsrvr.exe Launchpad.exePythonlauncher.dll/Rlauncher.dllPython.exe/RTerm.exePython35.dll/R.dllPyLink.dll/RxLink.dllBxlServer.exeSqlSatellite.dllDatabase EngineServicesLaunchpadServicesMachine Learning ServicesPython/R Process BxlServer ProcessNamed Pipe①②③ ④Named Pipe⑤⑥TCP/IPconhost.exeAPP Serversp_execute_external_script

© 2017 日本電気株式会社 All rights reserved.１．SQL Server Database Engine Services とSQL Server Machine Learning Services のインストール２．外部スクリプト実行機能の有効化（EXEC sp_configure 'external scripts enabled', 1;）３．SQL Server の再起動

© 2017 日本電気株式会社 All rights reserved.▌Machine Learning ServicesPython/RをSQL Serverに統合した InDatabase な実行環境を提供• SQL17CU1でWindows版のみ▌Machine Learning ServerスケーラブルなPython/Rの実行環境を提供• SQL Serverとは直接かかわりがない– Windows版はSQL Serverのライセンスによって提供される• Windows/Linuxに対応こっち（MachineLearning Server）は別物

© 2017 日本電気株式会社 All rights reserved.▌Python：version 3.5.2Anaconda 4.3 がインストールされる• Continuum Analytics社が提供するPythonディストリビューションPython HOME• C:¥Program Files¥Microsoft SQL Server¥MSSQL14.MSSQLSERVER¥PYTHON_SERVICES▌R：version 3.3.3Microrosft R がインストールされる• Revolution Analytics社（2015年Microsoft社が買収）が提供するRディストリビューションR HOME• C:¥Program Files¥Microsoft SQL Server¥MSSQL14.MSSQLSERVER¥R_SERVICES

© 2017 日本電気株式会社 All rights reserved.▌Machine Learning Services は Standard Edition でも使えますEnterprise Edition 比較で機能差は無し。• （抜粋） Standard Edition has all the capabilities of in-database analytics included with Enterprise Edition,except for resource governance. Performance and scale is also limited: the data that can be processed must fit inserver memory, and processing is limited to a single compute thread, even when using the RevoScaleR functions.スレッド数やリソースのスケーラビリティに制約有り。

Movatterモバイル変換

Change Language

SQL Server 2017 で実現されるＡＩシステムモデルのご紹介

Embed presentation

Recommended

More Related Content

What's hot

Similar to SQL Server 2017 で実現されるＡＩシステムモデルのご紹介

More from Tomoyuki Oota

SQL Server 2017 で実現されるＡＩシステムモデルのご紹介

Movatterモバイル変換

SQL Server 2017 で実現される ＡＩシステムモデル のご紹介

Recommended

More Related Content

What's hot

Similar to SQL Server 2017 で実現される ＡＩシステムモデル のご紹介

More from Tomoyuki Oota

SQL Server 2017 で実現される ＡＩシステムモデル のご紹介

SQL Server 2017 で実現されるＡＩシステムモデルのご紹介

Similar to SQL Server 2017 で実現されるＡＩシステムモデルのご紹介

SQL Server 2017 で実現されるＡＩシステムモデルのご紹介