Speaker Deckに移行しました https://speakerdeck.com/s2terminal/kantanji-jie-xue-xi-hazimeno1bu-azuremachinelearningdetweetworekomendo

1. Microsoft Global Azure Boot Camp 2016 in Japan
suzuki.sh (@s2terminal)
かんたん 機械学習 はじめの1歩
Azure Machine Learning で Tweet を レコメンド

2. Self Introduction
鈴木就斗 (suzuki.sh)
 名古屋のWebエンジニア
 合唱音楽の鑑賞が趣味
 NinjaSlayer、Splatoon、そしてMicrosoft Azureがすき
 twitter: @suzukiterminal
 facebook: @sh.suzuki.921
 GitHub: @s2terminal

3. Azureを使っているところ
 はてなブックマークしたURLをPocketに入れるAPI
 http://s2terminal.hatenablog.com/entry/2015/07/05/165010
 Azure API Apps (去年のセッションに触発されて作りました)
 Webサービス「合唱音源の新着情報」を運営
 http://合唱音源の新着情報.com
 Azure Virtual Machine + Azure SQL Database
 Twitter @s2terminal

4. Twitter投稿データ
合唱音源の新着情報
Azure VM上のアプリケーション(Ruby on Rails)で
登録情報をTwitterに半自動投稿
投稿に含まれる作曲者、曲名などの情報を
詳細データとしてタグ付け管理している

5. Twitter投稿データ
 Twitter 800 件分の投稿データ
 1,500 件の詳細データ (演奏者、作曲者名などのタグ情報)
 3,000 回のリツイート(RT)データ
 投稿とRTデータを組み合わせて、RTを評価点としてレコメンドしたい
→ Azure Machine Learning
MatchBox Recommendation を使ってみた

6. Matchbox Recommendationで用いる3つのデータ
 item-features
 ツイートの詳細データ(作曲者名、曲名、投稿日など)に該当
 user-features
 Twitterユーザデータに該当（今回は無し）
 user-item-rating
 誰がどのツイートをRTしたか？の評価データ
これらを使うことで、どんなuserが、どんなitemに評価をするか推測できる
データソースにはCSV等いくつかの形式が使用可能

7. Azure Machine Learningワークスペースを作成
 DataSouceをアップロード
 ML Studio上でDataSource、Train
Matchbox Recommendation、Score
Matchboxを配置
 Score Matchbox Recommendationの
「Recommended item selection」を
「From Rated Items」→「From All
Items」に変更
 Project Columnsを配置し、user-item-
ratingの評価用出力をuser-idのみに絞る
※ ここまで数式もプログラムも一切なし。かんたん！

8. 結果
Item1 に 「 186 」 がずらり
なにかと思ってDBを見てみると…
https://twitter.com/s2terminal/status/550310731636158464

9. 最もたくさんRTされた投稿だった
普段は数RTしかされない中で
1個だけ 70 RTを超えているので
誰が考えてもそりゃそうなる。
機械とか関係ない。テクノロジーの欠片もない。
結果はあまり面白くないものの
無事にレコメンドすることができた

10. WebAPI化
 PREPARE WEB SERVICEから、
Web Service Input/Outputを設定
 C#、Python、Rの3種類で
サンプルコードが提供される。
 今回はRuby on Railsで記述
 https://gist.github.com/s2terminal/4a
6d11d90803778e00027d6830e614e7
#file-request_azure_ml-rb
 ※プログラム書いたのはここだけ！
 APIを叩くWebサービスを作り
Azure VMにdeployして完成

11. 課題
 取得できるTweetに偏りがある
 どのユーザに対しても、単にたくさんRTされたツイートばかり表示される
 ユーザによってさまざまな結果が出てほしい
 データを増やしたい
 Twitterのお気に入りデータを取得したいが、良いAPIが無い
 https://twittercommunity.com/t/list-of-people-who-favorited-a-particular-tweet/11083
 (料金が正直よくわからない…)
 https://azure.microsoft.com/ja-jp/pricing/details/machine-learning/
 「スタジオ実験時間」「実稼働」に該当するのはどの時間？
 無料プランはどこで選択するの？

12. まとめ
Azure MLでかんたんに機械学習を始めることができる
 プログラムが必要なのは、WebAPI化時のクライアント側の開発
 数学も(最初は)必要ない
 クラウドサービスなので、スケーラブルな計算リソースや
WebベースのGUIツール等が最初から提供される
 豊富なサンプルデータが用意されており、すぐに実験できる
Why don‘t you use Azure Machine Learning?

13. 参考文献
 クラウドではじめる機械学習 Azure MLでらくらく体験
 http://www.amazon.co.jp/dp/4897979927
 Webブラウザーだけで学ぶ機械学習の「お作法」
 http://www.atmarkit.co.jp/ait/articles/1412/01/news104.html
 Using Train Matchbox Recommender for Data Without Ratings
 http://www.resolvinghere.com/sm/using-train-matchbox-recommender-for-data-
without-ratings.shtml
 「Training dataset of user-item-rating triples contains invalid data. . ( Error 0018 )」のエ
ラーにはまったとき助けられました