Enviar búsqueda
Cargar
AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)
•
5 recomendaciones
•
2,072 vistas
Keita Onabuta
Seguir
Azure Machine Learning の AutoML の機能 % モデル解釈の機能
Leer menos
Leer más
Datos y análisis
Denunciar
Compartir
Denunciar
Compartir
1 de 23
Descargar ahora
Descargar para leer sin conexión
Recomendados
東北大学AIE - 機械学習中級編とAzure紹介
東北大学AIE - 機械学習中級編とAzure紹介
Daiyu Hatakeyama
Azure Machine Learning アップデートセミナー 20191127
Azure Machine Learning アップデートセミナー 20191127
Keita Onabuta
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
Keita Onabuta
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
Daiyu Hatakeyama
DataDrift in Azure Machine Learning
DataDrift in Azure Machine Learning
Keita Onabuta
Azure machine learning service 最新の機械学習プラットフォーム
Azure machine learning service 最新の機械学習プラットフォーム
Keita Onabuta
【Microsoft×Aidemy】初めて作る!機械学習モデルハンズオンセミナー: Designer の知っておきたい便利機能
【Microsoft×Aidemy】初めて作る!機械学習モデルハンズオンセミナー: Designer の知っておきたい便利機能
Daiyu Hatakeyama
Neural Network Intelligence 概要 (AutoML Platform)
Neural Network Intelligence 概要 (AutoML Platform)
Keita Onabuta
Recomendados
東北大学AIE - 機械学習中級編とAzure紹介
東北大学AIE - 機械学習中級編とAzure紹介
Daiyu Hatakeyama
Azure Machine Learning アップデートセミナー 20191127
Azure Machine Learning アップデートセミナー 20191127
Keita Onabuta
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
Keita Onabuta
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
2021/6/3 Deep Learning Lab - Azure Synapse Analytics Ignite & Build アップデートake
Daiyu Hatakeyama
DataDrift in Azure Machine Learning
DataDrift in Azure Machine Learning
Keita Onabuta
Azure machine learning service 最新の機械学習プラットフォーム
Azure machine learning service 最新の機械学習プラットフォーム
Keita Onabuta
【Microsoft×Aidemy】初めて作る!機械学習モデルハンズオンセミナー: Designer の知っておきたい便利機能
【Microsoft×Aidemy】初めて作る!機械学習モデルハンズオンセミナー: Designer の知っておきたい便利機能
Daiyu Hatakeyama
Neural Network Intelligence 概要 (AutoML Platform)
Neural Network Intelligence 概要 (AutoML Platform)
Keita Onabuta
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
Recruit Lifestyle Co., Ltd.
BrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AI
Daiyu Hatakeyama
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Daiyu Hatakeyama
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Daiyu Hatakeyama
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Keita Onabuta
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
Daiyu Hatakeyama
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
Daiyu Hatakeyama
Spark Analytics - スケーラブルな分散処理
Spark Analytics - スケーラブルな分散処理
Tusyoshi Matsuzaki
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
Azure Machine Learning services 2019年6月版
Azure Machine Learning services 2019年6月版
Daiyu Hatakeyama
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Daiyu Hatakeyama
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
Recruit Lifestyle Co., Ltd.
Azure Cognitive Services
Azure Cognitive Services
Deep Learning Lab(ディープラーニング・ラボ)
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Daiyu Hatakeyama
Azure Machine Learning Services 概要 - 2019年3月版
Azure Machine Learning Services 概要 - 2019年3月版
Daiyu Hatakeyama
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
Ryoma Nagata
20180627 databricks ver1.1
20180627 databricks ver1.1
Hirono Jumpei
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Daiyu Hatakeyama
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
HironoriTAKEUCHI1
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
Naoki (Neo) SATO
Más contenido relacionado
La actualidad más candente
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
Recruit Lifestyle Co., Ltd.
BrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AI
Daiyu Hatakeyama
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Daiyu Hatakeyama
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Daiyu Hatakeyama
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Keita Onabuta
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
Daiyu Hatakeyama
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
Daiyu Hatakeyama
Spark Analytics - スケーラブルな分散処理
Spark Analytics - スケーラブルな分散処理
Tusyoshi Matsuzaki
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
Azure Machine Learning services 2019年6月版
Azure Machine Learning services 2019年6月版
Daiyu Hatakeyama
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Daiyu Hatakeyama
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
Recruit Lifestyle Co., Ltd.
Azure Cognitive Services
Azure Cognitive Services
Deep Learning Lab(ディープラーニング・ラボ)
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Daiyu Hatakeyama
Azure Machine Learning Services 概要 - 2019年3月版
Azure Machine Learning Services 概要 - 2019年3月版
Daiyu Hatakeyama
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
Ryoma Nagata
20180627 databricks ver1.1
20180627 databricks ver1.1
Hirono Jumpei
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Daiyu Hatakeyama
La actualidad más candente
(20)
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
データサイエンティストが力を発揮できるアジャイルデータ活用基盤
BrainPad - Doors - A-1 - Microsoft Data and AI
BrainPad - Doors - A-1 - Microsoft Data and AI
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Azure Machine Learning Hands-on - AutoML編 - 2020年1月
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Qiita x Microsoft - 機械学習セミナー Microsoft AI Platform
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
Azure ML - OpenVINO 師走の推論ナイト 20191211 講演資料
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
次世代のデータ活用としてのIntelligent Data Platform-Microsoft Azure と AI (Artificial Inte...
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
InterBEE 2020 Microsoft - AI for Media - Technical Deep Dive
Spark Analytics - スケーラブルな分散処理
Spark Analytics - スケーラブルな分散処理
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Azure Machine Learning services 2019年6月版
Azure Machine Learning services 2019年6月版
Open Cloud カンファレンス@札幌 Microsoft AI最前線
Open Cloud カンファレンス@札幌 Microsoft AI最前線
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
The Design for Serverless ETL Pipeline データ分析基盤のレガシーなデータロードをサーバレスでフルリプレースするまで道のり
Azure Cognitive Services
Azure Cognitive Services
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Microsoft Open Tech Night: Azure Machine Learning - AutoML徹底解説
Azure Machine Learning Services 概要 - 2019年3月版
Azure Machine Learning Services 概要 - 2019年3月版
MLOpsはバズワード
MLOpsはバズワード
Azure Purview Linage for Dataflow/Spark
Azure Purview Linage for Dataflow/Spark
20180627 databricks ver1.1
20180627 databricks ver1.1
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Deep Learning Lab : Build 2020 Update - Reinforcement Learning on Azure Machi...
Similar a AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
HironoriTAKEUCHI1
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
Naoki (Neo) SATO
【de:code 2020】 AutoML ではじめる機械学習の民主化
【de:code 2020】 AutoML ではじめる機械学習の民主化
日本マイクロソフト株式会社
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
Denodo
Azure Machine Learning Build 2020
Azure Machine Learning Build 2020
Keita Onabuta
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~
Naoki (Neo) SATO
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
Ayako Omori
スマートエスイーセミナー:機外学習応用システムパターンの例
スマートエスイーセミナー:機外学習応用システムパターンの例
HironoriTAKEUCHI1
エンタープライズと機械学習技術
エンタープライズと機械学習技術
maruyama097
Azure Machine Learning の使い方 (全体を理解するための入門編)
Azure Machine Learning の使い方 (全体を理解するための入門編)
hnishi
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
Hironori Washizaki
機械学習アーキテクチャ・デザインパターン
機械学習アーキテクチャ・デザインパターン
Hironori Washizaki
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
Kohei Ogawa
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Takuya Minagawa
Microsoft AI Platform
Microsoft AI Platform
Daiyu Hatakeyama
MLOps入門
MLOps入門
Hiro Mura
機械学習応用アーキテクチャ・デザインパターン概観
機械学習応用アーキテクチャ・デザインパターン概観
Hironori Washizaki
20181117 azure ml_seminar_1
20181117 azure ml_seminar_1
sady_nitro
IoT World Conference 2017 - Microsoft AI Platform
IoT World Conference 2017 - Microsoft AI Platform
Daiyu Hatakeyama
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
Hironori Washizaki
Similar a AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)
(20)
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
機械学習応用システムのアーキテクチャ・デザイパターン(2020-07 ドラフトバージョン))
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
【de:code 2020】 AutoML ではじめる機械学習の民主化
【de:code 2020】 AutoML ではじめる機械学習の民主化
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
データ仮想化を活用したデータ分析のフローと分析モデル作成の自動化のご紹介
Azure Machine Learning Build 2020
Azure Machine Learning Build 2020
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~
[Developers Festa Sapporo 2018] Azure AI ~Microsoft AzureでのAI開発のイマ~
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
スマートエスイーセミナー:機外学習応用システムパターンの例
スマートエスイーセミナー:機外学習応用システムパターンの例
エンタープライズと機械学習技術
エンタープライズと機械学習技術
Azure Machine Learning の使い方 (全体を理解するための入門編)
Azure Machine Learning の使い方 (全体を理解するための入門編)
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習アーキテクチャ・デザインパターン
機械学習アーキテクチャ・デザインパターン
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
講演資料「Azure AI Update Ignite Fall 2021を振り返ろう!」
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Microsoft AI Platform
Microsoft AI Platform
MLOps入門
MLOps入門
機械学習応用アーキテクチャ・デザインパターン概観
機械学習応用アーキテクチャ・デザインパターン概観
20181117 azure ml_seminar_1
20181117 azure ml_seminar_1
IoT World Conference 2017 - Microsoft AI Platform
IoT World Conference 2017 - Microsoft AI Platform
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
機械学習デザインパターンおよび機械学習システムの品質保証の取り組み
AutoML & InterpretML (2019/11/27 Deep Learning Lab 講演資料)
1.
AutoML のモデルを Azure
ML で解釈してみた 女部田啓太 日本マイクロソフト株式会社 Cloud Solution Architect – Machine Learning & Deep Learning https://github.com/konabuta https://www.linkedin.com/in/ keita-onabuta/
2.
3.
AutoML
4.
モデル学習のプロセス アルゴリズム 選択 パラメータ 選択 特徴量 エンジニアリング モデルデータ 学習 モデル探索
5.
• 試行錯誤が楽になる • 誰でも機械学習モデルが作れる
(AI の民主化) • モデルを大量に生成できる • 多数セグメントの需要予測・マーケティング etc
6.
Microsoft Research (MSR)
7.
8.
企業における機械学習プロジェクトを支えるプラットフォーム インフラ管理 スケジューリング、オートスケール、バックアップ データセット管理 プロファイル、バージョン、ラベリング、ドリフト検知 推論環境 (Cloud &
Edge) リアルタイム & バッチ、No Code Deploy 分析機能 機械学習、深層学習、強化学習 (private preview) (Python & R SDK、 Estimator、 自動チューニング) モデル管理 バージョン 実験管理 メトリック、ログ、履歴 民主化 AutoML、 Designer、 Azure ML studio エンタープライズ対応 セキュリティ、ガバナンス、モニタリング、モデル解釈 MLOps 再現性、自動化、Azure DevOps連携、CLI、REST IoT エッジ セキュリティ、管理、デプロイ 機械学習モデル Power BI Data warehouses ONNX + App データソース ライブラリ 開発ツール
9.
企業における機械学習プロジェクトを支えるプラットフォーム インフラ管理 スケジューリング、オートスケール、バックアップ データセット管理 プロファイル、バージョン、ラベリング、ドリフト検知 推論環境 (Cloud &
Edge) リアルタイム & バッチ、No Code Deploy 分析機能 機械学習、深層学習、強化学習 (private preview) (Python & R SDK、 Estimator、 自動チューニング) モデル管理 バージョン 実験管理 メトリック、ログ、履歴 民主化 AutoML、 Designer、 Azure ML studio エンタープライズ対応 セキュリティ、ガバナンス、モニタリング、モデル解釈 MLOps 再現性、自動化、Azure DevOps連携、CLI、REST IoT エッジ セキュリティ、管理、デプロイ 機械学習モデル Power BI Data warehouses ONNX + App データソース ライブラリ 開発ツール aka.ms/aml1127
10.
データ ゴール設定 制約条件 Input ベイズ最適化 +
協調フィルタリングを用いた 効率的な機械学習パイプラインの探索 Optimized model 機械学習のプロセスを全自動で構築する最新アプローチ Output
11.
12.
• Microsoft Research
の研究結果をベースに開発 • NIPS 2018 にて論文を発表 • 強調フィルタリングとベイズ最適化をメタ学習に採用 • プライバシー保護:データを直接見ない • ONNX 変換をサポート • スケーラブルな計算環境による高速学習 RegressionClassification Time Series Forecasting Supervised Learning Automated Machine Learning の利用メリット
13.
microsoft/nni
14.
Hyper Parameter Tuning Network
Morphism など Neural Architect Search
15.
モデル解釈
16.
Model interpretability in
Azure Machine Learning service
17.
※contrib
18.
https://www.kaggle.com/ajay1735/hmeq-data 件数:5961レコード 項目 - 説明変数 :
12 - 目的変数 : 1
19.
モデル全体の説明変数の重要度
20.
個々の予測値についての説明変数の重要度
21.
22.
Azure 無償トライアル :
http://aka.ms/amlfree Azure ML ドキュメント : http://aka.ms/azureml-ja-docs Microsoft Learn :https://aka.ms/mslearn-aml
23.
MICROSOFT CONFIDENTIAL 本資料は情報提供のみを目的としており、本資料に記載されている情報は、本資料作成時点でのマイクロソフトの見解を示し たものです。状況等の変化により、内容は変更される場合があります。本資料に表記されている内容(提示されている条件等 を含みます)は、貴社との有効な契約を通じて決定されます。それまでは、正式に確定するものではありません。従って、本資 料の記載内容とは異なる場合があります。また、本資料に記載されている価格はいずれも、別段の表記がない限り、参考価 格となります。貴社の最終的な購入価格は、貴社のリセラー様により決定されます。マイクロソフトは、本資料の情報に対して 明示的、黙示的または法的な、いかなる保証も行いません。 © 2019
Microsoft Corporation. All rights reserved.
Descargar ahora