intra-martのAI基盤「IM-AI」新登場！ · Copyright © 2017 NTT DATA INTRAMART CORPORATION (付録)一般的な機械学習の流れ 14 1.データ収集分析対象となるデータを収集

Copyright © 2017 NTT DATA INTRAMART CORPORATION

NTTデータイントラマート

デジタルビジネス事業推進室

高松大輔

既存アプリを気軽にインテリジェント化。

intra-martのAI基盤「IM-AI」新登場！

IM-AI基盤のご紹介


アジェンダ

2

intra-martのAI基盤ご紹介

KNIMEについて

活用例のご紹介

今後の取り組み

まとめ

2

345

1


3

intra-martのAI基盤ご紹介1


intra-martのAI基盤(IM-AI基盤)について

4

Accel

Platform-システム共通

基盤-

Accel-Mart-クラウドサー

ビス-

IM-BPM-業務プロセス(BPM)-

業務システム

Accel Applications-アプリケーション

シリーズ-

パートナーソリューション

IM-AI基盤


DMP(データ・マネジメント・プラットフォーム)構想

5

パブリック版

IM-DMP

各顧客様に対してパーミッションを取得して個人情報以外のデータを集約する。

A社 B社 C社 D社 E社 F社

プライベート版

IM-DMP


IM-DMP


IM-DMP


IM-DMP


IM-DMP


IM-DMP

データ提供者に、パブリックデータを用いたデータモデルをフィードバック

Accel-Martを想定


IM-AI基盤の位置付け

6

(GUI開発機能)

IM-

DMP

データソース

機械学習処理フロー

学習モデル

他の機械学習ツール IM-IoT基盤

IM-LogicDesigner

intra-martアプリ

IM-AI基盤

hadoop

Elasticsearch


7

KNIMEについて2


KNIMEについて(1/7)

8

KNIMEとは

KNIMEはドイツの Konstanz大のバイオ系の部門が開発したOSSプラットフォームです。EclipseベースでJavaで作られており、拡張プラグインでWeka、R、Python などを呼び出して利用できます。GUIベースでデータ読込みから、デプロイ、レポーティングまでEnd-To-Endな分析が可能になります。



9

KNIMEの豊富な機能群

KNIMEでは、1000種を超えるノード群と豊富な分析アルゴリズムが提供されており、まさに分析者にとって最適な統合環境となります。

他にも多種のノードが使用できます。

ファイル読み込み等データ操作

分析アルゴリズム



10

KNIMEの豊富なサンプル・アクティブなコミュニティ

KNIMEを使った分析を円滑に進めるための豊富なサンプル、ユーザー・開発者向けのフォーラムなど充実しています。

豊富なサンプルフォーラム(カテゴリも多数)



11

KNIMEの拡張機能により、独自のプラグイン開発、大規模データの分析が可能※

KNIME Analytics Platformを中心にスケーラビリティ・オプションとコラボレーションツールなどの提供も行っています。さらに独自の拡張機能を追加できるようなプラグインを作成することができます。

生産性

コラボレーションスケーラビリティ

独自拡張機能

※一部有償提供となります。



12

intra-mart謹製のKNIMEプラグインElasticSearchへの読み書きを行う拡張機能

その他ロジックデザイナー連携部品や各種ユーティリティをintra-martプラグインとして追加しております。



13

（デモ）KNIMEを使った機械学習の流れを紹介


(付録)一般的な機械学習の流れ

14

1.データ収集

分析対象となるデータを収集します。教師あり学習を行う場合は教師データも必要となります。

5.チューニング

モデルの評価を行います。分析結果とモデルから指標値を算出することで、そのモデルの妥当性を定量的に評価し次の分析時のパラメータ設定などの参考とします。

2.データ整形

収集したデータを扱いやすい形に加工します。「データクレンジング」と呼ばれる作業もこのフェーズで行われます。

4.機械学習

機械学習を行って分析を行います。基本的には学習データを用いて機械学習モデルを作成し、そのモデルを用いて予測や分類など行うことになります。

3.特徴抽出

データを機械学習で扱うことが可能な特徴ベクトルという形式に変換します。（様々な手法が存在します。）



15

（デモ）KNIMEの可視化機能の紹介


KNIME × intra-mart

16

連携パターン詳細活用例

IM-LogicDesigner→KNIME呼び出し

IM-LogicDesignerからKNIMEのフローを呼び出す

アドホックな機械学習

KNIME

→IM-LogicDesigner呼び出し

KNIMEのフローからIm-LogicDesignerを呼び出す

学習時の例外を通知

学習モデルの移送 KNIMEで作成した学習モデルをIM-IoT基盤上で実行。(Spark上でモデル利用)

高トラフィック環境での予測・異常検知

IM-IoT連携プラグイン IM-IoT基盤と簡単に接続可能なKNIMEノードを追加

IoTとの連携


IM-IoT基盤との関連

17

IM-AI基盤は大きく２種類のプラットフォームより構成されています。

KNIME：GUIでフロー作成、学習、予測を行うツール単体で利用できる。

IM-IoT基盤：大規模データ、ストリーミングデータに対する処理で利用できる

プラットフォーム・コンポーネントは共存可能で、それぞれ利用でき

るコンポーネントは以下の通りとなっています。

KNIME IM-IoT基盤

KNIME-Executor MLExecutor

MLExecutor+Spark

SparkMLlib

KNIME-SparkExecutor


機械学習の適用領域

18

回帰

線形

非線形

ノンパラメト

リック

分類

決定木

アンサンブル

SVM

クラスタリング

k-Means

ウォード法

DBSCAN

………

教師あり教師なし


19

活用例のご紹介3


活用例① オペレーションの効率化(1/2)

20

日常業務ログを自動収集し、使うほど精度の高いサジェストを提供する。


活用例① 作り方

21

データ収集

BPMで入力修正された項目を収集

特徴抽出

入力項目の修正率をユーザ毎に計算、One-To-Manyによる特徴ベクトル作成

アルゴリズム

コサイン類似度をユーザー間の類似度とみなして類似ユーザを決定、類似ユーザの入力

修正した項目を推薦

コサイン類似度の計算によって

類似するユーザを抽出するKNIMEワークフロー


活用例② スケジュール自動設定機能

22

質問に答えるだけで、面倒な日程候補作成を自動可するツール日程自動調整機能と連動し、自動的に他メンバーを調整することもできる。

参加者は？候補期間は？会議室利用は？確保時間は？曜日指定は？

日時会議室制約選択

4/24(月)

13:00-14:00

A会議室(10名)

田中さんが出席できません

4/26(水)

11:00-12:00

Ｂ会議室(12名)

なし

5/8(月)

15:00-16:00

C会議室(8名)

会議室が少し狭いです。

…

(仮)調整中

(仮)スケジュール

Ｘｘｘさんが調整中のスケジュールです。調整メール用テンプレート以下の日程候補でいかがでしょうか。1.4/26(水) 11:00～12:00 弊社(B会議室)

2.5/8(月) 15:00～16:00 弊社(C会議室)

レ

レ

候補を選択すると、日程候補を自動設定、メールテンプレを作成


活用例② 作り方

23

スケジュール重要度判断機能、キーマン判断機能

データ収集

intra-mart Accel Collaboration スケジュール情報

（スケジュールコード、タイトル、参加者）

特徴抽出

データ変換（One-To-Many、Min-Max）

アルゴリズム

K-Means法（クラスタリング）

K-Means法によって

クラスタリング数を決定する

KNIMEワークフロー


AIエージェントの紹介

24

機械学習結果のサジェストに利用

プラグインで任意の画面に追加できる。

アイコンは差し替え可能。

AIの分析結果をユーザに伝える「AIエージェント」


25

今後の進め方4


今後の進め方

26

IM-AI基盤上で動作するアプリの拡充

プロセスの自動作成

パーソナルサジェスト

年内はPoCを中心に実施

機械学習を活用した予測・兆候分析

データマイニング

トレンド分析

マーケティング分析


27

まとめ5


まとめ

28

IM-AI基盤が利用可能になりました

KNIMEを利用して簡単に機械学習を作成し、

intra-martで活用可能です。

PoCのご相談おまちしております

ポイント１

ポイント２

ポイント３


29

Thank

You!

Documents

intra-martのAI基盤「IM-AI」新登場！ · Copyright © 2017 NTT DATA INTRAMART CORPORATION (付録)一般的な機械学習の流れ 14 1.データ収集 分析対象となるデータを収集

intra-martのAI基盤「IM-AI」新登場！ · Copyright © 2017 NTT DATA INTRAMART CORPORATION (付録)一般的な機械学習の流れ 14 1.データ収集分析対象となるデータを収集