#azurejp

https://www.facebook.com/dahatake/

https://twitter.com/dahatake/

https://github.com/dahatake/

https://daiyuhatakeyama.wordpress.com/

https://www.slideshare.net/dahatake/

Switchboard

携帯電話のSwitchboard ミーティング

IBM, Switchboard

ブロードなスピーチ

チームに力を 臨床業務の最適化継続した診療にデジタルを

患者を健康に

緊急

外来クリニック

薬局

ポリシー監査

セキュリティとコンプライアンスの

強化

セキュリティとコンプライアンス

の強化

ポリシー監査

権限のあるケアコーディネート

治療計画

変形させた心配の連続変形させた心配の連続

権限のあるコーディネート

患者の関与患者の関与

継続した診療

治療計画

セキュリティとコンプライアンスの強化

操作の最適化操作の最適化

001

100

0

11

001

100

0

11

10

0

001

10

0

0

1

1

010

001

100

0

11

0

1

ケアプラン

00

1

1

00

0

1

1

10

0

0

1

10

0

患者 X

個人履歴

レコード今

00

1

1

00

0

1

1

10

0

0

1

10

0

患者 X

個人履歴

レコード今

調整投与

低グルコース

調整投与

低グルコース

患者の履歴とチャート表記を記録し、転写するためにデジタルアシスタントにタスクを依頼

インテリジェントツールを使用して、個々の診療プランに対するベストアクションを推奨

診療チームのアラートを生成するために高度な解析・予測を適用しながら、リモートで患者の監視を提供

放射線

看護

こんにちはジョン、どのように私はあなたを助けることができる?

私はインフルエンザを持っていると思います。

発熱していませんか?

放射線

潜在的な調査結果

sc、結果

潜在的な調査結果

sc、結果

高度な学習モデルを採用し、医用画像処理のワークフローを迅速化し、潜在的所見を特定

バーチャル看護助手で遠隔地の患者の症状を診断し、不必要な訪問を減らす

医療記録と認知ロボット機能を組み合わせて、医師の計測器の精度上げ、強化する

Develo

per

Data

Sci

en

tist

一般的なアルゴリズムでのデータ解析・実行

with cntk.layers.default_options(activation=cntk.ops.relu, pad=False): conv1 = cntk.layers.Convolution2D((5,5), 32, pad=True)(scaled_input)pool1 = cntk.layers.MaxPooling((3,3), (2,2))(conv1)conv2 = cntk.layers.Convolution2D((3,3), 48)(pool1)pool2 = cntk.layers.MaxPooling((3,3), (2,2))(conv2)conv3 = cntk.layers.Convolution2D((3,3), 64)(pool2)f4 = cntk.layers.Dense(96)(conv3)drop4 = cntk.layers.Dropout(0.5)(f4)z = cntk.layers.Dense(num_output_classes, activation=None)(drop4)

例：手書き文字認識 (MNIST)

Microsoft Azure

Compute Infrastructure

Featuring / Training

Prediction

Data / Users

ScalablePerformance

Throughput+ Efficiency

1度のトレーニングで、

数十億 TFLOPS

Xeon CPU だと、

1年がかり

GPU だと1日

処理毎に数十億

FLOPS

Xeon CPU だと数秒

GPU だと即座

Azure 環境に簡単にデプロイ

ND6s ND12s ND24s ND24rs

Cores 6 12 24 24

GPU 1 x P40 2 x P40 4 x P40 4 x P40

Memory 112 GB 224 GB 448 GB 448 GB

Disk ~700 GB SSD ~1.4 TB SSD ~3 TB SSD ~3 TB SSD

Network Azure Network Azure Network Azure Network InfiniBand

R User

Workstation

R Server for Hadoop

RDDsHDInsight

HDFS

RDDs

HDFS

RDDs

HDFS

Video Indexer

Cognitive Services Labs

Video Indexer

Cognitive Services Labs

Custom Custom Custom Custom Custom

従来の Database

+ App

Intelligence Database

+ App

Application +

Intelligence

Database

Application

Intelligence

+ Database

VS

#azurejp

Azure Data Lake

Azure Media Service

SQL Server 2017

Azure Data Lake service

Big Data as a Services

無限にデータをストア・管理Row Data を保存

高スループット、低いレイテンシの分析ジョブセキュリティ、アクセスコントロール

Azure Data Lake store

HDInsight & Azure Data Lake Analytics

1. 顔の解析

2. 画像へのタグ付け

3. 顔の感情分析

4. OCR

1. テキストからの重要語句の抽出

2. テキストの感情分析

Azure Data Lake の 6つの Cognitive 機能

• オブジェクト認識 (タグ)

• 顔認識、感情認識

• JOIN処理 –幸せな人は誰なのか?

REFERENCE ASSEMBLY ImageCommon;REFERENCE ASSEMBLY FaceSdk;REFERENCE ASSEMBLY ImageEmotion;REFERENCE ASSEMBLY ImageTagging;

@objects =PROCESS MegaFaceViewPRODUCE FileName, NumObjects int, Tags stringREADONLY FileNameUSING new

Cognition.Vision.ImageTagger();

@tags =SELECT FileName, T.Tag

FROM @objectsCROSS APPLY

EXPLODE(SqlArray.Create(Tags.Split(';'))) AS T(Tag)

WHERE T.Tag.ToString().Contains("dog") ORT.Tag.ToString().Contains("cat");

@emotion_raw =

PROCESS MegaFaceViewPRODUCE FileName string, NumFaces int, Emotion stringREADONLY FileName

USING new Cognition.Vision.EmotionAnalyzer();

@emotion =SELECT FileName, T.Emotion

FROM @emotion_rawCROSS APPLY

EXPLODE(SqlArray.Create(Emotion.Split(';'))) AS T(Emotion);

@correlation =SELECT T.FileName, Emotion, Tag

FROM @emotion AS E

INNER JOIN@tags AS T

ON E.FileName == T.FileName;

Images

Objects Emotions

filter

join

aggregate

付加価値を提供する多くのパートナーソリューション

Streaming /

CDNコンテンツ保護

Processing取り込み

と保管

メディア配信のコア機能を

APIとして提供

Azure Media Services

PlayerAI

(Artificial Intelligence)

Vision

Speech

Language

Face

画面上の文字

歴史的建造物

話している言葉

翻訳

話者

オブジェクト

シーン

感情

感情

感情キーワード

Azure Media

Service Azure Functions

翻訳

感情 キーワード

R & Python ベースのAI のストアドプロシージャ

MicrosoftML Library の組み込み

Graphモデルのサポートによるより複雑な関係を分析

クエリ処理の最適化による比類なきパフォーマンス

AI を組み込んだ最初の商用データベース

SQL Server2017

• SQL Server, CNTK & R/Python –それぞれの強い部分を連携させたエンタープライズグレードの AI アプリケーション

• データを移動させる必要がないため、セキュリティと効率化が向上

• GPU による、処理能力の向上

Featurizationclassifier model

でのスコアリング

Web App

Diagnosis: 35% certainty

Python / R で実装したストアドプロシージャ ストアドプロシージャ

の呼び出し

Model table,

Features table,

New Images table

SQL Server

execute sp_execute_external_script

@language = N'R'

, @script = N'

x <- as.matrix(InputDataSet);

y <- array(dim1:dim2);

OutputDataSet <- as.data.frame(x %*% y);'

, @input_data_1 = N'SELECT [Col1] from MyData;'

, @params = N'@dim1 int, @dim2 int'

, @dim1 = 12, @dim2 = 15

WITH RESULT SETS (([Col1] int, [Col2] int, [Col3] int, [Col4] int));

‘R’ もしくは ‘Python’

R file や Python file の読み込みも

入力データ。 T-SQL SELECT も使えるスクリプト用のパラメーター。”OUTPUT” もサポー

ト。トレーニング済みのモデルには varbinary(max) を

使用

Result setのバインド(Optional)

STDOUT や STDERR と一緒にメッセージ文字列も

R dataframeもしくはPython Pandas dataframe

launchpad.exe

sp_execute_external_script

sqlservr.exeNamed pipe

それぞれの SQL インスタンスがlaumchpad.exe を持

つ

SQLOS

XEvent

MSSQLSERVER Service MSSQLLAUNCHPAD Service

“何を” そして “どう”

“実行” するか

“launcher”

Bxlserver.exe

sqlsatellite.dll

Bxlserver.exe

sqlsatellite.dll

Windows Satellite

Process

sqlsatellite.dll

Run your “query”

In-memory OLTPColumn Store

大量データの書き込み処理

PowerBI DashboardスケールするDatabase 内の分析

R

業務ユーザー

分析の用意

Stored

Predictions

Visualize

SQL-R を使って、秒間100万件の機械学習の処理も

Gathering

Data

Store

Data

Store

Data

Store

Data

Store

Data

Store

Training

DatasetModel

Data Process Training Deploy Prediction

Model

ModelLang. Image

Model Video

Dataset Model

Dataset Model

Model

Service

リモートモニタリング・制御

多数のIoTデバイスからの収集データをマージ

先進AIの適用を可能にする、無限に近いコンピューティングリソースとストレージ

リアルタイム応答に必要なローレーテンシーでタイトなコントロールループ

プライバシーデータや知的財産の保護

Azure IoT Edge IoT Hub

Devi

ces

Local Storage

Azure Machine

Learning

(Container)

Functions

RuntimeContainer

Management

Device

Twin

Device

Twin

Azure Stream

Analytics

(Container)

Azure Functions

(Container)

Cognitive Services

(Container)

Custom Code

(Container)

Module

Twin

Module

Twin

Module

Twin

Module

Twin

Module

Twin

Module

TwinModule

TwinModule

TwinModule

TwinModule

Twin

#azurejp

さあ、始めましょう!azure.com

© 2017 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries.

The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a

commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation.

MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.