「Azure Machine Learning Workbench の使い方」発表と資料公開をしました (第11回 Cogbot勉強会) #cogbot

第11回 Cogbot勉強会 (2018年1月23日(火) 開催) で、

Azure Machine Learning Workbench の使い方

というテーマでセッションを担当しました。

 


深層学習は「完璧なコードを書いて完璧なデバッグ」は開発の終わりではなくて、始まりであるところが従来のシステム開発との違いの一つだと思っています。
(もちろん今までだってデバッグ完了すれば OK というわけではないけど)

ざっくり開発の手順を書いてみると、

  1. コーディング(+データ前処理)
  2. デバッグ
  3. トレーニング
  4. ジョブ比較
  5. モデル管理+デプロイ

という手順で進んでいきます。

Azure Machine Learning Workbench はこの手順のうち、

  • トレーニング
  • ジョブ比較
  • モデル管理

を実施するためのツールです。

ちなみにコーディング、デバッグは  Visual Studio Code に任せてしまおうというのが、Workbench Preview のスタンス。

トレーニングを繰り返す際、ハイパーパラメーター(=学習データをどの単位で何回実施するかなどの条件)と実行結果(精度、エラー率など、モデルの “賢さ”)とを手書きでメモするとか Excel に書いていくとか、手作業に頼る部分があったのが従来の深層学習でした。

これを自動的に管理してくれるのが Workbench です。
かつグラフ表示や一覧表示することで、ジョブ(=学習の各回の実施)の結果を比較しやすくくてくれます。

なかなか 30分でお話しできる内容ではないし、ブログもこの回だけでは説明しきれないので、これから何回かに分けて Workbench の使い方をもう少し詳しく紹介したいと思います。

まだ “完成形” からは遠いツールではあると思いますが、深層学習を進めやすくする機能が詰まったツールでもあります。
今後の改訂を期待しつつ、ブログで紹介していきますね。

広告
カテゴリー: CNTK, Cogbot, Machine Learning Workbench, 深層学習 タグ: , , , , パーマリンク

コメントを残す

以下に詳細を記入するか、アイコンをクリックしてログインしてください。

WordPress.com ロゴ

WordPress.com アカウントを使ってコメントしています。 ログアウト /  変更 )

Google+ フォト

Google+ アカウントを使ってコメントしています。 ログアウト /  変更 )

Twitter 画像

Twitter アカウントを使ってコメントしています。 ログアウト /  変更 )

Facebook の写真

Facebook アカウントを使ってコメントしています。 ログアウト /  変更 )

%s と連携中