#azurejp https://www.facebook.com/dahatake/ https://twitter.com/dahatake/ https://github.com/dahatake/ https://daiyuhatakeyama.wordpress.com/ https://www.slideshare.net/dahatake/
#azurejp
https://www.facebook.com/dahatake/
https://twitter.com/dahatake/
https://github.com/dahatake/
https://daiyuhatakeyama.wordpress.com/
https://www.slideshare.net/dahatake/
2020 年までに、インダストリー 4.0 の先発企業は、同
時に30%の増収と
コスト削減を実現するが、平均的な企業は 1 年にそれぞれ 2.9% と 3.6%
しか実現しない。1の製造会社の役員が、2020 年までに
ヒューマンマシン中心の環境が一般的になると予想している。6
40% の業務プロセスが 2022 年までに
自己復旧および自己学習の機能を持つ。5
5,000 億ドルの節約が、製造会社や機器メーカーに、
仮想化、リアルタイム通信、およびコボット テクノロジからもたらされると見込まれる。795% のビジネスリーダーが、今後 3 年以内に自社で
IIoTが使用されると予想している。2
「コンシューマーは最終的に
勝者と敗者を便宜性が高く、コストが低く、
カスタマイズされたモビリティソリューションを競い合う企業や
ブランドから選択する」3
3 ~ 5 年以内に、
数億ものモノが
デジタルツインで
表される。4
85%
このインフォグラフィックは、サードパーティのデータのマイクロソフトによる分析に基づいています。出典: 1.「PWC 2016 Global Industry 4.0 Survey」(PWC 2016 世界のインダストリー 4.0 の調査)、Dr. Reinhard Geissbauer、Jesper Vedso、および Stefan Schrauf。http://www.gartner.com/newsroom/id/3482617 2.「Connected business transformation: how to unlock value from the Industrial Internet of
Things」(つながるビジネス変革: 産業用 IoT (モノのインターネット) から価値を解放する方法)、Accenture、2017 年 2 月。3.「What‘s ahead for fully autonomous driving: Consumer opinions on advanced vehicle technology」(全自動運転の向こうにあるもの: 高度な車両テクノロジに対するコンシューマーの意見)、Deloitte、2017 年 2 月。4.1. http://www.gartner.com/newsroom/id/3482617 5.「DC FutureScape:
Worldwide Digital Transformation 2017 Predictions」(DC FutureScape: 世界のデジタル変革の 2017 年の予想)、2017 年 1 月、Doc # US42259317、Web 会議、Michael Versace。6.Eric Schaeffer 他、「Machine Dreams; Making the most of the connected industrial workforce」(機械の夢: つながる産業人材を最大限に利用する)、Accenture、2017 年 2 月。7. Daniela Costa (責任者)、European Capital Goods Equity Research、Goldman Sachs Research、Forrester Research、2017 年 1 月。
フィジカル
製造設備
原材料、プロダクト
予防保全
顧客中心主義迅速に革新し、より機敏になる
デジタル
スマートプロダクト
サービス・エコシステム
コネクテッド・コンシューマ
顧客
サプライチェーン
設計開発
製造
マーケティング 販売
サービス
完全自動運転で100%無事故を実現しようとすると最低でも88億マイルをテストしなければならない。1
2020年、自動運転車は1日に約4,000ギガバイトのデータを生成し、消費する。2
Paris Auto Show Automobility Los Angeles Gartner TechRadar EarthdataAutomobility Los Angeles
2020年、204億のモノがつながる。3
90分のアニメーション映像を製作するために、6,500万時間分の
画像レンダリングが必要となる。4
2020年、飛行機から1日に40テラバイトのデータが生成される。6
NASAの地球観測システムおよび情報システム(EODSIS)は、1日に約28テラバイトのデータを配信している。5
大量のデータデータ
に対する知見データ分析の知識・経験
データ分析ツール・基盤× × ×
大量の分析用データを保持している
分析用データの中身を理解している
分析内容やデータに適してアルゴリズムを把握している
大量データを分析できるツールを持ち使いこなせる
最も重要
Azure
Unified Development
Security & Management
Data Platform
Common Identity
Trusted
Intelligent
Productive
Applications
Infrastructure
Management
Databases &
Middleware
App Frameworks
& Tools
DevOps
Trusted
Intelligent
Hybrid
Open
Intelligent
Productive
Hybrid
HIPAA /
HITECH Act
GxP
21 CFR Part 11
ISO 27001 SOC 1 Type 2ISO 27018CSA STAR
Self-Assessment
Singapore
MTCS
UK
G-Cloud
Australia
IRAP/CCSL
FISC Japan
New Zealand
GCIO
China
GB 18030
EU
Model Clauses
ENISA
IAF
Argentina
PDPA
Japan CS
Mark Gold
CDSAShared
Assessments
Japan My
Number Act
FACT UK
Spain
ENS
PCI DSS
Level 1MARS-E
China
TRUCS
SOC 2 Type 2 SOC 3
MPAA
ISO 22301
India
MeitY
Spain
DPA
HITRUST IG Toolkit UK
China
DJCP
ITARSection 508
VPATSP 800-171 FIPS 140-2
High
JAB P-ATO
DoD DISA
SRG Level 2
DoD DISA
SRG Level 4
DoD DISA
SRG Level 5
Moderate
JAB P-ATO
ISO 27017
GLO
BA
LU
S G
OV
IND
US
TR
YR
EG
ION
AL
ハイパースケールのエンタープライズグレードのインフラストラクチャ
開発者用ツールおよびサービス
データ サイエンスのためのオープン プラットフォーム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエンジン
ML Server - Spark、SQL、VM
エッジ
Pre-built AI
Cognitive Services Labs
Video Indexer
Cognitive Services Labs
Custom Custom Custom Custom Custom
ハイパースケールのエンタープライズグレードのインフラストラクチャ
開発者用ツールおよびサービス
データ サイエンスのためのオープン プラットフォーム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエンジン
ML Server - Spark、SQL、VM
エッジ
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
Featurization,
Normalization,
encoding
classifier 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で、患者IDだけ指定
Model table,
Features table,
New Images table
SQL Server
画像を送らなくてよ
い
データ移動の排除
運用しやすい ML のスクリプトとモデル
エンタープライズグレードのパフォーマンスとスケール
直接対話するデータを
データの管理と分析をまとめる
SQL 変換リレーショナルデータ
分析ライブラリ
R 統合 Python 統合
ハイパースケールのエンタープライズグレードのインフラストラクチャ
開発者用ツールおよびサービス
データ サイエンスのためのオープン プラットフォーム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエンジン
ML Server - Spark、SQL、VM
エッジ
Cognitive Services は、万能ではない
開発者による AI の採用促進 (API化)
ハイブリッドトレーニングとスコアリングシナリオの台頭
イベント発生場所でのスコアリング/推論の実施(エッジ、クラウド、オンプレミス)
一部の開発者がData Scientist /AI Developer を目指す
多様なハードウェアの進化(CPU/GPU/FPGA/ASIC/デバイス)
データ準備
モデルの展開と管理
モデル系統と監査
モデルについての説明能力
課 題主 要 動 向
Spark
SQL Server
仮想マシン
GPU
コンテナー サービス
ノートブックIDE
Azure Machine Learning Workbench
SQL Server
Machine Learning Server
オンプレミス
エッジ コンピューティング
Azure IoT Edge
実験およびモデル管理
A z u r e M a c h i n e L e a r n i n g サービス トレーニングとデプロイのオプション
A z u r e
視覚的なドラッグアンドドロップ コードファースト
ハイパースケールのエンタープライズグレードのインフラストラクチャ
開発者用ツールおよびサービス
データ サイエンスのためのオープン プラットフォーム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエンジン
ML Server - Spark、SQL、VM
エッジ
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 Runtime IoT Hub
Devi
ces
Local Storage
Device Twin
Device Twin
Device Twin
Device Twin
CANbus
Server
(Container)
IoT Hub
Proxy
(Container)
Data Normalization
(Container)
Compression
(Container)
Encryption
(Container)
Decryption
(Container)
Decompress
(Container)
Data Specializer
(Container)
FunctionsContainer
Management
ハイパースケールのエンタープライズグレードのインフラストラクチャ
開発者用ツールおよびサービス
データ サイエンスのためのオープン プラットフォーム
ハードウェア
ストレージ管理
ソフトウェア
AI アプリケーション (ファーストおよびサード パーティ) Cognitive Service Bot
Framework
Spark AI Batch Training DS VM SQL Server ACS
BLOB Cosmos DB SQL DB/DW ADLS
CPU FPGA GPU IoT
Azure Machine Learning
モデルのデプロイおよび管理
機械学習ツールキット
実験の管理、データの準備、コラボレーション
CNTK
TensorFlow
Chainer
Scikit-Learn
その他のライブラリ
PROSE
Docker
クラウド - Spark、SQL、その他のエンジン
ML Server - Spark、SQL、VM
エッジ
#azurejp
Cognitive
ServicesCustom
AI Models
Custom Services
Bring your Own Data
Flexibility
microsoft.com/ai
最新技術とソリューションの動向。取り組むべき課題と習得すべきスキル。80 を超えるセッションをご用意しお迎えします
http://aka.ms/mstsjp17
11/8(水)-9(木) 開催ウェスティンホテル東京
#mstsjp17
© 2016 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.