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 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
2 アジェンダ 1 2 3 4 5 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
3 1 intra-mart の AI 基盤ご紹介
4 intra-mart の AI 基盤 (IM-AI 基盤 ) について Accel Platform - システム共通基盤 - Accel Applications - アプリケーションシリーズ - Accel-Mart - クラウドサービス - IM-AI 基盤 パートナーソリューション IM-BPM - 業務プロセス (BPM)- 業務システム
5 DMP( データ マネジメント プラットフォーム ) 構想 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 プライベート版 IM-DMP A 社 B 社 C 社 D 社 E 社 F 社 プライベート版 IM-DMP プライベート版 IM-DMP プライベート版 IM-DMP プライベート版 IM-DMP プライベート版 IM-DMP Accel-Mart を想定 パブリック版 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
6 IM-AI 基盤の位置付け IM-AI 基盤 データソース (GUI 開発機能 ) intra-mart アプリ IM- DMP hadoop 機械学習処理フロー IM-LogicDesigner Elasticsearch 学習モデル 他の機械学習ツール IM-IoT 基盤
7 2 KNIME について
8 KNIME について (1/7) 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 について (2/7) 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 ファイル読み込み等 データ操作 分析アルゴリズム 他にも多種のノードが使用できます
10 KNIME について (3/7) 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 について (4/7) 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 一部有償提供となります 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
12 KNIME について (5/7) 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 KNIME について (6/7) ( デモ )KNIME を使った機械学習の流れを紹介
14 ( 付録 ) 一般的な機械学習の流れ 1. データ収集 2. データ整形 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 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 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 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 KNIME について (7/7) ( デモ )KNIME の可視化機能の紹介
16 KNIME intra-mart 連携パターン詳細活用例 IM-LogicDesigner KNIME 呼び出し KNIME IM-LogicDesigner 呼び出し 学習モデルの移送 IM-IoT 連携プラグイン IM-LogicDesigner から KNIME のフローを呼び出す KNIME のフローから Im-LogicDesigner を呼び出す 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 ) IM-IoT 基盤と簡単に接続可能な KNIME ノードを追加 アドホックな機械学習 学習時の例外を通知 高トラフィック環境での予測 異常検知 IoT との連携
17 IM-IoT 基盤との関連 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-SparkExecutor KNIME-Executor MLExecutor SparkMLlib MLExecutor+Spark
18 機械学習の適用領域 教師あり 教師なし 線形 決定木 k-means 回帰 非線形 分類 アンサンブル クラスタリング ウォード法 ノンパラメトリック SVM DBSCAN
19 3 活用例のご紹介
20 活用例 1 オペレーションの効率化 (1/2) 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
21 活用例 1 作り方 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
22 活用例 2 スケジュール自動設定機能 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 4/26( 水 ) 11:00-12:00 5/8( 月 ) 15:00-16:00 A 会議室 (10 名 ) B 会議室 (12 名 ) C 会議室 (8 名 ) 田中さんが出席できません なし 会議室が少し狭いです 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 ( 仮 ) スケジュール ( 仮 ) 調整中 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 )
23 活用例 2 作り方 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
24 AI エージェントの紹介 AIの分析結果をユーザに伝える AIエージェント 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
25 4 今後の進め方
26 今後の進め方 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 5 まとめ
28 まとめ ポイント 1 IM-AI 基盤が利用可能になりました ポイント 2 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 ポイント 3 PoC のご相談おまちしております
29 Thank You!