見出し画像

AI2nd＃１２ふりかえり（AzureML　Studio)

Tetsu Hama(田舎の人)

01　質問回答

Q1

A１：答えと似たような写真ならどんどん入れていったほうがよいです。
（ちょっと角度を回転や反転させてカサ増ししてもOKです）
ただし、入れれば入れるほど精度が上がるわけではなく、ある程度の上限があります。

Q2

A２：（質問者によるとラインの速度は1,000本/分）
複数レーンに対して複数のカメラなら対応できる可能性があります。
ちなみに、エッジAIとして端末を動かせば通信ラグがなくなります。apple製品のFaceIDも同じ原理です。自分のPCローカルで試すのも一案です。ラズパイのスピードで可能かもしれません。

他事例＠枝豆生産現場より
良否を分ける人力作業も活用できるかもしれませんね。

他事例＠戦闘機の組み立て現場
プロジェクションマッピングでネジの位置を指示するような活用方法があります。現場は違いますが、人間の動きで対応できるのであれば活用の可能性があります。

戦闘機の組み立て現場にて
Q3

Ａ３：ブラウザを開いておくだけでは料金はかかりませんが、サーバーレスで作業することは忘れないようにしてください。

Q4

Ａ４：どこまで精度が上がるかはわからないです。上限はあります。

覚えておきたいプロンプト作成時のポイント

このやりとりでカンパ先生が「何に気をつけてプロンプト作成するか」という点ですが、生成AIのクセとして、「～～～して」と言われるとどうしても可能性を絞って考えてしまうので、いくつか案を出してもらうようなプロンプト作成にするように気をつけましょう。というアドバイスでした。

02　AzureMachineLearning

ここまでの講義で、統計学の知識や機械学習モデルについて勉強してもらってましたが、なんと巨大組織MicrosoftではすでにMicrosoftAzureといってAIをカスタムできるサービスがあるのです。
簡単にいうと、コードを一行も書くことなく最適な機械学習モデルを見つけられるのです。

以前利用した、ランチの販売データから機械学習してもらいます。
前回何度も試行錯誤してもらって機械学習モデルの精度を比較して最適なものを見つけましたが、今回は大変だったその作業をAzureにやってもらいます。

各要素の影響度を示してくれました

自分はArimaxモデルが最適でしたが、異なる結果の方もいるようでした。

スコアを評価してもらった結果・・・・

以下の指標はすべて回帰分析における代表的な評価指標で、それぞれ予測精度を別の角度から示しています。Microsoft Azure Machine Learningではモデルを学習させたあと、こういった指標を自動で算出してくれます。各指標が大きな値なのか小さな値なのか、またはプラスなのかマイナスなのかによって「どの程度よいモデルか」を判断するわけですが、今回の数値を概観すると、あまり良い性能とは言い難い状態であることがわかります。以下に各指標が何を意味するのかをまとめ、その上で今回の結果をどのように解釈できるかを説明します。

　　　　　　（中略）

要するに「このままでは精度が不十分なので、モデルやデータの再検討を強く推奨」という状態です。以上の指標を参考に、再度モデル開発・調整を進めることをおすすめいたします。

o1にきいてみたら・・・

どうやら前処理がいくらか必要だと言えるようです。

03　同期のみなさまご紹介

他の方も、詳しい手順ではなく「どんな作業をしていたかの備忘録」的な表現にされているので、俺も同じ方向になってきた・・・？

いいなと思ったら応援しよう！