しまねソフト研究開発センターでは、現在、提供されている機械学習プラットフォーム・サービスについて、それぞれの特徴や適用分野に関する調査を行いました。

新しく機械学習プロジェクトを開始する際、機械学習プラットフォーム・サービスを利用することは有効な手段の一つとも言えます。しかし、たくさんあるが故に、技術検討に多くの時間とコストがかかってしまうという難点もあります。

そこで、今回の調査では実際に各種プラットフォーム・サービスを利用し、その特徴や使用感を報告書にまとめました。新規で機械学習プロジェクトに取り組むにあたって、どのプラットフォーム・サービスが適しているか、技術選択をされる際にご活用ください。

調査報告書

pdfファイル「調査報告書」をダウンロードする(PDF:1.7MB)

◆記載内容
 ・調査の方法
 ・各プラットフォーム・サービスの特徴
 ・各プラットフォーム・サービスの使用感
 ・記述コード(リンクURL) 等

◆著者
 田上 健太 / Twiter: @regonn_haizine
  島根県松江市で活動しているフリーランスエンジニア
  Podcast regonn&curry.fm で最新の機械学習事情等を配信している
◆監修
 しまねソフト研究開発センター 専門研究員 木村 忍
       〃        専門研究員 高木 丈智

調査を行ったプラットフォーム

● Amazon / AWS(Amazon Web Service)

 ・Amazon SageMaker
  【公式チュートリアル】
   https://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/algos.html

● Google / GCP(Google Cloud Platform)

 ・Cloud AutoML 
 ・CLOUD MACHINE LEARNING ENGINE

● IBM / Watson Machine Learning

 ・Watson Machine Learning
   ・Watson Studio 

● Microsoft / Azure Cloud Services

 ・Azure Machine Learning Studio 
  【公式チュートリアル】
  https://docs.microsoft.com/ja-jp/azure/machine-learning/studio/create-experiment
 ・Azure Machine Learning Service 
      【公式チュートリアル】
  https://docs.microsoft.com/ja-jp/azure/machine-learning/service/tutorial-data-prep

● Sony/Neural Network Console

 ・Neural Network Console 
  【公式チュートリアル】
  https://support.dl.sony.com/docs-ja/

● Uber/ Ludwig

   ・Ludwig
  【公式チュートリアル】
  https://uber.github.io/ludwig/examples/

調査に利用したデータ

国土交通省 土地総合情報システム  

 島根平成29年第1四半期~平成30年第3四半期のデータを使用
   CSVファイルで存在した情報を使用

中国電力でんき予報 

  2017年4月1日~2019年2月15日分まで時間毎の電力使用実績のデータを使用

Food-101  

  料理カテゴリで用意されている画像(合計101000枚)を使用
 (料理カテゴリ例) apple_pie, gyoza, pizza, sushi, waffles