Posted at

Google Cloud Next'18 in Tokyo 参加レポート


  • イベント名: Google Cloud Next'18 in Tokyo

  • 日程:2018/09/19 ~ 2018/09/20

  • 参加し、参考になったセッションをここに記載



  • 全体感想:


    • 技術:すでにGCPを使っていますので、PR的な講演などちょっと行かなくてもいい感じがしていますが、一部のセッションに、事例、使い方など勉強になった部分もあります。特に機械学習を使うべきなのか、ビジネスサイドとの絡み方、PDCAサイクルの注意点などです。また、データチームの課題になった部分は、HandsOnで解決案を頂いているので、有意義だと思っています。

    • 会場:今回はホテル2つで別れていて、移動に時間コストが結構あるので、セッションにギリギリになっちゃって、参加者としてはちょっとストレスが溜まりやすいと思います。ただ、案内者が多く、丁寧に説明してくださっているので、いい感じです。ランチセッションに弁当がついていてるものの、案内がなく、参加していない方は迷いやすいと。アプリの提供非常に助かります。ただ、会議室の表示一個ずつ押さないと部屋番号がわからないので、それは非効率な部分です。プリンスホテルのEXPOにいくのに都度QR Codeスキャンは必須なので、不便と感じています。トイレが少なく、行列長い。




------------------Day1 ------------------


基調講演


  • Google Next in Tokyo イベント参加者が増加

    → 2000人 (2016) → 12000人 (2017) → 22000人 (2018)


  • Google Cloudは、日本において、主に5つ領域に投資


    1. Datacenter (Tokyo & Osaka)

    2. More under sea cables in Asia

    3. Bigquey Tokyo region

    4. Training documentation in Japanese (これみんな拍手。結構待っているような感じ)



  • Traditional company are accelerating

    Change or Die → これめっちゃ強い。でも、ビジネスって、本当に競争激しいですね...



  • Why choose Google ?


    • enterprise and technology company. ex: TPU, AI 技術

    • Security, cyber attack. ex: more than 30 security products

    • GSuite. ex: 99.9% spam/attack was blocked

    • Job matching. ex: easily adopted for every company




  • Fast Retailing : 有明プロジェクト(柳井さん)


    • お客様の満足のため、早く失敗して、情報を集める→決断




  • AI engineer speaking:


    • Simple / Fast / Useful

    • BigQuery ML / CLOUD AI: TPU 3rd generation developing. CloudMachineLearning engine (full manage)

    • Cloud autoML: 自動生成モデル




  • G Suite セッション


    • Secure / Smart / Simple

    • Gmail smart reply (analyze mail and provide three quick responses)

    • Gmail smart compose (complete automatically)

    • Google document: 自動文法spelling check

    • ワークインサイト ダッシュボード




  • 事例(KARTE)


    • Web site: personal visualization (behavior and emotion) real time ex: online アンケートの結果によるレコメンド

    • 秒間22000イベント GCP BigTable & BigQuery




セッション:「"JapanTaxi" アプリを支えるデータ分析基盤」12:00 ~



  • Japan taxi Insights: 車両リアルタイムで解析


    • 渋滞、顧客多め、空車状況

    • 地理情報、ある範囲の台数

    • 五億六千行データ:たったの5秒で結果が出る

    • スキャン400MB




  • サーバーレス


    • Dataflowで整形、位置座標変換、BigQuery(GeoJson, Polygen) で範囲内有無判断

    • 日本測地系 / 世界測地系 の考慮

    • ST_Intersection関数




  • リアムタイムに位置情報表示


    • Cloud FireStore (Client にreal time 送信)

    • Map Platform API(Java)




  • コスト


    • 2000 USD/month

    • 2 weeks development

    • Serverless




  • JapanTaxi


    • 100人社員

    • 500万DL 配車アプリ 注文、決済

    • ミッション:


      1. 意思決定支援

      2. AI 配車:Driver can approach to crowded area via map dashboard

      3. 分析

        配車情報、決済、位置情報、ユーザー、アプリログ

        例、タクシーの遅延データ分析 / ドライバー分析 / 営業効率のため



    • 基盤:


      • AWS KINESIS > Dataflow > Pubsub > S3 , Big Query & app engine


      • Marketing: SQL


      • MANAGER: BI TOOL, tableau

      • GCP CENSUSでテーブルの利用をわかる


      • テーブルmaintain(利用者、頻度...)



    • 展望: ドライバーレコーダー画像分析




セッション:「ビジネス視点で考える現実世界の機械学習とデータサイエンス 〜 AI をブラックボックスにしないデータ活用術 〜」 13:20〜



  • Deep learning: 非構造化データには発揮


    • 画像、音声、自然言語

    • 20年前から



  • 事例:データセンター冷却コスト40%低下, PUE電力効率15%改善



  • ビジネス活用


    • 予測処理が中心

    • 過去のデータを元に

    • ただ、ビジネスって、どうすればいいのかという判断が大事
      IMG_0462.jpg

    • ビジネスオーナー: 機械学習って、何ができるのか

    • データアナリスト: 何をしたいのか

    • ステップ1&2、何が起きていたか(統計).何が起きているかというダッシュボード

    • ステップ3、今何をするべきか




  • 故障検知の事例


    • Cloud PubSub : Real time収集、各機械の温度などのデータ

    • BigQuery: 過去データ分析

    • Datalab にてJupyter notebookで分析

    • 時系列可視化→調子が悪い箇所があるようです。分布を見る、histgram → 3つの温度パターンがあるとわかった。

    • 稼働なしの低い温度、正常、高すぎる温度

    • Datastudio: Dashboard アラート回数など

    • 機械学習: BigQuery MLで、その次のステータス予測、さらにダッシュボード化

    • 壊れそうなのかを予測




  • 機械学習の進め方


    • 必要な知識と人材

    • IMG_0465.jpg

    • データサイエンティスト:適切な情報を割り振る。 全てのプロジェクトを横断で、リーダーになって、プロジェクトをリードする




  • 機械学習結果


    • 継続的に試行錯誤、再学習が必要

    • 世界が変化するので、モデル利用期間は限定

    • ビジネスからのフィードバックループが必要

    • モデルの理解を深めて精度を上げる
      IMG_0466.jpg




セッション「AutoML で始める機械学習」14:10〜

IMG_0467.jpg

IMG_0468.jpg


  • 事例:部屋探しサイトの写真のタグ


    • キッチン/トイレとかの自動認識

    • AutoML VISION限界 :


      • 画像分類できる

      • 物体検知できない

      • セグメンテーションできない





  • 事例:ラーメン画像学習


    • ライバルに悪意のフォーの画像を除去したい

    • データアップロード、訓練、精度確認93%

    • ただ、フォーの半分は、ラーメンに誤認識

    • 原因は、評価指標?データの偏り?→ 混同行列でみて、これだとわかった




HandsOn:「GCP で実現する、ハイブリッドクラウド環境でのデータ連携パターン(実践編)」


------------------Day2 ------------------


基調講演



  • Google network


    • 2 years: 12 regions built

    • DDos攻撃を防止

    • Cloud Armor

    • SQL injection / DDos 攻撃をブロック

    • BigQueryML自動検知ipをブロック




  • 会社事例-コロプラ


    • ゲーム会社(Google Partnership)

    • GCP移行:GKE, cloud spanner 採用

    • SRE Work Shop: Googleからの提案




  • 80%企業は、マルチクラウドを使っている


    • サーバーコスト削減一方、管理コスト上がってる




  • コンテナKubernetes


    • Auto-scale、負荷分散

    • 75%企業採用

    • 問題: GKE間の認証、通信の安全→Istio 1.0 で解決

    • CSP: cloud service platformは、上記の結合

    • セキュリティ、可視性あり




  • Server-less


    • 使った分課金

    • 管理する必要がない




  • 開発


    • 誰も開発したい

    • 誰もメインテインしたくない

    • Google DevOps culture (development operation)


      • Container registry

      • Skaffold: 自動deploy build

      • Cloud build: GitHub と連携、自動検証テスト、自動本番にビルド

      • Stack Profiler : 監視ダッシュボード、各関数メソッドの実行時間と関連性をモニタリング、問題点を見つける






  • セキュリティ


    • Interconnect: 自社セキュリティ環境とGCPの通信連携




  • Gsuite


    • Mail: fishing 検知、有効期限、パスワード設定

    • Work Insight (launched yesterday)




セッション:「ビジネスに貢献する効果的なデータアナリティクス実践事例集」


  • GCP Data & Analytics

    IMG_0473.jpg



  • メルカリ:樫田さん かしださん hik0107(twitter)


    • 一億ダンロード

    • BI TEAM = Data Analytics Team

    • IMG_0474.jpg

    • DATA CULTURE:PDCA速い!何かのリンクででも結果を出す

    • データ・ドリブン


    • IMG_0475.jpg
      IMG_0476.jpg
      IMG_0477.jpg
      IMG_0478.jpg

    • Looker!ツール!入れ替え中!

    • Big Query: Flat rate を導入済み

    • BigQuery>> GAS>> Zapier でslackに投稿




  • LIXIL


    • Private DMP構築

    • 建材 年間 1・7兆

    • ClientID を実装で、GA&BQ連携解決

    • Online Offline もClientID




  • MonotaRO


    • 関節資材、eコマース

    • 100億レコード

    • データ基盤を置き換えた結果

    • SQL学習人数も四倍増えた

    • 高速にレポートを見れる人が増えた

    • 自らSQL四十人に 改善意欲 学習意欲



(グロービス課題)

* レポートは少人数

* PDCA速度

* ビジネスサイド連携の強化

* AB testあたり


セッション:「リクルートライフスタイルにおける深層学習の活用とGCPでの実現方法」- 堀澤さん horiken4


  • 基盤システム

  • IMG_0485.jpg

    IMG_0486.jpg

    IMG_0487.jpg

    IMG_0488.jpg

    IMG_0489.jpg

    IMG_0490.jpg



  • コードスタートを解決


    • 旅行プランに行ったことユンザーに対して、宿の閲覧で解決

    • 写真フォートを見たことないユーザーは、convolutions DAE で解決




Expo: (Looker)


  • ビジネス定義をし、フォーマットを決め、正規化できるダッシュボードサービス。その後は、特に気にしなくてもいい。すなわち、基本的な変数の定義を明確にして、その後は自動SQL生成。

    IMG_0491.jpg


  • 年間200万円(10人)


  • GitHub 管理でき、定義ズレを防ぐ


  • 今月日本オフィス



Expo:(Google People Analytics)


セッション:「大塚製薬のこども向け食育アプリ「おいしいおえかき SketchCook」での機械学習活用」14:40 〜



  • 大塚製薬


    1. 医薬品関連

    2. 病気にならない製品 例、calorie mate




  • 親世代の課題と悩み:


    • 子供の偏食、食育時間、栄養バランス

    • Sketch Cook アプリ


      • 子供の描いたものは、実際に画面上にものとしての再現 (AR)

      • 栄養を学べる

      • 画像変換 変身(写真風に変換:pix2pix & GAN(generative adversarial network)

      • 画像分析 材料(SRGANで画像を高精度化解像度)

      • 足りない部分を提案

      • レシピを含め





IMG_0492.jpg


セッション:「BigQuery を使用した分析基盤の運用を進めていく上で見えてきた課題、乗り越えてきた軌跡」16:00〜 山田さん


  • LIFE EVENT / LIFE STYLE

  • 3300 正社員

  • 100 エンジニア

  • BQ: 90% 時間省いた

  • 昔、キャパシティ管理辛い、マルチクラウド、運用コスト高くなり アカウト管理も



  • Why BQ?


    • キャパシティ管理不要

    • インフラから解放

    • データの受け渡しが簡易

    • データ活用の民主化

    • 構造把握しやすい基盤

    • 親和性




  • BQ運用


    • 社内勉強会

    • メタデータ管理: METAL KING

    • Datalake構成

    • IMG_0497.jpg




  • 基盤のアーキテクチャ 滝井さん フリーランス


    1. イベントドリブン

    2. オートスケール SQSmessage の増減に応じる

    3. ジョブの開始完了プロセス分離




  • 補足の有用情報


    • Atom Packageを使う : sql-BigQuery

    • 大規模テーブルの参照料金問題:require partition filter 機能

    • ロード機能がエスケープ非対応 文字処理で、2018/04 DDLがサポート

    • ユーザー自由にテーブル作成料金問題:データセットに、テーブル有効期限を設定




セッション:「scikit-learn 開発者が語る、Google Cloud と機械学習の実力」18:40〜


Tokyo Night


  • 行列は長すぎでした。20分以上待っていました。

  • 設問とリアルタイムで集計は、こないだ末永さんのYEPのイベントに似ていると思います。


  • IMG_0508.jpg
    IMG_0510.jpg
    IMG_0511.jpg


最後に

GoogleCloudNextに登壇した弊社のリードエンジニアが、麹町でGASハンズオンのイベントを開催いたします!

ぜひご来場ください。

* 第1回 Google Apps Script (GAS) ハンズオン @麹町

また、登壇した弊社のリードエンジニアが公開したスライドはこちらです

* Google Apps Script で始める RPA」のスライド公開します #GoogleNext18