LoginSignup
9
5

More than 5 years have passed since last update.

@GDP-HKY(KuanYao Huang)

Google Cloud Next'18 in Tokyo 参加レポート

Posted at
  • 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

9
5
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
9
5