たのしい工学

プログラミングを学んで、モノをつくりたいひと、効率的に仕事をしたい人のための硬派なブログになりました

【エンジニア 情報 収集】Google Cloud Next19 @2019-8-1

   

Google Cloud Next19の2019年8月1日参加分のメモです

基調講演

Google Cloud 日本代表
阿部伸一氏

Google Cloud CSE
ジョンジェスター

カスタマーサクセスが目的
→ カスタマーエクスペリエンスへの投資の必要性を感じた

Google Cloudの認定資格取得数が増えた

familyマート
代表取締役社長 澤田氏

現場第一主義

マニュアルを1分動画に→GCPを利用している

GSuite
書類のマニュアル → 映像、動画で共有できるように
書類マニュアルよりも、1分動画でオペレーションの理解

デジタル化の時代だからこそ、リアル店舗を持つことが強み

GSuite バイスプレジデント
エイミー氏

Chat in Gmail
新サービス Voice

Google カスタマーエンジニア
小林氏

日本商工会議所
岩本氏

日本の企業の99.7%が中小企業
0.3%が大企業
→ 世界も同じような構造

中小企業が世間を支えている

中小企業最大の問題
→ 人材不足

指数関数的成長にはIT
CPU、ストレージ、ネットワークが重要

Google インフラセキュリティカスタマーエンジニア
ウルス・ヘルツル氏

過去3年間で5兆円のインフラ投資
セキュリティ強化をしてきた

新機能
Anomaly detection

新機能
Chronical backup
手間のかからないセキュリティ

New
Titan セキュリティキー

New
Advanced Security Program
ドメイン管理者の保護

Identity Aware Proxy

Google クラウドカスタマーエンジニア
ジュリープライス氏

データウェアハウスのモダナイズ

Google カスタマーエンジニアリング
菅野氏

データサイロの快勝
New
Cloud Data Fusion
オンプレに出荷データがある
→ BigQueryへ簡単に取り込める

New
Connected Sheets
Sheets + BigQWuery的なもの

Asahi 執行役員IT部門ゼネラルマネージャー
知久氏

管理コンソールの作成
採用技術
BigQuery

K8s engine
・処理を全てマイクロサービス化
・市場ニーズ・変化に柔軟に対応可能
・コンテナ導入で市場の一歩先に

SORの再定義
SOR領域の運用をクラウドネイティブに

博報堂DY ホールディングス執行役員
徳久氏

マスとデジタルの分断
データの断片化

アクセスキャパシティプランニングに対してk8sが有効

Google Cloud AI
ラジェンシェス氏

Contact Center AI

高度なAIプラットフォームの提供をしているという自負がある

もっとも速いアクセラレータの提供

Cloud Vision APIでOCR

AutoML Video
AutoML Vision

カスタマーエクスペリエンスが向上することで、
売上げが伸びる

損保グループホールディングス
CDO (チーフデジタルオフィサ)楢崎氏

デジタルディスラプション
自動車保険 Maas

火災保険 Smart xyz

生命r・医療保険 Digital Health

ブロックチェーン
Cyber Security
Drone Insurance

SOMPO Sprint
アジャイル開発チーム
1スプリント2週間 シリコンバレースタイル

Google Cloud カスタマーエンジニア
ミットアベリー氏

マイグレーション
Migrate for Compute Engine
AzureのVMインスタンスをGCPへ
New VMWareのVMインスタンスをGCPへ移行可能に
Traffic Director
Anthosで一般提供中
レジリエンスを高める
New Layer 7 ILB
アプリケーションを停止することなく、
モダナイズ可能
Intel Xeon プロセッサ
40%性能向上
New
6TB 12TBのSAP認定サーバ提供開始

ダウンタイム不要のマイグレーション
ライブマイグレーション
→ 脆弱性が発見されてもダウンタイムなし

Google ハイメモリーVMsマネージャ
はなん氏

Googleならダウンタイムが不要
他のサービスの場合には、マイグレーションには少なくとも30分のダウンが必要になる

Google アベリー氏
可用性
セキュリティ
柔軟性

これらを兼ね備えている

Google
阿部氏

Scrum Japan Genesisバーチャルシーケンス次世代の癌遺伝子解析
吉野孝之氏

癌治療における4つの柱
手術
化学療法
放射線療法
免疫療法

オバマ前大統領が提唱した
特定の遺伝子Xに対する療法

SCRUM JAPANの実績
臨床病理ゲノムデータをアカデミア、および、制約会社とリアルタイムで共有

もしも、がんと診断されたら
即座にできる従来型治療
遺伝子検査を2−4週間待って個別治療

即座な個別化治療ができたらベスト
→ 機械学習を利用
Virtual Scequencing

他社クラウドからGCPへデータ移行
GCPを用いたがん治療研究、開発

クラウドエース
吉積氏
バーチャルシーケンスプロジェクトは5ヶ月という時間で行なった
→ 殺人的スケジュールだった

Google senior account exective
倉田氏
日本国内2拠点
→ エンドユーザのレイテンシの提言

データ
Public Datasets
調査研究促進のため80以上の公開データセットを提供中

サービス

アプリケーション
オープンソースのアプリケーション

Virtual Sequencingの将来像
医師の判断 < 機械学習による判断

医師よりも精度の高い診断ができると良い
AIと医師の協業

少人数で実現するGKEとFirebaseを使ったブロックチェーンアプリ開発手法

Google cloud アカウントエグゼクティブ
谷村氏
株式会社Ginco
取締役 CTO 森下氏

Ginco
ブロックチェーンを誰もが自由に
・ウォレット事業
・ソリューション事業
・マイニング事業

写真参照:

Google Cloud で読む、書く、翻訳するテキスト処理を容易に実現する機械学習
Google デールマーコウィッツ氏

機械学習とは

データの中にパターンを見つけること

ほとんどが構造化されていない企業データ

機会学習モデルの構築

センチメント(感情)の分類

従来のモデル→ルールベース
機械学習→データからルールを獲得する

Googleの学習済みモデルの利用

画像からテキストへ

Cloud Vision APIを利用

音声からテキストへ

Speech-to-text API

New
句読点入力の自動化
話者識別

ある言語から別の言語へ
Translate API
New
一括翻訳
用語集:Deeplearningを深層学習として定義

Cloud Auto ML

テキストを扱う
Natural Language API
エンティティ抽出

カスタム自然言語モデルの構築
AutoMLNLを利用した著者の識別

スディーラバングリ氏

Natural Language API

例 請求書エンティティの抽出

Natural Language 感情分析API
カスタム感情分析の適用
ドメイン固有のエンティティの抽出が可能

Auto ML Natural Language API

エンティティの抽出を行う

Cloud AI Platform

大藪氏
脇坂氏

機械学習に関する論文投稿数は年々増えている

TensorflowHub
SeedBank

機械学習モデルをもっと簡単に作れるように
知る、試す、作る

Cloud AI Platformでモデル開発を効率化

知る アセットの発見
AI Hub

試す データ分析と実験
AI Platform Notebooks
・インタラクティブな環境
JupyterLabでのインタラクティブ性
・分析に集中したい
Cloud Deep Learning VM Image
BigQueryサポーと 簡単にアクセスできる

・オンデマンドで計算リソースを変更する
計算機環境の自由度が高い
起動後のハードウェア構成変更が可能

広がるユースケース
R言語+BigQuery
Kubeflow

作る
モデルの最適化
AI PlatformTraining

モデル作成時のポイント
・ハイパーパラメータの自動チューニング
・モデルの自動デプロイ

Cloud AI Platformにおける機械学習モデルのライフサイクル

DeNA
春日氏
Google Cloud ソフトウェアエンジニア
内田誠氏

機械学習モデル → システムへ
数多くのステップが存在する

モデル評価:TensorFlow Data VAlidation(TFDV)
モデル検証:TensorFlow MODEL Analysis (TFDV)

アーティアクトをコードと同じように管理する必要がある
アーティファクト→データ、モデル、特徴量、
メタデータによってアーティファクトを管理する

まとめ

決してWebサービスやソフトウェアを生業としていない企業でも、GCPを利用することでそれらの企業顔負けの自社サービスをリリースするという事例が見られるようになりました。例えばテレビ東京の視聴データのリアルタイムダッシュボードのセッションですが、登壇者の段野さんは一般的なテレビ局員の技術職的キャリアパスを歩みながらこのようなシステムを構築したようです。これが意味することは、GCPのようなクラウドサービスを利用すれば、それなりのシステムを作ることができるということだと思います。あくまで放送局の一部署でこのようにシステムを作るとなると、とにかく人的なリソースが豊富であるとは言いにくいです。段野さんはだからこそインフラ周りの管理についてはGCPの各種フルマネージドサービスを利用することで目的である開発に集中できた旨をおっしゃっていたと思います。
よくITスキルとは言いますが、本当なら専門家の力などに頼らず誰もが自分でやれてしまうのが一番だと思います。
例えば現在ならAIが世間で騒がれていますが、データサイエンティストを雇わなくても、それと同等なことができるのなら、実はそれが一番だったりするのかもしれません。Googleが推進するのは、まさしく後者のような世界を作ることで、その実現基盤としてGCPがあるように感じました。
著名な大企業や大手のウェブサービス会社、医療機関などでの採用事例からも、GCPには相当、相応の質があり、期待が寄せられているのでしょう。クラウドサービスはそのほかにもあり、何もGCPばかりに縛られる必要もないとは思いますが、クラウドサービスを利用して、オンプレミスと同等のことが実現できる能力がこれからのIT界隈のトレンドになっていくのではないかとも感じました。
なぜオンプレミスなのか、なぜクラウドなのか。それが今までのノウハウで続けるためのオンプレミスなら、少し立ち止まって考える必要があるのかとも思いました。

以上

 - 機械学習, カンファレンス, テクノロジー