【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