オープンソース活用研究所 | 人工知能のビジネスへの活用法(TensorFlow活用例)

人工知能のビジネスへの活用法(TensorFlow活用例)

オープンソース活用研究所

2017年03月23日
オープンソース活用研究所 所長 寺田雄一

2017年1月18日に『人工知能をどうビジネスに活用するか?~オープンソースのディープラーニング「TensorFlow」の活用例から考える~』セミナーが開催されました。

急速に発展する人工知能技術をビジネスに活用する方法について、「TensorFlow」活用例を交えながら、2つの講演+ミニパネルディスカッションが行われました。

本記事では、次の3部構成で、セミナー内容をレポートします。
・第1部 セッション「Tensorflowとディープラーニング、ビジネスでの活用例」
・第2部 セッション「いち早く人工知能テクノロジーを取り入れた 製品・サービスを市場に展開するには?」
・第3部 ミニパネルディスカッション「人工知能をどうビジネスに活用すればよいのか」

第1部 セッション「Tensorflowとディープラーニング、ビジネスでの活用例」

株式会社KSKアナリティクス 高木 宏明 氏によるセッション「Tensorflowとディープラーニング、ビジネスでの活用例」をレポートします。

セッションアジェンダ

・機械学習とは
・深層学習(ディープラーニング)とは
・従来の機械学習と深層学習の違い
・TensorFlow紹介
・何でもかんでもディープラーニング?

機械学習とは

機械学習とは、入力データ(稼動ログ、センサーデータなど)から機械学習手法で学習モデルを作成し、入力パターンや規則性についてアルゴリズムを使用して学習を行なう手法です。

機械学習

機械学習手法の体系

さまざまな機械学習手法がありますが、ディープラーニング手法は機械学習手法の中の1手法です。機械学習手法の一部であるニューラルネット手法の一部です。

データ分析で使う手法の体系

分析手法と事例

多くの分析手法が存在しています。

分析手法の採用は「マーケティング分野」や「金融分野」で進んでいます。「売上への結びつきが分かりやすい」「データが数値として揃っている」などの条件が整っている分野です。

一方、製造業分野(IoTなど)でのデータ分析は遅れている実感があります。

データ分析手法

深層学習(ディープラーニング)とは

ニューラルネットの「層」を重ねるとディープラーニングになります。「層」を増やしていくことで、予測精度を上げることが可能です。

ディープラーニング(深層学習)

ディープラーニングの難しさ

ディープラーニングは難易度が高い手法です。

[主な理由]
1.ネットワーク構成は日進月歩
  海外の論文を読みながら理解するだけの知識が必要です。
2.鬼門パラメータチューニング
  力技が一切使えないため、さまざまなテクニックを駆使しなければならない非常に高度な職人技です。
3.日本語の情報源が少ない

「従来の機械学習」と「ディープラーニング」の違い

ディープラーニングの特徴は「人間の指示を必要としない特徴抽出」です。人間にも因果関係が分からないような分野に向いています。

機械学習と深層学習の違い

TensorFlow紹介

TensorFlowのポイントは「グラフ」という概念です。ノード(演算処理)を線で接続して処理の流れを表現します。

TensorFlowとは

TensorBoard機能

TensorFlowの優れている特徴として「TensorBoard機能」があります。「学習状況の確認」や「モデル可視化」などのビジュアル表現が可能です。

分析プロセスの可視化

使用難易度は高め

TensorFlowには「柔軟性が高い」という特徴があります。

その半面、データ分析手法に関する各種基礎知識(微分/積分知識、最新機械学習手法の理解など)を必要とするため、難易度はかなり高めです。

何でもかんでもディープラーニング?

ディープラーニングは、因果関係が分かっていない分野の分析に向いています。

逆に、因果関係が分かっている分野については、従来の機械学習のほうが効率的に処理できます。

※講演資料

本セミナーの講演資料は、こちらからダウンロードできます。
→マジセミ →人工知能をどうビジネスに活用するか?~オープンソースのディープラーニング「TensorFlow」の活用例から考える~

このセッションの講演資料スライドには、「テクノロジー進化」「ビジネス活用へのポイント」「テクノロジーによる業界構造変化」など、AIに関するさまざまな最新情報について、詳細に分かりやすく解説されています。

全76ページもの非常に有益な資料となっていますので、ダウンロードしてご活用ください。

第2部 セッション「いち早く人工知能テクノロジーを取り入れた 製品・サービスを市場に展開するには?」

株式会社XEENUTS 西田 泰彦 氏によるセッション「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」をレポートします。

セッションアジェンダ

・両社の紹介について
・ソリューションマップ
・DeepLeaningを行うためのプロセス
・Deep Leariningの応用分野
・DeepLearning/ AIの進めかた
・対象分野リスティング
・データ投入/ トレーニング支援
・DeepLearningご提案にあたってのメニュー
・プロトタイプ作成支援以降
・DeepLearning/ AIのポジショニング
・AIトレーニング環境の整備 - HPE様 -
・AIトレーニング環境の整備 - IBM様 -

ディープラーニングはすでに実用技術

iPhoneで「Siri」などを使っている方は多いと思います。

ディープラーニングそのものは、すでに研究分野ではなく、製品に組み込まれている実用技術です。

AI/ディープラーニング/TensorFlowが誇大広告されている

AI/ディープラーニング/TensorFlowについて、非常に誇大広告されている面があります。私達は、これらの夢をたたみながら、組織の中に適用するビジネスを行っています。

「何ができますか?」ではなく「お困りのことは何ですか?」と身の回りの事象を解決していく方策に立つことにより、前に進むと考えています。

ディープラーニング(AI)の進め方

私達が進める作業の流れはこのように行います。

1.人工知能研修サービス(オンサイト研修)

「プロジェクトメンバー候補の方々への社内勉強会」と「今後の進め方の検討」を行います。「事業決済責任者を含めて、1つの方向性にみんなで向かう」ということが目的です。

2.分野選定支援作業

ディープラーニング適用項目候補の実現性の可否検討などを行います。

3.プロトタイプ作成支援以降

プロトタイプを始めて、AIの教育を行います。

AIトレーニング環境

クラウドはオンプレより割高になることも

クラウドでAIトレーニングを行えるようになってきていますが、次のような課題もあります。
・多くの処理を行なうとオンプレよりコストがかかるパターンがある
・ネットワーク帯域の問題
・機密データをクラウドにUPできない など

オンプレトレーニング環境

高度なAIトレーニングを行う場合には、高速GPUを搭載したサーバが必要になってきます。

最近では、専用サーバがかなり安く出てきています。

「AI」+「レガシー」+「既存サービス」で効果を発揮

AIだけでできることには限りがあります。基本的にできることは認知だけです。

レガシーとの連携

企業のアプリケーションにおいては、AI(ディープラーニング)のみで、すべて片付くわけではありません。

レガシーの仕組みとの併用によって、絶大な効果を発揮していくと考えています。

既存サービスの活用

すでに「学習済サービス(ディファインドクラウド)」や「実績がある音声解析サービス」などが登場しています。

迅速に提供

「企業に必要な知見を機械化するための特化AI」を作成し、既存サービスも組み合わせることにより、できるだけ早いタイミングで、皆様に使っていただけるようにお手伝いをさせていただいています。

ディープラーニングの適用分野

私達は、日本におけるディープラーニングは「日本企業が抱える課題を解決するための術」になると思っています。

特に、既存事業の知見検証の部分において、「事象に対して正解が定義できるもの」に対して機械化をすることにより、「ナレッジを配布していく」概念を作れると考えています。

「人手を介さず認知を行なう」がキーワードです。

第3部 ミニパネルディスカッション「人工知能をどうビジネスに活用すればよいのか」

第3部のミニパネルディスカッション「人工知能をどうビジネスに活用すればよいのか」では、質問者からの質問に対して、以下の3名の方が回答する形で進行します。
・株式会社KSKアナリティクス 高木 宏明 氏
・株式会社XEENUTS 西田 泰彦 氏
・株式会社クラスキャット 佐々木 規行 氏

ディープラーニングライブラリはどれを選ぶべき?

質問者

1.TensorFlowが注目されている理由として何があげられるでしょうか?

2.事業展開のリスク面を考慮する場合、オープンソースディープラーニングライブラリ(​Chainer、Caffeなど)において、今後、どの製品を選択するべきでしょうか?

株式会社KSKアナリティクス 高木 宏明 氏

日本人なら​Chainerも
​日本語書籍が充実しているという点から、日本人なら​Chainerを使うのが一番よいのではないかと、僕は思っています。
しかし、開発元であるPreferredさんの仕様に従う形になるリスクも考えられます。

[TensorFlowのメリット]
1.今後ドキュメントが充実していくと考えられる
2.Googleのクラウドプラットフォームとの親和性が高い

株式会社XEENUTS 西田 泰彦 氏

[TensorFlowはデバイスの中に埋め込める]
TensorFlowは「デバイスの中に実行環境を埋め込むことができる」点が大きなポイントだと思います。

金融分野でのディープラーニング活用法

質問者

金融分野において、実際に、ディープラーニングが非常に有効だったケースについてお聞きしたいと思います。

株式会社KSKアナリティクス 高木 宏明 氏

弊社で、金融分野でのケースはあまりありません。

[大統領の基調演説分析]
有名なケースとしては、大統領の基調演説をライブで分析して、声のトーンや文脈から、次の話題がGoodNewsなのかBadNewsなのかを予測して、先行して株の売買を行なう、ということがあります。

[AI株運用]
AI株運用は主流になってきています。日本でも、何社かベンチャーが出てきています。

株式会社XEENUTS 西田 泰彦 氏

弊社は、金融分野の案件はまだありません。

複数の口座サービスを提供している企業から、「入金との消込に基づいた上での資金繰り予測」などの相談はいただいています。

職人をデータサイエンティストにすべき?データサイエンティストを職人にすべき?

質問者

データサイエンティストを育てたいと思った場合、「ITが強い人間に業界専門技術を学ばせる」のと、その逆で「業界専門技術が強い人間にITを学ばせる」では、どちらがよいのでしょうか?

株式会社KSKアナリティクス 高木 宏明 氏

[スーパーマンはいない]
「どのように育成したらよいのか分からない」というお話をよくいただきます。回答として「まず、スーパーマンはいない」「スーパーマンを取ろうとしても取れない」とお答えしています。

[データ分析特化人材とフォロー体制]
私は、「データ分析に特化した人材を育成」するのがよいと思います。それぞれ個別の案件に関して、業務に詳しい人間がフォローする体制が必要です。
ただ、それでも人材育成は難しいと思います。

株式会社クラスキャット 佐々木 規行 氏

同じようなご依頼はたくさんいただいています。

[クラウドマシンラーニング環境]
パブリッククラウドベンダーが提供しているマシンラーニング環境を使えば、あまり負荷なくトライアルできます。
しかし、そのような環境はコモディティ化されたものを対象としているため、企業の匠レベルまでは到達できません。

[人材育成は必要]
そのため、ハードルが高いとされているデータ分析エンジニアを育成する必要があります。我々は、そのお手伝いさせていただいています。

ラベル貼り付け作業のクラウドワーク化

株式会社KSKアナリティクス 高木 宏明 氏

[困難なラベル貼り付け作業]
ディープラーニングを行なう前の正常/異常のラベルを貼る作業は非常に手間がかかります。

[クラウドワークの活用]
アメリカでは「クラウドワーカーにラベルを貼っていただく」というビジネスが出てきています。今後、日本でも出てくると思います。
画像1枚について単価数円で、正常/異常のラベルを貼っていただくビジネスです。同じ画像に対して、違う3人でラベルを貼って、多数決を取ったものを正にして担保することも可能です。
1万枚の画像に対して、何百人~何千人でラベルを貼っていただいて、1日~2日で完成させるようなことができるようになってくると思います。

中小企業のディープラーニング活用例

質問者

中小企業のAIへのチャレンジは、コスト面も含めて、どれくらい取り組まれているのでしょうか?

株式会社XEENUTS 西田 泰彦 氏

[ミニマムコスト]
コストについては、難易度で変わってくると思います。私は、1プロジェクトあたり、ミニマムで1000万円と見ています。

[学習済サービスの活用]
金額的に厳しい場合は、「学習済サービスを利用して、自分達でどのように活用できるかを考える」ことも1つの選択肢だと思います。

AI分野に取り組まない企業は徹底的に負けていく

株式会社KSKアナリティクス 高木 宏明 氏

ビジネスの観点からすると、「AI分野に取り組んでいない企業は競争で徹底的に負けていく」ことは純然たる事実だと考えています。

[スーパー業界「Amazon Go」]
「Amazon Go」という、レジ業務が一切不要なスーパーが出てきました。スーパーというビジネスモデルにおいて、コスト構造がまったく変わってしまいます。
それに加えて、リアルタイムレコメンデーションを行い、お客様ひとりひとりに合わせて、商品をおすすめしていきます。当然、お客様1人あたりの売上も上がっていきます。これを低コストで実現可能です。
このようなビジネスモデルの変化に対応できない既存の中堅スーパーは、すべて負けていなくなってしまうことが予想されます。

[自動車業界]
トヨタは自動運転を見据えて、人工知能に何千億円という投資を行っています。

[AI対応の二極化]
「AIに対して何千億円を投資する企業」と「AIはやらなきゃねというレベルの企業」に、完全に二極化しています。
進んでいる企業は5年程度前から投資を始めています。今から始めている企業は、少し遅いと感じています。「来年再来年にでも始めましょうかね」という企業は置き去りにされてしまう直感があります。

[危機意識の有無]
私は、このような二極化された温度差を感じています。
「AIに取り組んでいかないと、コスト構造でも売上でも勝てなくなってしまう」という危機認識を持てるかどうかの差だと思っています。

AIを自社のドライブ化コンポーネントにできるかどうか

株式会社XEENUTS 西田 泰彦 氏

AIでのビジネスについての話です。

[「AI」は「ネジ」と同じ]
「AI」は、確かに、これから大きく未来を変える可能性があるとは思います。しかし、事業モデルにおいては、極論ですが、「ネジ」と同じです。

自分達の「ネジ」に絶大な付加価値を見出せるかどうか
先日、日本の「絶対に緩まないネジ」が、NASAに1個1000円で採用されました。NASAは、「絶対に緩まない」という点に1個あたり1000円の価値を付けます。

[AIで自社をドライブさせられるのか]
「AIに価値を見出し、事業コンポーネントの1つのパーツとして自社に組み込むことができるのか?」が一番のポイントだと思います。

金融業とブロックチェーン

質問者

例えば、金融業界において、中長期的な視点を見据えて、収益やROIを考えていく中で、他に勉強する必要がある新技術などありましたら、教えてください。

株式会社XEENUTS 西田 泰彦 氏

[今のボトルネックは何か?]
「何を目標にするか」よりは「今の自分達のボトルネックは何なのか?」がポイントだと思います。
「そのボトルネックを解消するために、どのようなマイルストーンで進めていくのか?」という考え方のほうが前に進みやすいと思います。

株式会社KSKアナリティクス 高木 宏明 氏

テクノロジーを離れて、ビジネスの観点で話をします。

[銀行業のブロックチェーン対応]
ブロックチェーンが登場してきた現状において、特に銀行の場合は「どのようにして、今の事業ポートフォリオを完全に入れ替えていけばよいか?」という問題だと思います。
旧態依然とした銀行業務から撤退していき、新興ビジネスに移っていかなければ、立ち行かなくなると思います。
方策としては、ブロックチェーンをやっているような決済ベンチャーを買収して、比重をそちらに切り替えていくことが、最も現実的な選択肢だと思います。

[テクノロジーの捉え方]
「既存のビジネスモデルから撤退して、新しいビジネスに移行していく」という意識で、テクノロジーを捉えるのが正しいのではないかと思っています。

ディープラーニングはデータの「量」と「質」が重要

株式会社クラスキャット 佐々木 規行 氏

機械学習/ディープラーニングをトレーニングするためには、それなりの「データの量」と「データの質」が必要です。

[必要なデータ量]
例えば、手書きの0~9をまともに認識させるために必要なデータ量として、約5万5千件必要です。
みなさんのノウハウをトレーニングするためには、この程度の規模感のデータ「量」と「質」が必要です。

[スタートまでに1~2年]
コンサルを開始すると、「これからデータを集めます」ということになって、スタートできるまで1~2年かかることがあります。

[まずはデータ収集を]
肝心なことは、会社の中にデータを蓄えることです。画像でも文字でも音声でも、必要と思われるデータについての収集が重要です。
データがなければ始めることはできません。

※講演資料

本セミナーの講演資料は、こちらからダウンロードできます。
→マジセミ →人工知能をどうビジネスに活用するか?~オープンソースのディープラーニング「TensorFlow」の活用例から考える~


OSSNEWSに広告を掲載しませんか?

著者プロフィール

オープンソース活用研究所 所長 寺田雄一

1993年、株式会社野村総合研究所(NRI)入社。 インフラ系エンジニア、ITアーキテクトとして、証券会社基幹系システム、証券オンライントレードシステム、損保代理店システム、大手流通業基幹系システムなど、大規模システムのアーキテクチャ設計、基盤構築に従事。 2003年、NRI社内に、オープンソースの専門組織の設立を企画、10月に日本初となるオープンソース・ソリューションセンター設立。 2006年、社内ベンチャー制度にて、オープンソース・ワンストップサービス 「OpenStandia(オープンスタンディア)」事業を開始。オープンソースを活用した、企業情報ポータル、情報分析、シングルサインオン、統合ID管理、ドキュメント管理、統合業務システム(ERP)などの事業を次々と展開。 オープンソースビジネス推進協議会(OBCI),OpenAMコンソーシアムなどの業界団体も設立。同会の理事、会長や、NPO法人日本ADempiereの理事などを歴任。 2013年、NRIを退社し、株式会社オープンソース活用研究所を設立。

最新TOPICS

【講演資料を公開】9/24 DX時代のデータ活用とは? DataOpsを知り、メタデータ管理をはじめよう!(2020年10月24日 09:15)

2020/09/24(木)16:00~17:00「DX時代のデータ活用とは? DataOpsを知り、メタデータ管理をはじめよう!」と題したWebセミナーを開催しました。 本セミナーでは、「DataOps」の概要について解説するとともに、メタデータ管理の重要性や、どうすればメタデータ管理を定着させ、普及させることができるのかについて、事例を交えながら解説いたしました。 当日の講演資料は、以下から...

最新CLOSEUPコラム

関連オープンソース

Apache Spark(アパッチスパーク)

  • ビッグデータ処理ツール

Apache Spark(アパッチスパーク)とは、インメモリ高速分散処理プラットフォームで、大規模データ処理用統合分析機能を提供します。「高速」かつ「汎用的」であることを目標に設計されています。Java派生言語「Scala」で実装されており、各種高機能ライブラリを搭載しています。

MXNet(エムエックスネット)

  • AI・人工知能

MXNet(エムエックスネット)とは、フル機能のディープラーニングフレームワークです。最先端のディープラーニング技術「畳み込みニューラルネットワーク(CNN)」「長短期メモリネットワーク(LSTM)」などをサポートしており、AWSが公式サポートを表明したことで大きな注目を集めています。

Jaspersoft(ジャスパーソフト)

  • BIツール

Jaspersoft(ジャスパーソフト)とは、世界で幅広く利用されているオープンソースのビジネスインテリジェンス(BI)ソフトウエアであり、高機能なレポーティングツールです。PDFやHTMLなどさまざまな出力形式の帳票を作成でき、Webまたはモバイルアプリケーションに組み込める分析機能なども提供します。

Apache Solr(アパッチソーラー)

  • 検索エンジン

Apache Solr(アパッチソーラー)は、Javaベースのオープンソース全文検索エンジンです。基本的には「ローカルにある文書ファイルの中からキーワードを含む文書を検索する」機能を提供します。他のシステムやツールと組み合わせることで、GoogleのようなWeb検索も実行できます。

Jupyter Notebook(ジュピターノートブック)

  • ビッグデータ処理ツール

Jupyter Notebook(ジュピターノートブック)とは、インタラクティブコンピューティング用Webベースノートブック環境です。ノートブック形式で段階的にプログラムを実行し、データ分析作業を行える対話型ブラウザ実行環境として利用できます。

Pentaho(ペンタホ)

  • BIツール

Pentaho(ペンタホ)とは、BI(Business Intelligence)に必要なすべての機能が用意されているプロフェッショナル向けのオープンソースBIスイート製品です。「ETL」「OLAP」「クエリ」「レポーティング」「インタラクティブ分析」「ダッシュボード」「データマイニング」など、データ統合から分析までを一貫して実施できます。

RapidMiner Studio(ラピッドマイナースタジオ)

  • BIツール

RapidMiner Studio(ラピッドマイナースタジオ)とは、ビジュアルデータサイエンスワークフローデザイナーです。「機械学習」「データマイニング」「テキストマイニング」「特徴選択」「予測分析」などのさまざまなデータ分析処理をプログラミングなしで実施できます。

scikit-learn(サイキットラーン)

  • AI・人工知能

scikit-learn(サイキットラーン)とは、Pythonのオープンソース機械学習ライブラリです。機械学習アルゴリズムを幅広くサポートしており、「分類回帰クラスタ分析」「ニューラルネットワーク」「サポートベクターマシン」「ランダムフォレスト」「k近傍法」などを手軽に実装できます。

Enigma(エニグマ)

  • FinTech系ツール

Enigma(エニグマ)とはブロックチェーンタイプの分散型計算プロトコルです。「シークレットコントラクト」を可能にする分散ネットワーク構築が可能で、Enigmaネットワーク内の「シークレットノード」が暗号化データに対して安全に計算を実行できます。

Elasticsearch(エラスティックサーチ)

  • 検索エンジン

Elasticsearch(エラスティックサーチ)とは、全文検索エンジンです。マルチテナント、スキーマレスでクラウドに最適化されています。HTTP WebインターフェースとスキーマフリーのJSONドキュメントを備えており、さまざまなユースケースに対応できる分散型RESTful検索が可能です。

Kibana(キバナ)

  • BIツール

Kibana(キバナ)とは、全文検索エンジン「Elasticsearch」と連携して使用するデータ解析/可視化プラットフォームです。データ分析および検索ダッシュボードで、全文検索エンジン「Elasticsearch」用のオープンソースのデータ視覚化プラグインとして機能します。

Chainer(チェイナー)

  • AI・人工知能

Chainer(チェイナー)とは、日本製の深層学習フレームワークです。ニューラルネットワークを誤差伝播で学習するライブラリで、Pythonで柔軟に記述し学習させることができます。特徴として「柔軟性」「直感的」「高機能」の3つを掲げています。

Apache Kafka(アパッチ カフカ)

  • ビッグデータ処理ツール

Apache Kafka(アパッチ カフカ)とは、分散ストリーミングプラットフォームです。「Pull型」「高スループット」などの特徴があり、ストリーミングデータパイプライン構築に利用できます。分散環境において「高スループット」かつ「低レイテンシ」で、大規模データを高速に取り込み配信できるメッセージングシステムです。

Caffe(カフェ)

  • AI・人工知能

Caffe(カフェ)とは、オープンソースのディープラーニングライブラリです。画像認識に特化しており、「高速動作」「GPU対応」「洗練されたアーキテクチャ/ソースコード」「開発コミュニティが活発」などの特徴があります。C++/Python/MATLABなどで使用できます。

Apache Hadoop(アパッチハドゥープ)

  • ビッグデータ処理ツール

Apache Hadoop(アパッチハドゥープ)とは、オープンソース大規模データ分散処理フレームワークです。「データ処理基盤」と「分散コンピューティング基盤」という2つの特徴を持つフレームワークとして大規模データを効率的に分散処理および管理できます。

Orange(オレンジ)

  • BIツール

Orange(オレンジ)とはデータマイニングソフトウェアです。初心者から専門家までのニーズに対応できる対話型データ分析ワークフローとして利用できます。「探索的なデータ分析」と「対話的なデータ視覚化」のためのビジュアルプログラミングフロントエンドを特徴としています。

TensorFlow(テンソルフロー)

  • AI・人工知能

TensorFlow(テンソルフロー)とは、Googleの機械学習/ディープラーニング/多層ニューラルネットワークライブラリです。データフローグラフを使用したライブラリで複雑なネットワークを分かりやすく記述できます。高い汎用性により研究レベルから実プロダクトにまで活用できます。

NGT(エヌジーティー)

  • ビッグデータ処理ツール

NGT(Neighborhood Graph and Tree for Indexing)とは、高次元ベクトルデータ高速検索技術です。ビッグデータ分析/ディープラーニング領域に活用できる技術として注目されています。

Presto(プレスト)

  • データベース

Presto(プレスト)とは、分析クエリ実行用分散型SQLクエリエンジンです。

Catalyst(カタリスト)

  • FinTech系ツール

Catalyst(カタリスト)とは、暗号通貨トレーディングアルゴリズムライブラリです。

Hyperledger(ハイパーレッジャー)

  • FinTech系ツール

Hyperledger(ハイパーレッジャー)とは、オープンソース「ブロックチェーン技術推進コミュニティー」です。「Linux Foundation」が中心となり、世界30以上の先進的IT企業が協力して、ブロックチェーン技術/P2P分散レッジャー技術の確立を目指しています。

Pylearn2(パイラーンツー)

  • AI・人工知能

Pylearn2(パイラーンツー)とは、数値計算ライブラリ「Theano」ベースのオープンソースディープラーニングライブラリです。

Theano(テアノ)

  • AI・人工知能

Theano(テアノ)とは、Python用数値計算ライブラリです。多次元配列を効率的に使用する数式について定義/最適化/評価でき、ディープラーニング計算処理によく利用されます。

H2O(エイチツーオー)

  • AI・人工知能

H2O(エイチツーオー)とは、オープンソースの分散型インメモリマシン機械学習プラットフォームです。

Eclipse Deeplearning4j(イクリプスディープラーニングフォージェイ)

  • AI・人工知能

Eclipse Deeplearning4j(イクリプスディープラーニングフォージェイ)とは分散型深層学習ライブラリです。「Java」「JVM(Java仮想マシン)」「各種アルゴリズム」をサポートします。

Keras(ケラス)

  • AI・人工知能

Keras(ケラス)とは、Python実装の高水準ニューラルネットワークライブラリです。「TensorFlow」「Microsoft Cognitive Toolkit」「Theano」上で実行できます。

Talend Open Studio(タレンドオープンスタジオ)

  • ETL

Talend Open Studio(タレンドオープンスタジオ)とは、ELTビジュアル開発ツール群です。コードを記述せずにETLプロセスを作成できる点が特徴です。

Torch(トーチ)

  • AI・人工知能

Torch(トーチ)とは、「機械学習ライブラリ」「科学計算フレームワーク」です。GPUを活用する機械学習アルゴリズムを幅広くサポートしています。

Pravega(プラベガ)

  • ストリームデータ処理

Pravega(プラベガ)とは、オープンソースの分散ストレージサービスです。連続した無制限のデータに対してストレージ抽象化を行う、分散コンピューティングコーディネーションフレームワークです。

Fess(フェス)

  • 検索エンジン

Fess(フェス)とは、Javaベースの全文検索サーバです。検索エンジンとして「Elasticsearch」を利用します。「5分で簡単に構築可能」な導入容易性が特徴です。

Schema Registry(スキーマ レジストリ)

  • ビッグデータ処理ツール

Schema Registry(スキーマ レジストリ)とは、メッセージングシステム「Apache Kafka」ベースのストリームデータ基盤「Confluent Platform」の1コンポーネントです。一元的なスキーマ管理機能を提供します。

Apache NiFi(アパッチナイファイ)

  • BIツール

Apache NiFi(アパッチナイファイ)。データフローオーケストレーションツールです。Webインタフェースでシステム間のデータフロー自動化定義が可能です。IoTデータフローを見据えた双方向性が特徴です。

Apache Flink(アパッチフリンク)

  • ストリームデータ処理

Apache Flink(アパッチフリンク)。分散ストリーム処理プラットフォームです。バッチ処理にも対応し、耐障害性/拡張性を備えたストリーム処理基盤です。

Apache Nutch(アパッチナッチ)

  • ビッグデータ処理ツール

Apache Nutch(アパッチナッチ)。オープンソースのWebクローラフレームワークです。Apache Hadoopによる拡張性が特徴です。

DSSTNE(デスティニー)

  • AI・人工知能

DSSTNE(デスティニー)。ディープラーニングライブラリです。Amazonがオープンソース公開したもので、スパース(疎)データに強いという特徴があります。

Apache Drill(アパッチドリル)

  • ビッグデータ処理ツール

Apache Drill(アパッチドリル)。ビッグデータに対応するスキーマフリーSQLクエリエンジンです。構造化データ/非構造化データなどのさまざまなデータソースに対して、直接SQLクエリを実行して結果を得ることができます。

Norikra(ノリクラ)

  • ストリームデータ処理

Norikra(ノリクラ)。ストリームデータ処理エンジンです。リアルタイムイベントストリームデータに対して、SQLライク言語でスキーマレスなデータ処理が可能です。手軽に利用できる点が特徴です。

Apache Lucene(アパッチルシーン)

  • 検索エンジン

Apache Lucene(アパッチルシーン)。高性能/高機能/極めてスケーラブルなオープンソース全文検索エンジンライブラリです。

Apache ManifoldCF(アパッチマニフォールドシーエフ)

  • ビッグデータ処理ツール

Apache ManifoldCF(アパッチマニフォールドシーエフ)。オープンソースクローラフレームワークです。インターネット上やイントラネット内のさまざまなサーバに保管されているドキュメントコンテンツ(Webページ/文書ファイル/DBデータなど)を収集し、それを検索エンジンに送ります。

Microsoft Cognitive Toolkit(マイクロソフトコグニティブツールキット)

  • AI・人工知能

Microsoft Cognitive Toolkit(マイクロソフトコグニティブツールキット)。AI技術を利用したディープラーニング(深層学習)ツールキットです。旧称「CNTK」から改名されました。

Apache Storm(アパッチストーム)

  • ストリームデータ処理

Apache Storm(アパッチストーム)。オープンソースで耐障害性に優れた高速分散処理型ニアリアルタイムビッグデータ処理フレームワークです。

OpenOLAP(オープンオーラップ)

  • BIツール

OpenOLAP(オープンオーラップ)。PostgreSQLを利用した、多次元データベース(OLAP)システム

Eclipse BIRT(エクリプス バート)

  • BIツール

Eclipse BIRT(エクリプス バート)。BIRTとは、Business Intelligence and Reportting Toolsの頭文字。Eclipse上で利用できるレポート開発環境

バックナンバー

関連記事

無料資料プレゼント

ポストコロナ時代にデータセンターはどう活用すべきか

講演資料を見るには、 プライバシーポリシーに同意して、送付先メールアドレスをご入力しご請求ください。

またご入力いただきました情報は、当該資料の作成・提供企業とも共有させていただき、当社及び各社のサービス、製品、セミナー、イベントなどのご案内に使用させていただきます。

本資料を見るには次の画面でアンケートに回答していただく必要があります。



セミナー講演資料公開中

Webセミナー/企業におけるデータ活用の現状と課題とは何か?

Webセミナー/企業のデータ活用に立ちはだかる「3つの壁」 ~どの壁で止まっているのか、自社のポジションを判定し、壁を乗り越えるためのワークショップ~

DX時代のデータ活用とは? DataOpsを知り、メタデータ管理をはじめよう!

  • オープソース書籍(サイド)

facebook

twitter