aoma blog

エンジニアの日常とか技術とか

Google Cloud Next '17 in Tokyoに行ってきた【１日目】

IT Google カンファレンス
この記事は移転しました。約5秒後に新記事へ移動します。
移動しない場合はココをクリックして新サイトをお楽しみください。

行ってきました！Google Cloud Next！

cloudnext.withgoogle.com

場所はプリンス パークタワー東京。 会場内に自販機がないのが辛かった。。 ただ総合的にとても良かったので明日も楽しみ。

総括

  • 働き方改革をテーマにできるgoogleのソリューションすごい
  • googleすごい
  • 初心者向けのわかりやすいセッションが多かった
  • API.AIが個人的にやばかった。いい意味でやばいやつ
  • JAMボード欲しい。さわってみたい
  • ファミマ社長が熱かった。ファミマちょっと好きになったし今後に期待

以下は参加したセッションのメモです。 だれかの参考になれば…

基調講演

Google Cloud シニア バイス プレジデントのダイアン グリーンより

巨大なgoogleクラウドはいいぞ

オンプレミスは大変だよ

PokemonGoも予想の10倍以上のアクセスがあったが大丈夫だったでしょ

スケーラビリティ、セキュリティ全て任せればよい

多くの企業がGCへ

googleミッション

  • 仕事が効率よくできるように
  • 人々が充実できるように

cloudならどこにいても会議ができる。 家族ともっと過ごせる時間が増える。

100%再利用エネルギーを使用するようになる。

環境にも優しいぞ

働き方改革

働き方を変えなければいけない どうやればいいのか

下記３つが重要

  • 文化
  • ツール
  • プロセス

文化

イノベーションはひとりの天才から生まれるわけではない。 チームの力を最大化することで生まれる。

サイコロジカルセーフティが充実していることが大事

  • 自分らしく行動する発言できる
  • 弱みもふくめさらけ出せる
  • 失敗するリスクが取れる
  • チャレンジしたこと、失敗したことを賞賛してもらえる

これらが心理的安全性を生む

Work Shorter

働く時間を自分たちで決める。 退社時間を各自で決め、それまでに仕事を終わらせるようにするトレーニング

  • カレンダーに全部タスクを入れ、作業の見える化を行う
  • チームで見る、オープンにする。

8〜9時間が7〜8時間に。１時間の削減を達成。

ツール

スライドとスプレッドシートはAPIを使ってもっと便利になる

人工知能
  • メールのオートリプライ
  • ドライブのクイックアクセス
  • カレンダーの時間を探す

プロセス

仮想企業cloudy coffeeによるDEMO

  • ハングアウトチャット

    • トピックを作ったり特定のコメントに返信できるようになった
    • ファイル共有、検索もできる
    • ビデオ会議をすぐに始められる（ハングアウトミート）

  • ハングアウトミート

    • 電話とも繋がる

  • JAMボード

    • 指で消せる
    • ポストイット機能
    • web検索もできて簡単に貼り付けられる
    • ドライブとも連動している。スライドを貼り付けたり。
    • 手書き文字を綺麗な文字に（いまは英語のみ）
    • ボードの内容をメールで遅れる
    • ドライブにも保存される
    • 2018年発売

セキュリティ

昔はセキュリティが心配だからクラウドに行かない

これからはセキュリティを高めるためにクラウドへ

DLP API

  • DLP（情報漏えい防止）
  • 文章や画像からクレジットカード番号などを判別し伏せる

ファミマ社長

googleと提携

  • google suite活用
  • 企業文化を変えたい。googleから学びたい

企業文化マジ大事

企業文化 > 働き方改革

ファミマの従業員大変 レジしたり鮮度管理したり発注したり 機械学習活用

ファミマ10x

事例事例

ランチ

基調講演が長引いてランチの時間ないなぁと思っていたら12:00からのはランチセッションでした。

記載なかったので嬉しいサプライズ！

google玉子焼きがいい感じ。

【ハンズオンセッション】速習： Google Cloud Platform 上で実現する機械学習とビッグデータ解析

機械学習とは

基地のデータからルールを見つけ出す「学習」と、 見つけたルールを用いて未知のデータに適用して結論を得る「推論」からなる

学習とは

「アルゴリズムを選ぶ」、「パラメータを決める」の２ステップが必要。 学習結果は「モデル」と呼ばれる。

例

推論のみ行うことも可能

学習をやる必要があるか。（すでに学習モデルが存在することもある）

GCP上にはCloud Vision APIがあり様々なことが実現できる

ここでしか聞けない G Suite 最新機能！プロダクトロードマップをご紹介

開発中のため変更の可能性あり 写真はSNSにあげたらやだよ

今後機能開発を強化していく5テーマ

Teams

  • Hangouts Chat

    • EAP(あーりーあだぷたーぷろぐらむ)中
      • 入れば英語のみだが確認可能

  • Hangouts Meet

    • G Suite１ユーザ利用可能

  • チームドライブの機能強化

    • メンバーへの更新通知

  • 新しいGoogleサイト

    • 特定のグループ、ユーザのみにサイトを公開
    • （来年以降）リアルタイムのチャットコメント

Security

  • フィッシング対策
  • モバイル管理
  • データの管理
    • 監視ログAPI

Platform

  • App Maker

    • データはドライブに保存される
    • DATA
      • DBのテーブルのようなもの。画面からカラム作成。アンケート作るようなインターフェース
    • PAGES
      • ウィジェットからアイテムを選んで簡単にページ作成。googleサイトっぽい
      • App Makerは社内用のアプリ。社外に公開はできない？
    • SCRIPT

  • Gmailアドオン

Beyond Productivity

  • カレンダーの時間を探す

    • 機械学習を使った会議室自動選択
    • （将来的に）会議室ダッシュボード、使われていない会議室の自動リリース

  • Jamboard

    • 画像検索では著作権フリーのものだけ表示される。便利
    • オーナーのドライブに保存される

Usability

  • Drive File Stream

Google のデータサイエンティストが語る現場で使える機械学習入門

機械学習はこう動く

機械学習

ML（Machine Learning）

線の例

  • ルールベースだとX軸Y軸でのちのちお手上げになる
  • 機械学習であれば斜めの線、円など簡単にひける

8つのstep

０. そもそも機械学習が必要か

１. 目的

２. データを集める

３. データの前処理

４. モデル学習とその方法

データは綺麗でないことが多い(フォーマットがバラバラ)

全体の8割以上の作業時間…

機械学習も万能ではない。 適材適所ある

５. モデルのチューニング

６. 汎化性能

過去データだけにうまくいっても意味がない。 未来に適用できてこそ意味がある。

例. 過去問だけ解ければ受験に合格できるか？

汎化性能： ノイズに振り回されず真のシグナルにもっともよくフィットすることで、未知データに対して高い精度を発揮する度合いのこと

７. 検証

８. 改善サイクル

bigquery + tensorflowデモ

Cloud Datalab

Cloud Spanner 入門 : Google のミッションクリティカルなリレーショナル データベースを理解する

※写真撮り忘れたので途中ファミマに飲み物買いに行った時の一枚。

Spannerの歴史

なぜ構築したのか

2005年に着手

  • 水平スケーリング
  • ダウンタイムなし

概要

  • スケーリングが可能なリレーショナルデータベース
  • リレーショナル、nosqlのいいとこ取り

目的に応じて、CloudSql、BigQuery、spannerから最適なものを選ぶ

構成

テーブルcreate

一般的なSQLとほぼ同じぽい

例）Singerの中にAlbumがあるイメージ

create Album
...
INTERLEAVE IN Singer

DEMO

  • SQL実行時に実行計画も確認でき、最適なSQLを提案してくれるぽい

  • timestampは使わないほうがよい

    • スケールアウトがしずらくなる？

API.AI と Cloud Speech、チャットボットで実現する、会話型ユーザー エクスペリエンス

会話エージェントプラットフォームが自然言語の会話の理解と、それに基づく行動を可能に

ベーコンとチーズのピザをお願い。 Lサイズで。あとオリーブも載せてね。 生地は普通のでね。

↓

OrderPizza
(kind RezularCrust,
size L,
topping beacon,
topping cheese,
topping orive,
  )

API.AI デモ

Google商品販売サイトを例に。

  • エージェントを作る
  • google cloud プロジェクトを作る
  • エンティティを定義
  • インテントを作る
    • 分類のこと（デモではService、Commerce）
    • 『Service』として下記のような事例を登録
      • googleHomeを直してください
      • googlePixelの調子が悪い
    • 似たような事例が来た時に分類として『Service』と判定されるようになる
    • 4〜5の事例でもかなりの精度で判定できるようになる
    • 必要なパラメータも設定できる。Commerce（販売の例では）
      • 商品
      • 個数
      • 住所
    • ユーザーからの発言にこれらの情報が１つでもない場合は、それを聞くことができ、足りないパラメータを埋める
    • one moreと言えば個数が+1される
  • これらの情報をバックエンドに送る
  • Facebookメッセ、Slack、Lineなどに展開できる（わずか15分でもやばいもの作れる。やばい。）

Cloud Speech API DEMO（音声認識）

  • 会話をほぼ同時にテキストに。
  • 発音は同じでも文章の意味を判別してキチンと判別

Pythonによるデモ

このセッションは嫌いだ退屈だ

  • textになる
  • 感情も読み取れる

どちらも今日以降日本語が正式にサポートされる

Speech API -> API.AI の組み合わせやばいね。