JP2023079140A - 情報処理システム、情報処理方法及び情報処理プログラム - Google Patents
情報処理システム、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP2023079140A JP2023079140A JP2022047078A JP2022047078A JP2023079140A JP 2023079140 A JP2023079140 A JP 2023079140A JP 2022047078 A JP2022047078 A JP 2022047078A JP 2022047078 A JP2022047078 A JP 2022047078A JP 2023079140 A JP2023079140 A JP 2023079140A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- area
- data
- input
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 76
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims description 106
- 230000004044 response Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 87
- 238000006243 chemical reaction Methods 0.000 description 81
- 238000012545 processing Methods 0.000 description 73
- 238000010801 machine learning Methods 0.000 description 66
- 230000000694 effects Effects 0.000 description 53
- 238000004891 communication Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 14
- 238000007781 pre-processing Methods 0.000 description 9
- 238000002360 preparation method Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000013075 data extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000010224 classification analysis Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
Description
本節では、ハードウェア構成について説明する。
図1は、情報処理システム1を表す構成図である。情報処理システム1は、情報処理装置2と、ユーザ端末3と、データベースDB1と、を備える。情報処理装置2と、ユーザ端末3と、データベースDB1と、は、電気通信回線を通じて通信可能に構成されている。一実施形態において、情報処理システム1とは、1つ又はそれ以上の装置又は構成要素からなるものである。仮に例えば、情報処理装置2のみからなる場合であれば、情報処理システム1は、情報処理装置2となりうる。以下、これらの構成要素について説明する。
図2は、情報処理装置2のハードウェア構成を示すブロック図である。情報処理装置2は、通信部21と、記憶部22と、制御部23とを備え、これらの構成要素が情報処理装置2の内部において通信バス20を介して電気的に接続されている。各構成要素についてさらに説明する。
図3は、ユーザ端末3のハードウェア構成を示すブロック図である。ユーザ端末3は、通信部31と、記憶部32と、制御部33と、表示部34と、入力部35とを備え、これらの構成要素がユーザ端末3の内部において通信バス30を介して電気的に接続されている。通信部31、記憶部32及び制御部33の説明は、情報処理装置2における各部の説明と同様のため省略する。
データベースDB1は、外部データD0を記憶する。外部データD0は、例えば公衆がアクセス可能なデータであっても、特定のユーザのみがアクセス可能なデータであってもよい。また、外部データD0は、本情報処理システム1を使用するユーザのみがアクセス可能なデータであってもよい。データベースDB1は、単一の記憶デバイスにより実現されていても、複数の記憶デバイスにより実現されていてもよい。外部データD0が表す内容は、例えば衛生観測結果、気候観測結果、統計資料など、任意である。
図4は、制御部23が備える機能部の一例を示す図である。図4に示すように、制御部23は、受付部231と、変換処理部232と、生成部233と、を備える。
受付部231は、外部からの情報や指令の入力を受け付ける。当該入力は、ユーザによる入力であっても、ユーザ以外の任意のデバイスによる入力であってもよい。例えば、受付部231は、入力データDの入力や、ユーザ端末3に対する操作に応じた指令を受け付ける。本実施形態では、受付部231が受け付ける入力データDを、第1の入力データD1という。第1の入力データD1は、情報処理装置2に入力されるデータともいえる。
変換処理部232は、第1の入力データD1に対して行う変換処理を行うことで、第2の入力データD2を生成する。第2の入力データD2は、第1の入力データD1に対して変換処理が行われた入力データDともいえる。
生成部233は、表示部34に表示させる画面を生成する。
本節では、前述した情報処理システム1において実行される情報処理について説明する。なお、当該情報処理は、アクティビティ図に図示されない、任意の例外処理を含みうる。例外処理は、当該情報処理の中断や、各処理の省略を含む。当該情報処理にて行われる選択又は入力は、ユーザによる操作に基づくものでも、ユーザの操作に依らず自動で行われるものでもよい。
図5は、情報処理システム1において実行される情報処理の流れの一例を示すアクティビティ図である。図5に示すように、アクティビティA001にて、受付部231は、第1の入力データD1の入力を受け付ける。本実施形態では、受付部231は、ユーザによる第1の入力データD1の入力を受付可能に構成されている。なお、入力データD1の入力は、ユーザによるものに限られない。例えば、入力データD1の入力は、制御部23と通信可能に構成された任意の部材、例えば、制御部33によって行われてもよい。
次に処理がアクティビティA002に進み、変換処理部232は、受け付けた第1の入力データD1に対して変換処理を行う。これにより、変換処理部232は、第1の入力データD1から第2の入力データD2を生成する。
次に処理がアクティビティA003に進み、制御部23は、アクティビティA002で生成された第2の入力データD2を、学習器MLに入力する。学習器MLは、所定の分析手法を用いて、第2の入力データD2から学習モデルM1を生成する。分析手法は、任意であるが、例えば分類分析、回帰分析、及び時系列分析のうちの少なくとも1つを含む。分析手法としては、教師あり学習、教師なし学習、強化学習など任意のアルゴリズムのものを採用可能である。制御部23は、複数の分析手法のうちの学習モデルM1の生成に用いられる少なくとも1つの選択を受け付けてもよい。アクティビティA002にて行われる変換処理は、学習器MLにて用いられる分析手法に基づいて特定されてもよい。第2の入力データD2が入力される学習器MLが複数存在する場合、複数の学習器MLのそれぞれから、異なる学習モデルM1が生成される。第2の入力データD2が入力される学習器MLは、制御部23が第1の入力データD1に基づいて特定したものでもよい。また、当該学習器MLは、特定された学習器MLのなかからユーザが選択したものでもよい。
次に処理がアクティビティA004に進み、制御部23は、アクティビティA003で生成された学習モデルM1を取得する。生成された学習モデルM1が複数存在する場合、制御部23は、当該学習モデルM1の少なくとも1つを取得する。複数の学習モデルM1が取得された場合、制御部23は、第1の入力データD1に基づき、学習モデルM1に関するモデル情報IF1を、学習モデルM1ごとに比較可能な態様で表示部34に表示させてもよい。例えば、制御部23は、少なくとも、生成される学習モデルM1ごとの精度情報を比較可能に表示させもよい。また、制御部23は、それぞれの学習モデルM1に関するモデル情報IF1を、表示部34に一覧可能に表示させてもよい。
次に処理がアクティビティA005に進み、生成部233は、学習画面13を生成する。生成された学習画面13は、表示部34に表示される。
図6は、表示部34に表示される学習画面13の一例を示す図である。学習画面13は、例えば、第1の入力データD1を用いて生成された学習モデルM1の再学習のための画面である。学習画面13は、入力領域132と、学習領域133と、結果領域134と、第1の外部コネクタEC1と、第2の外部コネクタEC2と、を含む。
入力領域132は、入力データDに関するデータ情報を提示可能な領域である。データ情報とは、例えば、各入力データD1,D2の容量、形式、タイムスタンプ、統計情報、説明変数x1の変数名などを含む。また、データ情報は、変換処理に関する情報を含む。変換処理に関する情報とは、変換処理の内容、履歴、タイムスタンプなどを含む。本実施形態の入力領域132は、複数の入力内部領域1320と、第1の内部コネクタIC1と、を含む。なお、入力内部領域1320の数は、複数に限られず1つでもよい。
入力内部領域1320のそれぞれは、入力データDに対する操作の単位を示す。入力データDに対する操作の単位とは、例えば、受付部231が受け付ける第1の入力データD1の選択、第1の入力データD1に対する名称の付与、第1の入力データD1に対する変換処理、変換処理が施された第1の入力データD1の出力などである。入力内部領域1320の1つは、少なくとも受付領域1321を含む。本実施形態では、入力内部領域1320は、受付領域1321と、変換処理指定領域1322と、入力データ出力領域1323と、第1の指数表示領域N1と、を含む。
受付領域1321は、ユーザからの入力データDの入力を受付可能な領域である。ユーザは、受付領域1321に対して操作を行うことにより、受付部231への第1の入力データD1の入力をすることができる。
変換処理指定領域1322は、受付領域1321にて入力された第1の入力データD1に対する変換処理に関する情報を提示可能に構成されている。変換処理指定領域1322は、変換処理指定領域1322に対するユーザの操作に応じて、変換処理を指定可能に構成されていてもよい。
入力データ出力領域1323は、ユーザの操作に応じて入力データDを出力可能に構成されている。入力データ出力領域1323は、例えば、第2の入力データD2を出力可能に構成されている。第2の入力データD2の出力形式は、csv形式、txt形式、バイナリ形式など任意である。第2の入力データD2の出力形式は、制御部23により自動で決定されても、ユーザによって指定可能に構成されていてもよい。出力された第2の入力データD2は、例えば、データベースDB1、記憶部22,32など、任意のデバイスに記憶されてもよい。特に第2の入力データD2がデータベースDB1に記憶される場合、当該第2の入力データD2は、外部データD0として利用可能であってもよい。これにより、学習モデルM1に入力可能な第1の入力データD1の増加に伴い、学習モデルM1の性能が向上する。
第1の内部コネクタIC1は、入力内部領域1320の間を接続する。第1の内部コネクタIC1は、入力内部領域1320同士の関係性に基づいて、入力内部領域1320の間を接続する。例えば、第1の内部コネクタIC1は、入力内部領域1320のそれぞれの入力データDに対する操作の前後関係に応じて、入力内部領域1320の間を接続する。本実施形態では、第1の内部コネクタIC1は、受付領域1321と変換処理指定領域1322との間を接続する。これにより、第1の入力データD1と変換処理との関連性が、第1の内部コネクタIC1による接続関係から把握しやすくなる。なお、他の入力内部領域1320に対応する操作と独立している操作を示す入力内部領域1320は、第1の内部コネクタIC1を介して他の入力内部領域1320と接続されていなくてもよい。本実施形態では、入力データ出力領域1323は、他の入力内部領域1320と接続されていない。第1の内部コネクタIC1は、設けられていなくてもよい。
第1の指数表示領域N1には、予め入力領域132に付与された指数が表示される。当該指数は、例えば、処理の順序に応じた整数が表示される。なお、指数の具体的態様は、整数等の数字に限られず、任意の文字列であってもよい。第1の指数表示領域N1は、設けられていなくてもよい。
学習領域133は、入力データDを用いた学習モデルM1の学習条件を設定可能な領域である。学習条件とは、例えば、学習モデルM1への入力データDの入力態様、学習モデルM1の生成に用いられる分析手法、学習器MLで用いられるアルゴリズム、学習器MLの計算コストの上限などである。計算コストとは、例えば、計算時間、計算回数、学習器MLの利用料金などが含まれる。学習領域133は、複数の学習内部領域1330と、第2の内部コネクタIC2と、を含む。なお、学習内部領域1330の数は複数に限られず1つでもよい。
学習内部領域1330のそれぞれは、学習条件の設定の単位を示す。学習内部領域1330の1つは、指定領域1331を含む。本実施形態では、学習内部領域1330は、指定領域1331と、予測設定領域1332と、モデル情報表示領域1333と、第1の切替領域1334と、を含む。
指定領域1331は、少なくとも学習モデルM1への入力データDの入力態様を指定可能な領域である。例えば、ユーザは、入力データDの入力態様として、入力するデータ点の数、入力データDの分割比、入力データDを入力する学習器MLなどを、指定領域1331にて指定可能である。入力データDの入力態様を指定する具体的態様は、任意である。例えば、生成部233は、ポップアップで入力態様を指定するための領域を生成しても、学習画面13とは異なる指定用の画面を生成してもよい。
予測設定領域1332は、学習モデルM1を用いた出力y1の出力態様を指定可能な領域である。例えば、ユーザは、出力y1の出力態様として、学習モデルM1の生成に用いられる分析手法、学習器MLで用いられるアルゴリズム、学習器MLの計算コストの上限などを、予測設定領域1332にて指定可能である。出力態様を指定する具体的態様は、指定領域1331と同様に任意である。予測設定領域1332は、設定実行ラベルW1を含む。設定実行ラベルW1は、予測設定領域1332にて出力y1の出力態様の指定が行われたか否かを示す。制御部23は、ユーザが設定実行ラベルW1に対して操作を行うことにより、予測設定領域1332にて指定された出力y1出力態様の指定を保存してもよい。設定実行ラベルW1の表示態様は、当該指定の有無によって異なっていてもよい。これにより、ユーザが予測設定領域1332での指定をし忘れる可能性を下げることができる。
モデル情報表示領域1333は、学習モデルM1のモデル情報IF1の少なくとも一部を表示可能に構成されている。制御部23は、ユーザによるモデル情報表示領域1333に対する操作に応じて、表示させるモデル情報IF1を変化させてもよい。制御部23は、モデル情報IF1に含まれる精度情報が所定の条件を満たすか否かに応じて、モデル情報表示領域1333の表示態様を変化させてもよい。当該条件とは、例えば、学習モデルM1の予測精度が予め設定された基準を満たすか否かを示すものである。これにより、ユーザが学習モデルM1の予測精度が十分か否かを把握することが容易となる。
第1の切替領域1334は、ユーザが第1の切替操作Op1を行うためのUIである。第1の切替操作Op1により、生成部233は、運用画面14を生成し、表示部34に表示される画面を学習画面13から運用画面14に切り替える。当該処理の内容は、後述のアクティビティA007の説明の際に詳述される。
第2の内部コネクタIC2は、学習内部領域1330の間を接続する。第2の内部コネクタIC2は、学習内部領域1330同士の関係性に基づいて、学習内部領域1330の間を接続する。例えば、第2の内部コネクタIC2は、学習内部領域1330のそれぞれの入力データDに対する操作の前後関係に応じて、学習内部領域1330の間を接続する。本実施形態では、第2の内部コネクタIC2の1つは、指定領域1331と予測設定領域1332との間を接続する。また、第2の内部コネクタIC2の1つは、予測設定領域1332とモデル情報表示領域1333との間を接続する。これにより、ユーザは、学習領域133での操作手順を第2の内部コネクタIC2から把握しやすくなる。なお、他の学習内部領域1330に対応する操作と独立している操作を示す学習内部領域1330には、第2の内部コネクタIC2が接続されていなくてもよい。本実施形態では、第1の切替領域1334が、第2の内部コネクタIC2によって他の学習内部領域1330と接続されていない。
第2の指数表示領域N2には、予め学習領域133に付与された指数が表示される。当該指数は、例えば、処理の順序に応じた整数が表示される。なお、指数の具体的態様は、整数等の数字に限られず、任意の文字列であってもよい。第2の指数表示領域N2は、設けられていなくてもよい。
結果領域134は、入力データDを用いた学習モデルM1の出力に関する結果情報IF3を表す領域である。結果領域134は、複数の結果内部領域1340と、第3の内部コネクタIC3と、を含む。なお、学習内部領域1330の数は複数に限られず1つでもよい。
結果内部領域1340は、出力表示領域1341と、出力処理指定領域1342と、出力処理領域1343と、を含む。
出力表示領域1341は、出力y1による予測結果を表示可能に構成される。当該出力y1は、入力領域132にて入力された第1の入力データD1と、学習領域133にて設定された学習条件と、に基づき学習モデルM1から出力される。予測結果は、結果情報IF3として表示されても、予測結果の優劣を示す記号、例えば、優良可、など、任意の態様で表示可能である。
出力処理指定領域1342は、当該出力y1に対する処理を指定可能に構成されている。例えば、出力処理指定領域1342は、出力y1に対する処理として、出力表示領域1341での予測結果の表示態様の変更、出力y1に対する変換処理、例えば、外れ値の除去、などを指定可能に構成されている。
出力処理領域1343は、ユーザによる操作に応じて、出力処理指定領域1342にて指定された処理を実行するか否かを決定可能なUIである。生成部233は、ユーザによる出力処理領域1343の操作に応じて、出力処理の実行結果を表示可能な画面を生成して、当該画面を表示部34に表示させてもよい。
第3の内部コネクタIC3は、結果内部領域1340の間を接続する。第3の内部コネクタIC3は、結果内部領域1340同士の関係性に基づいて、結果内部領域1340の間を接続する。例えば、第3の内部コネクタIC3は、結果内部領域1340のそれぞれの入力データDに対する操作の前後関係に応じて、結果内部領域1340の間を接続する。本実施形態では、第3の内部コネクタIC3は、出力表示領域1341と出力処理指定領域1342との間を接続する。これにより、出力y1と出力y1に対する処理との関連性が、第3の内部コネクタIC3による接続関係から把握しやすくなる。なお、他の結果内部領域1340に対応する操作と独立している操作を示す結果内部領域1340は、第3の内部コネクタIC3を介して他の結果内部領域1340と接続されていなくてもよい。本実施形態では、出力処理領域1343は、他の結果内部領域1340と接続されていない。第3の内部コネクタIC3は、設けられていなくてもよい。
第3の指数表示領域N3には、予め結果領域134に付与された指数が表示される。当該指数は、例えば、処理の順序に応じた整数が表示される。なお、指数の具体的態様は、整数等の数字に限られず、任意の文字列であってもよい。第3の指数表示領域N3は、設けられていなくてもよい。
第1の外部コネクタEC1は、入力領域132と学習領域133とを対応付ける。詳細には、第1の外部コネクタEC1は、入力領域132と学習領域133とを接続する。これにより、ユーザが、入力領域132での操作の後に学習領域133の操作を行うべきことを視覚的に把握しやすくなる。本実施形態では、第1の外部コネクタEC1の入力領域132への接続態様は、第1の外部コネクタEC1の学習領域133への接続態様と異なる。例えば、第1の外部コネクタEC1は、入力領域132の第1の指数表示領域N1と、学習領域133の縁とを接続する。これにより、第1の外部コネクタEC1の始点と終点の態様が異なるため、ユーザによる学習画面13の操作手順の把握がより容易となる。
図5に示すように、アクティビティA005にて上記学習画面13が生成された後、処理がアクティビティA006に進み、受付部231は、入力領域132に対する操作を受け付ける。受付部231に対する操作が完了した場合、第1の外部コネクタEC1の表示態様が変更される。表示態様の変更方法は、第1の外部コネクタEC1の形状、模様、色彩の変更など、ユーザが変化を視認可能であれば任意である。これにより、ユーザが現在するべき操作を視覚的に把握しやすくなる。
受付部231に対する操作が完了した後、処理がアクティビティA007に進み、受付部231は、学習領域133に対する操作を受け付ける。このとき、学習領域133にて第1の切替領域1334に対する第1の切替操作Op1が行われずに学習領域133に対する操作が完了した場合、処理がアクティビティA008に進む。この場合、第2の外部コネクタEC2の表示態様が、第1の外部コネクタEC1の表示態様と同様に変更される。
アクティビティA008にて、受付部231は、結果領域134に対する操作を受け付ける。
次に、処理がアクティビティA009に進み、制御部23は、学習画面13にて指定された第1の入力データD1や学習条件等に基づき、学習モデルM1の再学習を実行する。
次に、処理がアクティビティA010に進み、制御部23は、再学習された学習モデルM1のモデル情報IF1を取得する。制御部23は、再学習された学習モデルM1から出力される出力y1から結果情報IF3を取得してもよい。制御部23は、取得したこれらの情報を、表示部34に表示させてもよい。これらの情報は、学習画面13と異なる画面を用いて表示されても、学習画面13の更新によって表示されてもよい。取得された学習モデルM1が複数存在する場合、制御部23は、第1の入力データD1に基づき、モデル情報IF1を、学習モデルごとに比較可能な態様で表示部34に表示させてもよい。例えば、制御部23は、特定された学習器MLのうち、選択により選択された学習器MLを用いて生成されるモデル情報IF1を表示部34に表示させる。ユーザは、入力領域132に対する操作、学習領域133に対する操作、及び結果領域134に対する操作を順次受け付けることを、外部コネクタEC1,EC2のそれぞれの接続態様から視覚的に把握できる。
一方、アクティビティA007にて学習領域133にて第1の切替領域1334に対する第1の切替操作Op1が行われた場合、処理がアクティビティA101に進む。アクティビティA101にて、制御部23は、学習モデルM1から運用学習モデルM2を生成する。運用学習モデルM2は、学習モデルM1をデプロイ用に変換したものである。詳細には、運用学習モデルM2は、学習領域133に表示された学習モデルM1をデプロイ用に変換したものである。運用学習モデルM2の形式は、学習モデルM1の形式に比べて大容量の入力データDの処理に適している。以下、説明の便宜上、運用学習モデルM2に入力される入力データDを、運用データD3という。運用データD3は、学習モデルM1の生成に用いられた第1の入力データD1の少なくとも一部を含んでも、当該第1の入力データD1を含まなくてもよい。
次に処理がアクティビティA102に進み、生成部233は、第1の切替領域1334に対するユーザの第1の切替操作Op1に応じて運用画面14を生成する。生成された運用画面14は、表示部34に表示される。本実施形態では、運用画面14は、学習画面13に代えて表示される。なお、運用画面14は、学習画面13とともに表示可能に構成されてもよい。
<運用画面14>
図7は、表示部34に表示される運用画面14の一例を示す図である。運用画面14には、少なくとも1つのパイプラインPLが表示される。本実施形態では、1つのパイプラインPLが運用画面14に表示されている。
パイプラインPLは、運用学習モデルM2のデータフローを示す。データフローは、受付部231による第1の入力データD1の受付から、を用いて結果情報IF3が得られるまでの処理の流れに対応する。パイプラインPLは、複数のジョブ領域140と、複数のフローコネクタF1と、第2の切替領域147と、を含む。なお、ジョブ領域140の数、及びフローコネクタF1の数は、それぞれ複数に限られず1つでもよい。
ジョブ領域140は、運用学習モデルM2のパイプラインPLでの処理のまとまりを示す。処理のまとまりとは、例えば、変換処理が行われる対象を取得する処理、変換処理、変換処理の結果を取得する処理、運用学習モデルM2による処理、結果情報IF3、特に精度情報を導出する処理などである。言い換えれば、処理のまとまりとは、ジョブである。本実施形態のパイプラインPLは、ジョブ領域140として、第1のジョブ領域141と、第2のジョブ領域142と、第3のジョブ領域143と、第4のジョブ領域144と、第5のジョブ領域145と、第6のジョブ領域146と、を含む。なお、ジョブ領域140のそれぞれは、レポジトリ表示領域RP1を含みうる。レポジトリ表示領域RP1は、ジョブ領域140のバージョン、更新日時等の情報を表示可能に構成される。これにより、ジョブ領域140のバージョンの一元管理が容易となる。
第1のジョブ領域141は、制御部23に入力される入力データDを受け付ける処理に対応する。当該入力データDは、ユーザが保有する運用データD3に限られず、外部データD0を含みうる。
第2のジョブ領域142は、変換処理に対応する。特に、第2のジョブ領域142は、変換処理指定領域1322にて指定された変換処理に対応する。第2のジョブ領域142は、変換処理に含まれる複数の処理ごとに細分化されたジョブを含んでもよい。
第3のジョブ領域143は、運用学習モデルM2で実行される処理に対応する。第3のジョブ領域143には、運用学習モデルM2にて処理される変数の受け渡しをデータフローが表示されてもよい。
第4のジョブ領域144は、運用学習モデルM2から出力された結果を取得する処理に対応する。例えば、第4のジョブ領域144は、運用学習モデルM2から出力される出力y1と、当該出力y1に対応する説明変数x1を取得する処理に対応する。複数の説明変数x1が取得される場合、第4のジョブ領域144は、説明変数x1のそれぞれを取得する処理に対応する領域を含んでもよい。複数の出力y1が取得される場合も、第4のジョブ領域144は、出力y1のそれぞれを取得する処理に対応する領域を含んでもよい。
第5のジョブ領域145は、第4のジョブ領域144にて取得された情報に基づき、学習モデルM1による予測結果を導出する処理に対応する。例えば、第5のジョブ領域145は、結果情報IF3を導出する処理に対応する。第5のジョブ領域145には、導出された結果情報IF3の少なくとも一部が表示されてもよい。
第6のジョブ領域146は、第4のジョブ領域144にて取得された情報に基づき、モデル情報IF1を導出する処理に対応する。第6のジョブ領域146には、導出されたモデル情報IF1の少なくとも一部が表示されてもよい。導出されたモデル情報IF1は、第3のジョブ領域143に対応する処理、例えば、運用学習モデルM2の再学習に用いられる。
フローコネクタF1は、ジョブ領域140間の情報の流れに対応する。情報の流れは、パラメータの送受信や処理の呼び出し等を含む。本実施形態では、フローコネクタF1が、第1のジョブ領域141と第2のジョブ領域142との間、第2のジョブ領域142と第3のジョブ領域143との間、第4のジョブ領域144と第5のジョブ領域145との間、第4のジョブ領域144と第6のジョブ領域146との間、第6のジョブ領域146と第3のジョブ領域143との間に、それぞれ配置されている。なお、ジョブ領域140間には、複数のフローコネクタF1が配置されていてもよい。例えば、第1のジョブ領域141と第2のジョブ領域142との間、及び第3のジョブ領域143と第4のジョブ領域144との間、及び第4のジョブ領域144と第5のジョブ領域145との間には、それぞれ2つのフローコネクタF1が配置されている。
第2の切替領域147は、ユーザが第2の切替操作Op2を行うためのUIである。
図5に戻り、アクティビティA102にて運用画面14が生成された後、処理がアクティビティA103に進み、受付部231は、ユーザからの運用画面14に対する操作を受け付ける。生成部233は、ユーザからの操作に応じた応答を生成する。例えば、受付部231がユーザからのジョブ領域140に対する操作を受け付けた場合、生成部233は、当該ジョブ領域140に対応する処理の内容を表示する。処理の内容は、例えば、所定のプログラミングコードによって表示される。当該操作に応じて、生成部233は、当該ジョブ領域140の入出力の時間変化に関する情報を表示してもよい。
次に、運用画面14の変形例について説明する。図8は、運用画面14の変形例を示す図である。本実施形態の運用画面14は、複数のパイプラインPLを含む。生成部233は、異なる複数の入力データD、すなわち運用データD3を用いて学習モデルM1の再学習が行われる場合、当該運用データD3ごとに生成される学習モデルM1ごとにパイプラインPLを生成する。言い換えれば、異なる複数の入力データDを用いて学習モデルM1の再学習が行われる場合、パイプラインPLは、当該運用データD3ごとに生成される学習モデルM1ごとに表示部34に表示される。異なる複数の入力データDを用いて運用学習モデルM2の再学習が行われる場合、再学習された運用学習モデルM2は、運用データD3ごとに異なる特性を有する可能性がある。そのため、パイプラインPLが異なる複数の入力データDごとに生成される学習モデルM1ごとに表示部34に表示されることで、複数の運用学習モデルM2の保守管理の負担が軽減される。複数のパイプラインPLのそれぞれは、例えば、学習モデルM1の特徴量に応じてクラスタリングされる学習モデルM1ごとに表示されてもよい。本実施形態では、当該入力データDは運用データD3を含む。また、当該入力データDは、外部データD0を含んでもよい。当該学習モデルM1は、運用学習モデルM2ともいえる。本実施形態の運用画面14は、3つのパイプラインPLと、パイプライン指定領域151と、をさらに含む。なお、パイプラインPLの数はあくまで例示に過ぎず、例えば、10,20,30,40,50,60,70,80,90,100,200,300,400,500,600,700,800,900,1000,2000,3000,4000,5000,6000,7000,8000,9000,10000であっても、これらの数の間に含まれる任意の数であってもよい。無論、パイプラインPLの数は、ここに例示した数字より小さくても、大きくてもよい。
前述の実施形態に係る情報処理システム1に関して、以下のような態様を採用してもよい。
もちろん、この限りではない。
このとき複数のMLを並行的に実行させてもよい。
なお、この第11の態様は第1の態様に対して重畳的に用いることもできる。
2 :情報処理装置
3 :ユーザ端末
13 :学習画面
14 :運用画面
20 :通信バス
21 :通信部
22 :記憶部
23 :制御部
30 :通信バス
31 :通信部
32 :記憶部
33 :制御部
34 :表示部
35 :入力部
132 :入力領域
133 :学習領域
134 :結果領域
140 :ジョブ領域
141 :第1のジョブ領域
142 :第2のジョブ領域
143 :第3のジョブ領域
144 :第4のジョブ領域
145 :第5のジョブ領域
146 :第6のジョブ領域
147 :第2の切替領域
151 :パイプライン指定領域
231 :受付部
232 :変換処理部
233 :生成部
1320 :入力内部領域
1321 :受付領域
1322 :変換処理指定領域
1323 :入力データ出力領域
1330 :学習内部領域
1331 :指定領域
1332 :予測設定領域
1333 :モデル情報表示領域
1334 :第1の切替領域
1340 :結果内部領域
1341 :出力表示領域
1342 :出力処理指定領域
1343 :出力処理領域
A001 :アクティビティ
A002 :アクティビティ
A003 :アクティビティ
A004 :アクティビティ
A005 :アクティビティ
A006 :アクティビティ
A007 :アクティビティ
A008 :アクティビティ
A009 :アクティビティ
A010 :アクティビティ
A101 :アクティビティ
A102 :アクティビティ
A103 :アクティビティ
DB1 :データベース
EC1 :第1の外部コネクタ
EC2 :第2の外部コネクタ
F1 :フローコネクタ
IC1 :第1の内部コネクタ
IC2 :第2の内部コネクタ
IC3 :第3の内部コネクタ
N1 :第1の指数表示領域
N2 :第2の指数表示領域
N3 :第3の指数表示領域
Op1 :第1の切替操作
Op2 :第2の切替操作
PL :パイプライン
RP1 :レポジトリ表示領域
W1 :設定実行ラベル
Claims (11)
- 情報処理システムであって、
制御部を備え、
前記制御部は、次の各ステップを実行するように構成され、
第1の生成ステップでは、入力データに関するデータ情報を提示可能な入力領域と、前記入力データを用いた学習モデルの学習条件を設定可能な学習領域と、前記入力領域と前記学習領域とを対応付ける第1の外部コネクタと、を含む学習画面を生成する、もの。 - 請求項1に記載の情報処理システムにおいて、
前記入力領域は、複数の入力内部領域と、前記入力内部領域の間を接続する第1の内部コネクタと、を含み、
前記入力内部領域のそれぞれは、前記入力データに対する操作の単位を示す、もの。 - 請求項2に記載の情報処理システムにおいて、
前記入力内部領域の1つは、少なくともユーザからの前記入力データの入力を受付可能な受付領域を含む、もの。 - 請求項1~請求項3の何れか1つに記載の情報処理システムにおいて、
前記学習領域は、複数の学習内部領域と、前記学習内部領域の間を接続する第2の内部コネクタと、を含み、
前記学習内部領域のそれぞれは、前記学習条件の設定の単位を示す、もの。 - 請求項4に記載の情報処理システムにおいて、
前記学習内部領域の1つは、少なくとも前記学習モデルへの前記入力データの入力態様を指定可能な指定領域を含む、もの。 - 請求項1~請求項5の何れか1つに記載の情報処理システムにおいて、
前記学習画面は、前記入力データを用いた前記学習モデルの出力に関する結果情報を表す結果領域と、前記学習領域と前記結果領域とを対応付ける第2の外部コネクタと、を含む、もの。 - 請求項1~請求項6の何れか1つに記載の情報処理システムにおいて、
さらに、第2の生成ステップでは、切替領域に対するユーザの切替操作に応じて運用画面を生成し、ここで、前記運用画面には、前記学習モデルのデータフローを示すパイプラインが表示される、もの。 - 請求項7に記載の情報処理システムにおいて、
異なる複数の前記入力データを用いて前記学習モデルの再学習が行われる場合、前記パイプラインは、当該入力データごとに生成される前記学習モデルごとに表示される、もの。 - 請求項7又は請求項8に記載の情報処理システムにおいて、
前記パイプラインは、前記学習モデルの特徴量に応じてクラスタリングされる前記学習モデルごとに表示される、もの。 - 情報処理方法であって、
請求項1~請求項9の何れか1つに記載の情報処理システムの各ステップを含む、方法。 - 情報処理プログラムであって、
コンピュータに、請求項1~請求項9の何れか1つに記載の情報処理システムの各ステップを実行させる、もの。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021192392 | 2021-11-26 | ||
JP2021192392 | 2021-11-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023079140A true JP2023079140A (ja) | 2023-06-07 |
Family
ID=84387512
Family Applications (5)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022037738A Active JP7186411B1 (ja) | 2021-11-26 | 2022-03-11 | 情報処理システム、情報処理方法及び情報処理プログラム |
JP2022037737A Active JP7185888B1 (ja) | 2021-11-26 | 2022-03-11 | 情報処理システム、情報処理方法及び情報処理プログラム |
JP2022047078A Pending JP2023079140A (ja) | 2021-11-26 | 2022-03-23 | 情報処理システム、情報処理方法及び情報処理プログラム |
JP2022184028A Pending JP2023079181A (ja) | 2021-11-26 | 2022-11-17 | 情報処理システム、情報処理方法及び情報処理プログラム |
JP2022184750A Pending JP2023079183A (ja) | 2021-11-26 | 2022-11-18 | 情報処理システム、情報処理方法及び情報処理プログラム |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022037738A Active JP7186411B1 (ja) | 2021-11-26 | 2022-03-11 | 情報処理システム、情報処理方法及び情報処理プログラム |
JP2022037737A Active JP7185888B1 (ja) | 2021-11-26 | 2022-03-11 | 情報処理システム、情報処理方法及び情報処理プログラム |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022184028A Pending JP2023079181A (ja) | 2021-11-26 | 2022-11-17 | 情報処理システム、情報処理方法及び情報処理プログラム |
JP2022184750A Pending JP2023079183A (ja) | 2021-11-26 | 2022-11-18 | 情報処理システム、情報処理方法及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (5) | JP7186411B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006170855A (ja) * | 2004-12-16 | 2006-06-29 | Fuji Photo Film Co Ltd | 世界時計及び世界時計の時刻設定方法 |
JP6007430B2 (ja) * | 2015-05-20 | 2016-10-12 | 大澤 昇平 | 機械学習モデル設計支援装置、機械学習モデル設計支援方法、機械学習モデル設計支援装置用プログラム |
WO2020158217A1 (ja) * | 2019-02-01 | 2020-08-06 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
WO2020157799A1 (ja) * | 2019-01-28 | 2020-08-06 | 三菱電機株式会社 | 開発支援装置、開発支援システム、及び、開発支援方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000029198A (ja) * | 1998-07-10 | 2000-01-28 | D S Giken:Kk | 検版装置、画像処理装置および記録媒体 |
JP2001100754A (ja) | 1999-09-28 | 2001-04-13 | Sharp Corp | データ処理方法、データ処理装置およびデータ処理プログラムを格納したコンピュータ読み取り可能な記録媒体 |
JP2015219617A (ja) | 2014-05-15 | 2015-12-07 | 日本光電工業株式会社 | 疾病分析装置、疾病分析方法、及びプログラム |
JP2017058848A (ja) | 2015-09-15 | 2017-03-23 | 日本電気株式会社 | 情報処理システム、情報処理方法、及び、プログラム |
JP7028075B2 (ja) * | 2018-06-12 | 2022-03-02 | オムロン株式会社 | 画像処理装置、画像処理方法、画像センサ |
JP7049210B2 (ja) * | 2018-08-07 | 2022-04-06 | 株式会社キーエンス | データ分析装置及びデータ分析方法 |
-
2022
- 2022-03-11 JP JP2022037738A patent/JP7186411B1/ja active Active
- 2022-03-11 JP JP2022037737A patent/JP7185888B1/ja active Active
- 2022-03-23 JP JP2022047078A patent/JP2023079140A/ja active Pending
- 2022-11-17 JP JP2022184028A patent/JP2023079181A/ja active Pending
- 2022-11-18 JP JP2022184750A patent/JP2023079183A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006170855A (ja) * | 2004-12-16 | 2006-06-29 | Fuji Photo Film Co Ltd | 世界時計及び世界時計の時刻設定方法 |
JP6007430B2 (ja) * | 2015-05-20 | 2016-10-12 | 大澤 昇平 | 機械学習モデル設計支援装置、機械学習モデル設計支援方法、機械学習モデル設計支援装置用プログラム |
WO2020157799A1 (ja) * | 2019-01-28 | 2020-08-06 | 三菱電機株式会社 | 開発支援装置、開発支援システム、及び、開発支援方法 |
WO2020158217A1 (ja) * | 2019-02-01 | 2020-08-06 | ソニー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
Non-Patent Citations (1)
Title |
---|
川嶋 宏彰: "機械学習ことはじめ", シェルスクリプトマガジン 2021 JUNE, vol. 72, JPN6022048369, 25 May 2021 (2021-05-25), JP, pages 42 - 51, ISSN: 0005049712 * |
Also Published As
Publication number | Publication date |
---|---|
JP7186411B1 (ja) | 2022-12-09 |
JP2023079138A (ja) | 2023-06-07 |
JP2023079183A (ja) | 2023-06-07 |
JP2023079137A (ja) | 2023-06-07 |
JP2023079181A (ja) | 2023-06-07 |
JP7185888B1 (ja) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11544604B2 (en) | Adaptive model insights visualization engine for complex machine learning models | |
US20170017903A1 (en) | User Interface for a Unified Data Science Platform Including Management of Models, Experiments, Data Sets, Projects, Actions, Reports and Features | |
US20160232457A1 (en) | User Interface for Unified Data Science Platform Including Management of Models, Experiments, Data Sets, Projects, Actions and Features | |
JP2020515963A (ja) | 設計ツールからのデータおよびデジタルツイングラフからの知識を用いた自律生成設計合成システム | |
US8032232B2 (en) | Natively retaining project documentation in a controller | |
US11861469B2 (en) | Code generation for Auto-AI | |
CN115170048B (zh) | 基于模型和规则的工作流实现方法、***和介质 | |
CN117389541B (zh) | 基于对话检索生成模板的配置***及设备 | |
CN114365079A (zh) | 作为***性能模拟的预处理的基于性能的***配置 | |
CN114341795A (zh) | 用于***设计的会话设计机器人 | |
US20140310306A1 (en) | System And Method For Pattern Recognition And User Interaction | |
US20240061653A1 (en) | Collaborative industrial integrated development and execution environment | |
US20230244218A1 (en) | Data Extraction in Industrial Automation Systems | |
JP2023079140A (ja) | 情報処理システム、情報処理方法及び情報処理プログラム | |
CN114610648A (zh) | 一种测试方法、装置及设备 | |
JP6775740B1 (ja) | 設計支援装置、設計支援方法及び設計支援プログラム | |
WO2021192152A1 (ja) | プログラミング支援プログラム、プログラミング支援装置およびプログラミング支援方法 | |
JP2023079180A (ja) | 情報処理システム、情報処理方法及び情報処理プログラム | |
US20230409956A1 (en) | Machine learning prediction of additional steps of a computerized workflow | |
US20230350647A1 (en) | Programming Aiding Apparatus and Programming Aiding Method | |
US20230306349A1 (en) | Benchmarking processes of an organization to standardized processes | |
Dion | Designing an Interactive Interface for FACET: Personalized Explanations in XAI | |
JP2024016001A (ja) | 製造製品を設計するための材料選択 | |
CN112925771A (zh) | 一种基于结构化对象的中心化服务开发方法及设备 | |
JP2015045939A (ja) | 非構造化データ処理システム、非構造化データ処理方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220323 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220815 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230502 |