CG女子高生「Saya」ついに動く！

前に書いた

実写にしか見えない3DCG美少女「Saya」
http://blog.goo.ne.jp/xmldtp/e/249fba44fe5e33a6e0e746013a8375a0

のＳａｙａが動画になったらしい

CG女子高生「Saya」ついに動く！　超リアル“えくぼ”と、シャープが見据える未来
http://headlines.yahoo.co.jp/hl?a=20161003-00000002-withnews-sci

実際の動画は、以下のサイトにあるみたい

完全に実写だこれ　リアル過ぎる3DCG女子高生「Saya」の動く姿が8K画質で初披露！
http://nlab.itmedia.co.jp/nl/articles/1610/04/news116.html

OSSの採用は自分たちがやらなければいけないという覚悟、自ら退路を断つきっかけとなった（メモ引用）

今日（10/5）Redhat forum 2016　The power of participationに行ってきた！
のでその内容をメモメモ
まずは基調講演。朝、電車を乗り過ごして、遅れてしまったので、
途中から（はじめの数分を聞き逃している）

---

■途中から

オープンなコミュニケーションがイノベーション
　　むかしは、数社がリード
　　短期間で
協働、協業している
　　政府なども
　　１企業・企業の連合体ではX
the power of participation　参加することに起こる協創力

破壊と再構築DISRUPT
　ウォーターモデルでは対応できない
　自社内のカルチャを変え、加速　DevOps（Ansible）
　　→ウーバー化（イノベーション）に遅れを取る

新しい能力
　　管理する→ビジネス成長
オープンソースイノベーション
　　ビッグデータ：オープンソースで起こっている
オープンソースと伝統的なオプション
→オープンソースは唯一のやり方へ：Howへ

ITが企業中核の事業を

レッドハット：オープンソースで２０年以上
　　はじめはLinux
　　→２０年前は低コストのイメージ
　　→金融などは、速かったので用いられた
　　Linuxからポートフォリオを
　　　オープンイノベーション
　　　ミッションクリティカルを支える

なぜレッドハットの話を聞くべきなのか
　テクノロジーの方向性を決める
　コンテナ・コンテナプラットフォーム
　　どっかー、くーばねーてぃすを使えるようにする
　コミュニティの中で、どういうことが起きているかを
　　話すことが出来るパーートナー
　　Openstackを使いたいと思ったとき
　　マッチングが必要：パートナーの人へコンサルティングなど

個々の製品だけでなく、アーキテクチャー
　　→マッチング
　　２０００のコミュニティに参加

新しいデプロイメントモデルがでてる
　　ベアメタル
　　仮想化
　　プライベート
　　複数のパブリッククラウド
　アプリをハードから分けられる：Linux
　　同じ柔軟性、長期にある→コストだけでなく、アジリティとか
　　なくてはならないもの
　　アーキテクチャをそろえていく必要がない

IDCの調査
　　７８％の企業がオープンソースを利用
　　８０％のDevOpsを実践している企業が、サポート求めている
　Linux、Java,コンテナ提供：社員はビジネスに集中
　株式取引のほとんどがRedhat　BSE
　CRIS：インド乗客向けチケット発行
　ロシュ
　ベライソン：Openstack

１００％：フォーチュン５００社の以下の会社などは
　　航空・通信・医療・銀行・政府
→オープンソースがなければ不可能

オープンソースとは、単にコードが公開されていることではない
　それはイノベーションを協創する文化である

ビデオ：オープンソースストーリー
　
■レッドハットイノベーションアワードの表彰です
・あさひてっこう　IoTの見える化　JBoss BRMS
・そふとばんく　JBOSS BRMS

■特別講演
　オープンIoT戦略による日本の生き残り方　パナソニック

・技術１０年ビジョン　IoT／ロボティクス領域
　人工知能、センシング、UI/UXの技術を進化、
　出口戦略に基づき顧客価値提供
　　　AIロボティクス家電
　　　店舗接客ソリューション
　　　自動運転・コミュータ
　　　次世代物流・搬送

・一般家庭にIoT：Wonder Life Box
　　パナソニックセンター東京
　　ビデオ
　　　木漏れ日のプロジェクションマッピング
　　　宅配ロッカー
　　　エージェント（パートナー）
　　　あついなというと→電気の使用量を見せてくれる
　　土日祝日は、自由に見れる

・家・クルマ連携
　T-Connectナビでエアコン制御
　　企業間の連携
・HEMS
　　大和ハウスの新型HEMS　D-HEMS３に貢献
　　推奨品をつなげている；他社の推奨品→家の中を１社で統一するのは無理
　　Econet Liteで接続
・アビオニクスでのIoT
　　飛行機の国際線の中とか
　　誰のためのIoTか、デザイン指向で考える
　　　B2B2Cでの価値作り
　　　　　搭乗員のコンテンツ多様化ニーズにこたえる
　　　B2BでのIoT価値作り
　　　　　航空会社の整備時間短縮ニーズにこたえる
　　　　　　WiFiで状況把握：着陸後すぐに整備
・Web of Things（サイロからの脱却・IoTマッシュアップへの挑戦）
　　現在のサイトアーキテクチャ
　　将来のWoTアーキテクチャ：W3Cのとりくみ
　　　→REST　APIで統一

・事業における３つのコアコンピタンス
　　ニーズ：顧客の維持ネスプロセス理解＋SI技術
　　シーズ：卓越した差別化要素技術
　　ソフトウェア・汎用LSI：アーキテクチャ及びプラットフォーム＋実装

・日本企業と海外企業の価値作り戦略の差
　　日本：多数ある小さな池の大きな魚を目指す
　　　戦略の分かりやすさ
　　　　　＋
　　　短期・確実な投資・回収
　　　　　＋
　　　囲いこみ（垂直統合）

　　欧米中：全ての池を妻に出多い、太平洋のくじらを目指す
　　　大掛かりなひねった戦略
　　　長期ビジョン
　　　長期的投資（M&A,OSS,SDK,クラウド）

　日本は、ソフトウェアによるルール作り（エコシステム）をコアコンピタンス
　の１つとして捉えないため、たとえ先行しても・・

・エコシステム作りの戦略
　貢献中心タイプの戦略は損して特取るを実践
　利用中心タイプ（日本）は、コスト削減の面で当初は有利
　しかしOSS側が進化するたびに後追いで追従するコストが
　　大きな負担になってくる
　　＝OSSの独自・過度なカスタマイズは悪
　エコシステムを自ら作るために、OSSの枠組みを積極的に利用すべき

・日本企業が世界に飛躍するための５つの処方箋
　１）コト作りファースト・ソフトウェアセカンド・ハードウェアラスト
　２）オープンイノベーション
　３）ストックガタソフトウェア開発（戦術）
　４）コーディング重視・運用重視（人事・技術）
　５）現場へのエンパワーメント（意思決定）

・ぱなそにっくにおける「ことづくり」と「えこしすてむ」
　　綱領　共存共栄　松下幸之助

■中国電力におけるオープン環境への挑戦
・自社紹介
　自由化：東京でも
　カープ応援メニュー

・当社のシステム開発・保守・運用体制
　　情報システム部門がITに関して責任を持つ体制

・情報システムの使い方
　　高圧配電線工事
　　　配電工事設計の画面イメージ
　　　記号設計→材料・積算・資材センター・配送→工事会社へ
　　　竣工情報→資材システム・検査・台帳
　　停電情報の提供

・電力自由化におけるシステム対応
　　スマートメーター：３０分ごとに検針値収集
　　　無線マルチホップ方式
　　　PLC方式
　　　１；N無線方式
　　託送業務

・オープン化
　OSSの評価
　　　信頼性、安定性：判断可能
　　　柔軟性：ソース書き換えられる
　　　コスト：コントロール可能
　　　サポート：公平な競争
　心配の声もある：セキュリティ
　昔：業務アプリケーションだけを作ればよかった：本当（ここ強調）によい時代

・IT構想
　　業務を変えるエネルギアGrを変えるICTで変える

　ベンダーとユーザー企業の役割分担
　　サーバーなど：競争調達
　　ミドル：OSS

・スマートメーター管理、料金計算、スイッチング支援
　　OSS中心に開発

・当社にとってのオープン化の価値
　　私たちの商品は６０Hzの電気だけ
　　安定稼動で貢献するものの、オープン化でイノベーションは起こらず

　　　システム開発後に、改善意欲
　　　自分たちがやらなければいけないという覚悟
　　　メーカーなどの影響を受けにくい体質
　　　OSSの採用は自ら退路を断つきっかけとなった
　OSSの採用は自ら退路を断つきっかけとなった
　組織面での具体的な変化
　　組織としての判断スピード早くできる
　　現場と協力した業務の変革
　　　　ライブ中継で共有

　　新技術の採用
　　　情報化費用２０％減少

　新しいことに積極的にチャレンジし、
　　社内を変革していくという意識が芽生えた

・最後に
　「どう考えるか。何をせんたくするか」はじぶんが決めること。
　人に任せることではない

　自分たちでやれば、技術力・実力・自信がたまる
　丸投げすれば、ストレスがたまる

■継続的イノベーションのためのアーキテクチャ構築
　デジタルトランスフォーメーション
　　今までと違ったソフトウェア
　　ウーバー等だけでなくすべて→金融、小売、製造にも影響
　　自動車会社：ソフト使ってる
　ソフト→ビジネスに使っている
　成功するため
　　１．スピード
　　２．効率性
　　３．アジリティ
　３つのへんか
　　１．アーキテクチャ
　　２．プロセス
　　３．プラットフォーム

・ソフトウェアじたいの変更
　　マイクロサービスアーキテクチャ
　　コンポジット、レストフル
　　オープンハイブリッドクラウド
　　　一貫性：同じように動作する

・How toの変化
　ウォーターフォールからアジャイル：DevOps
　　→自動化
　ハイブリッド・インフラストラクチャをサポートするプロセス
　クラウドネイティブなアプリケーションプラットフォーム
　　→OpenShift
　Git,Maven等提供
　 LinuxコンテナDocker

　ポータビリティ
　　プライベートクラウド

　レッドハットのプラットフォームソリューション

・未来はどうなるか
　迅速な開発

　将来のデベロッパーはいそがしくなる

　開発ストラテジーと構成を決定
　　言語
　　ミドルウェア　A-MQ
　　コンテナで一貫性を実現
　　ローカル環境でコードを作成
　　共同作業でテスト
　　本番運用の準備完了

　本番
　　常にセキュリティが最優先
　　Opsによる脆弱性の発見
　　迅速なパッチの適用と再デプロイ：Ansible
　　比類のないすばやい開発と実効環境を提供

　次世代のOps
　　RedHat サテライト
　　クラウドフォームス
　　Ansible Tower
　　RED HAT Insights

　継続的イノベーションの文化と利益
　　DevとOpsのエクスペリエンス
　　継続的なイノベーション
　　Cloud suite
　　　Openstack+OpenShift
　　Open Innovation labs
　　　コンサル
　　３scale
　　　API

　もうデジタルトランスメーションに差し掛かっている
　　betfair
　　　OpenstackとSDN
　　Target
　　　DevOps

　その新しい基盤は、継続的イノベーションのために

mbed オフラインの開発環境

ARMのプラットフォームの１つ、mbedは、
オンラインで開発するものだと思っていたけど、
オフラインでも開発できるらしい

ということで、ＵＲＬをメモメモ

mbed オフラインの開発環境
https://developer.mbed.org/users/MACRUM/notebook/mbed-offline-development/

IBM Data Science Experience、データ解析プラットフォームDataWorks

10月4日、Open for Data Summit Autumnに行ってきた！
その内容をメモメモ

---

＜＜ゼネラルセッション＞＞
■データサイエンティストの育成のための大学教育
－滋賀大学データサイエンス学部のモデル

・データサイエンス　価値創造のための新たな科学
　データサイエンス（滋賀大モデル）
　　データアナリシス　データエンジニアリング
　　　　新たな知見
　　　　価値創造

・データサイエンスのベン図
　　ハッキングスキル
　　数学＋統計
　　現場の知識
　（がベン図になっている）

　　DS=統計＋計算機＋領域分野の考えは一般的

・データサイエンス分野の重要性

・統計学部：日本では０
　統計学での博士号：アメリカ　年間千人以上
　日本：総研大　数人

・日本ではなぜ統計学部が出来なかったのか
　（今は少子化で、各部を作るのが困難な点がある）
　縦割り型、伝統、横串の方法論→横串のほうがイノベーションに貢献

・データサイエンスへの海外の動向→給料高い
　アメリカ：データサイエンスを意識したカリキュラム

・データサイエンス分野の人材不足
　ひとり立ち：年間５０００人必要
　→滋賀大学先行

・平成２８年４月　産業競争力会議

・滋賀大学：教育と経済学部→分離融合

・滋賀大モデル
　　アメリカでは統計＋計算機だけで就職できる
　　　→日本では・・
　　コミュニケーション力を重視

・データサイエンス学部における育成人材像
　　逆π型

・ディプロマポリシー
　　データサイエンスの基礎的力量
　　コミュニケーションの力量
　　３つの人材像
　　　データエンジニア
　　　データアナリスト
　　　データコンサルタント

　　１年：統計
　　３年
　　　データマイニング
　　　テキストマイニング
　　　機械学習
　　　ベイズ
　　　（１個みえなかった。数量化？最適化？）

・PBL
　　様々な企業、地方公共団体と連携

・受験：こういう高校生に受けてほしい
　　数学２Bまでやっている

・まとめ

■コグニティブ・ビジネスの実現に向けて

・インサイトの価値
　　コグニティブ、クラウド　２つの柱
　　　コグニティブ：認知・記憶
　　　プロセス統合、→インサイトが引き出せないと
　　　プロセスエコノミー→インサイトエコノミー

・データから価値を引き出すために必要なもの
　　データサイエンス
　　ダークデータ
　　ガバナンス
　　データの取り込み
　　持続性
　　コラボレーション
　　プラットフォーム

・データ活用の現場で起きている変化
　　セキュリティ
　　システムやツールによる分断を防ぐ
　　より多くのインテリジェンスをより早く
　　オープンソースやコミュニティ

・データ活用に携わるプロフェッショナルが変革をリード
　　ビジネスアナリスト
　　データエンジニア
　　データサイエンティスト
　　アプリケーション開発者
　　Chief Data Officer

・人々のコラボレーションが重要に
　　インプット
　　アナリティクス
　　アウトプット→インプットへ
　ループが上手くまわせない

・IBM Watson DataWorksを発表
　　誰にでも使え
　　オープンな協業

・IBM　Watson　Dataworksプラットフォーム
　　
・IBM　DataFirst Method
　　データマネジメント
　　データレイク
　　データサイエンス
　　データ　イン　アクション
　→ワークショップ形式でお話：メソドロジー

・３つ例
　Runkeeper
　RSGメディアシステム
　デルハイツアメリカ

■データサイエンスが導くビジネス進化
　効果改善、課題解決から新たな価値の創出へ

・リクルートライフスタイルのご紹介

ビジネスをリードするデータサイエンスとは

・リスティング広告の自動入札ツールを開発
　　整数計画問題を使っていた→大規模な

・データ分析の仕事は２種類ある
　　１．直接売上に貢献する分析（機械学習向き）
　　　　　レコメンド、メールのターゲティング
　　２．間接的に貢献する分析
　　　　　需要分析、競合分析
　必要とされるスキル
　　　ハッカー＋現場→デンジャーゾーン！

・現在はカスタマーのインサイトの把握に注力
　　モデルの自動学習とモデルの陳腐化
　　モデル
　　　決定木
　　　サポートベクタマシン
　　　ニューラルネット
　　で感度分析すると・・　みんな違うところを間違える
　　予測精度のもにたりんぐ＋特徴量のモニタリング

　　重要度
　　　アルゴリズム＜＜変数（データ）＜＜構造の理解

・数億円の利益がデータ分析から生まれる

・分析者のありたい姿
　　０から１を生み出す力・１から１００に拡大できる力
　　分析を企画する能力
　　経験や勘とデータを統計的モデリングに融合できる
　　丁寧な分析やきちんとデータから仮説を考える
　森内９段

・大規模数理計画が今後の武器になる
　　予測的アナリティクス：データに基づく予測
　　処方箋アナリティクス：

・Eメール送信対象カスタマとコンテンツの組み合わせの最適化
　　単純にマッチング→配信効果が特定のクライアントに偏る
　　　　制約条件
　　数理計画法
　　　　生産計画問題、ナーススケジューリング
　　　→CPLEX
　　コンテンツ配信最適化
　　　　アクション予測モデル
　　　　実務の制約条件
　　　　天文学的な数の配信パターン
　　　　　ビジネス上の制約条件を満たしつつ最適化
　　　　　→数億の最適化
　　　　　　　　まとめる、近似解
　　　　→モデリングの見直し
　　　　　全ユニモジュラ性を満たす
　　　　　クラスタ化

---

■これからのデータサイエンティストとデータ・エンジニアに
　必要な分析ツールとデザインパターンに基づく分析基盤の考え方

・ヘンリーフォード
　　１９０８年：T型フォード
　　　自動車元年だったでしょうか？

・馬車の種類を知っていますか？
　　かぶりお
　　わごん
　　くーぺ

・自動車はすぐ壊れるし、ガソリンが亡くなったら走れない
　馬車は・・

・次第に環境が整ってくる
　都市
　モータリゼーション革命
　　→個人の行動範囲が拡大
　　　都市に郊外が出現
　　→近代経済

・１９８０年代までの業務処理
　現在の業務処理　Web
　ある日突然変わるのではなく、気づくと当たり前
　　電話交換手→デジタル交換機
　　駅の改札→電子カード
　　フィルム（コダック）→コダック倒産・デジタルカメラ→スマホ
　Perceptional change 発想の転換

・IBM Watson DataWorks
　　プラットフォーム
　　エコシステム
　　メソッド
　プラットフォーム

　何人の人が関わる？
　　データ・エンジニア
　　データサイエンティスト
　　ビジネスアナリスト
　　アプリ開発者

・The PLATFORM
　　同じデータをみることができる　　
　　
・レイヤアーキテクチャ
　　ツール
　　コラボレーション
　　データ解析＆データ処理
　　データアクセス
　　データソース

・コンセプト
　　アナリストなど　UIとコラボ　　機械学習　　　　データソースと
　　　　　　　　　　　　DSX　　　ワークフロー　　 データ処理基盤


・９月２７日に発表があった
　Watson Dataworksの進化
　リファレンスモデル（デザインパターン）→ブループリント
　2016Q4：種類が増えてくる：
　　ましんらーにんぐあずあさーびす
　2017

・なぜ、Dataworks
　　共創

・データワークスは使われてるの？
　パシュート
　　クラウドにリアルタイムで分析
　　　　MQTT+JSON,クラウド（くらうだんと）Node.js,Spark
　　　先頭の人が抜けるタイミングの判定とか

　ウェザーカンパニー
　　３０億回APIコール／日
　　３６０ペタバイトのトラフィック量
　　ラムダアーキテクチャによる大規模データ処理
　　カサンドラをC++で実装

・データサイエンスエクスペリエンス

・データサイエンティスト育成へのコミット
　２つの課題：スキル・ツール
　　MOOC　BigdataUniversity.com
　　　　　Meet Up
　ツール：Data Scientist workbench
　　Rstudio,Jypterノートブック、Sparkも利用可能
　　datascientistworkbench.com
　商用：セキュリティ、既存資産の連携
　　→データサインすエクスペリエンス
　　ぐぐると、とうろくできる

　３つの柱
　　学ぶ
　　作る
　　共創する

　コミュニティ
　オープンソース
　付加価値機能
　→フリーミアム方式で提供
　　　　無償部分と有償部分
　datascience.ibm.com

---

■分析基盤のデザイン

・自己紹介

・背景
　昨今データ活用の重要性が説かれて久しく
　IoT、機械学習、コグニティブ、AI、セキュリティ
　　→分析基盤の重要性
　Apache Hadoop,Apache Spark→ビッグデータ基盤

・Hadoopが起こしたブレイクスルー
　はるか昔
　　当時の考え方
　　　非常に高価なHW　最適化された高速なCPU
　　　少量のデータに複雑な処理　専用のHW,知識、技術、はやい限界
　分散システム
　
　Hadoopの登場
　　データも分散、処理も分散並列処理
　　　分散データ　HDFS
　　　分散処理　　MapReduce
　　安価なHWを横に並べる

・Hadoopのエコシステム化
　Hadoopの複雑化
　　→より簡単に（MapReduceを書かないで）
　　MapReduce
　　YARN
　　HDFS

　Ecosystemの形成
　　　SQL文で分散処理Hive,SQLエンジン
　　　機械学習（K-Meansなど）Mahout等
　　　全文検索solr
　　　グラフ処理　Gitaph,Hama
　　　他システムからFlume,ETL
　　　キューイング、スクープ(Sqoop)
　　　大量書き込みHBase　　

　技術要素
　　　Dataソース：従来データ、ソーシャル、IoT
　　　ETL系：
　　　処理系：Hadoop（YARN)Spark,STORM,
　　　操作系：SPSS,Jupyter
　　　表示系：cognos,hue
　　　連携系：えらすてぃっくさーち、らびっとMQ
　　　管理系：あんばり、タスク管理

　多様なデータを表現するためのOSSの利用
　　高速／高度な分析→えらすてぃっくさーち
　　他システム連携→RethinkDB,らびっとMQ

　データ活用とエコシステムの問題
　　肥大化：ミドルウェアの乱立
　　　　→エコシステムで迷子になる、運用管理、習得
　　　　　Hadoopエンジニア

　Sparkの登場
　　大規模データのレイテンシ：インメモリ分散処理
　　ミドルウェアの乱立に対し、SparkにSQL,Streaming、GraphX,MLib内臓
　　機械学習をアドホックに

　機械学習への取り組みの変化
　　流れているデータの扱い、アドホック、チームでの分析

　データサイエンティストの需要の高まりと基盤
　　ノートブック　I/F　JupyterNotebook,ZeppelingNotebook
　　　データと分析処理のナレッジか

・ユースケース
　　分析基盤の３つの用途
　　　大規模バッチ
　　　リアルタイム処理
　　　アドホック分析

　　大規模バッチ
　　　SparkSQL,fluentd
　　　Spark,Hive
　　　PostgreSQL,エラスティックサーチ→きばな

　　リアルタイム
　　　MQTT→かふか（キューイング）、ナレッジ→SparkSQL
　　　Spark(MLib)、STORM
　　　RethinkDB

　アドホック
　　　Spark
　　　Jupyter

　OSS選定のさいも
　　主たる用途、補助的な用途またはチャレンジ
　ビッグデータ基盤も育てていく

・Hybrid・クラウド化

　今の流れ
　アドホック
　　求められているのは：安価、よりはやく、高度な運用が不要
　Hadoop/Spark界隈で、クラウド上で提供
　IBMのBlueMix：使いたいときに払い出す
　　　Jyupter notebookついてくる
　CognitiveとOpenDataの活用
　　わとそんと自社、オープンデータ：Hadoop summitで
　　さらに統合された機械学習基盤　Data science Experienceの活用

スーパーカミオカンデ実験エリアの一般公開

募集期間 2016年10月7日（金）から2016年10月24日（月）

詳しくは、以下のＵＲＬを参照

http://www-sk.icrr.u-tokyo.ac.jp/pr/event/2016/10/sktour1126.html