機械学習 (AI/ML) 勉強会 #2 IoT編

機械学習勉強会 #2
IoT編
2019/02/27 | 28
小島富治雄

1. 本日の環境
2. 本日の構成
3. IoT デバイス - Raspberry Pi
4. Microsoft Azure
5. IoT ハブ | Azure
6. SQL データベース | Azure
7. マシンラーニングスタジオ |
Azure
本日ご紹介する内容
1
8. ストリームアナリティクス | Azure
9. [オプション] Power BI
10. 後片付け

以下の Microsoft Docs のチュートリアルが元
Raspberry Pi からクラウドへ (Node.js) - Raspberry Pi の
Azure IoT Hub への接続
シミュレートした Raspberry Pi からクラウドへ (Node.js) -
Raspberry Pi Web シミュレーターの Azure IoT Hub への接続
Azure IoT Hub から取得したリアルタイムセンサーデータの視覚化
– Power BI
本日のハンズオン
2

本日の環境
3
この写真の作成者不明な作成者は CC BY-NC-ND のライセンスを許諾されています

Microsoft Azure
SQL Server Management Studio
[オプション] Power BI
インターネットにつながる環境
推奨 Webブラウザー: Edge, Chrome
ハンズオンの環境
4

1. ご自身の Visual Studio サブスクリプションの Microsoft アカウントでサインイン
2. 「職場または学校アカウント」か「個人アカウント」かを訊かれた場合は、使用するアカウントを選択
Microsoft アカウントへのサインイン
(Visual Studio サブスクリプションがある場合)
5

1. My Visual Studio を開く (必要に応じてサインイン)
2. Azure 特典をアクティブ化
※ Visual Studio Enterprise の場合は
150ドルのクレジット/月、
Visual Studio Professional の場合は
50 ドルのクレジット/月
Visual Studio サブスクリプションの Azure 特典
6
※ Visual Studio サブスクリプションの Azure 特典をアクティブにしていない人はアクティブ化

Microsoft Azure のポータルを開く (必要に応じてサインイン)
次のどちらかの画面になればOK
Microsoft Azure
7
ホーム | ポータル | Microsoft Azure ダッシュボード| ポータル | Microsoft Azure

リソース
①
②
リソースグループの作成
8

①
②
これから作成する各種リソースは、
このリソースグループに属する
作成済みのリソースを探すときも、
ポータル → リソースグループ → 20190227
とすることで見つけやすくなる
このリソースグループを削除することで、
今回の作成した各種リソースを一括削除できる
9

Visual Studio サブスクリプションの Power BI Pro
Power BI
10

 My Benefits | My Visual Studio で Power BI Pro の特典の
「コードを取得」して「アクティブ化」
Power BI
11

Power BI のアカウントを既存のサブスクリプションに追加
12

Power BI を開く (必要に応じてサインイン)
Power BI
13

SQL Server Management Studio (SSMS) のダウンロード
SQL Server Management Studio
14
ダウンロードしてインストール

本日のシナリオ
15
IoT デバイス
福井市の
天候データ
マシン
ラーニング
雨予想
API
取り込んで
処理
クラウド
データ蓄積
データ
可視化
IoT 管理
表示

本日の構成
16
IoT デバイス
マシンラーニング
スタジオ
マシンラーニング API
ストリームアナリティクスIoT ハブ
Microsoft Azure (& Power BI)
SQL データベース
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー
気象庁の福井市
天候データ
学習
雨の予測
API
気温・湿度
・気圧取得
新たな天候データ
として蓄積
気温・湿度
・気圧・雨予測の
可視化

IoTデバイス
17
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー

Microsoft Azure IoT デバイスカタログ
18
Azure に対応した
IoT デバイスのカタログ

今回使用する IoT デバイス
19
Raspberry Pi Arduino

ARMプロセッサを搭載した
シングルボードコンピューター
OS
Raspbian (Linux)
Windows 10 IoT
Windows 10
など
Raspberry Pi
20

参考: Raspberry Pi への Windows 10 IoT のセットアップ
21

参考: Raspberry Pi への Windows 10 IoT のセットアップ
22

参考: Raspberry Pi へのＯＳ (Raspbian) のセットアップ
23

参考: Raspberry Pi へのＯＳ (Raspbian) のセットアップ
24

配線
Raspberry Pi に
センサーなどを接続
25

BME280
1チップ温度・湿度・
気圧センサー
26

Raspberry Pi 2 & 3 Pin Mappings
27Raspberry Pi 2 & 3 Pin Mappings - Windows IoT | Microsoft Docs

配線
28
220Ω抵抗器
ＬＥＤ
BME280
Raspberry Pi
VCC → +3V3（pin1）
GND → GND（pin9）
SCL → GPIO3/SCL1（pin5）
SDA → GPIO2/SDA1（pin3）
CSB → 不使用
SDO → GND
LED + → GPIO4 (pin7)
LED - → 220Ω抵抗器
220Ω抵抗器 → GND
1 3 5 7 9

Raspberry Pi の I2C (シリアル通信の一種) の有効化
30
I2C で温度・湿度・気圧センサー BME280 と通信

31
①
②

32

33

pi@raspberrypi:~ $ sudo apt update
…… なんかかんや
pi@raspberrypi:~ $ sudo apt upgrade
pi@raspberrypi:~ $ sudo apt-get install i2c-tools
pi@raspberrypi:~ $ sudo apt-get install python-smbus
Raspberry Pi へのライブラリーのインストール
34
I2C 用のツール
Python で I2C を使用するためのライブラリー

マイコン回路の “Hello World!
Lチカ (LEDチカチカ)
Lチカとは (エルチカとは) [単語記事] | ニコニコ大百科
いろいろなマイコンでのLチカ比較 | Qiita
「二人のはじめての共同作業」
35

 led.py
サンプルプログラム「Ｌチカ」
$ sudo python /home/pi/azure-
iot-sdk-
python/device/samples/led.py
/home/pi/azure-iot-sdk-
python/device/samples/ へコピー
#coding: utf-8
import RPi.GPIO as GPIO
import time
gpio_number = 4
GPIO.setmode(GPIO.BCM)
GPIO.setup(gpio_number, GPIO.OUT)
for x in xrange(5):
GPIO.output(gpio_number, True)
time.sleep(2)
GPIO.output(gpio_number, False)
time.sleep(2)
GPIO.cleanup()
36

pi@raspberrypi:~ $ sudo i2cdetect -y 1
0 1 2 3 4 5 6 7 8 9 a b c d e f
00: -- -- -- -- -- -- -- -- -- -- -- -- --
10: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
20: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
30: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
40: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
50: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
60: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
70: -- -- -- -- -- -- 76 --
I2C のアドレスの確認
37

pi@raspberrypi:~ $ sudo i2cdump -y 1 0x76
No size specified (using byte-data access)
0 1 2 3 4 5 6 7 8 9 a b c d e f 0123456789abcdef
00: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................
10: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................
20: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................
30: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................
40: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................
50: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................
60: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................
70: 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 ................
80: 91 71 89 45 0b 01 2c 06 92 6e b2 68 32 00 37 92 ?q?E??,??n?h2.7?
90: 6c d7 d0 0b 89 19 7a ff f9 ff 0c 30 20 d1 88 13 l?????z.?.?0 ???
a0: 00 4b 90 00 00 00 00 00 00 00 00 00 33 00 00 c0 .K?.........3..?
b0: 00 54 00 00 00 00 60 02 00 01 ff ff 1f 60 03 00 .T....`?.?..?`?.
c0: 00 00 00 ff 00 00 00 00 00 00 00 00 00 00 00 00 ................
d0: 60 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 `...............
e0: 00 5a 01 00 16 24 03 1e 8d 41 ff ff ff ff ff ff .Z?.?$???A......
f0: ff 00 00 00 00 00 00 80 00 00 80 00 00 80 00 80 .......?..?..?.?
I2C のアドレスからダンプ
38

azure-iot-sdk-python のダウンロードとビルド
39
$ free -m
$ sudo nano /etc/dphys-swapfile
CONF_SWAPSIZE=100
↓
CONF_SWAPSIZE=1024
$ sudo systemctl restart dphys-swapfile
$ swapon –s
$ git clone --recursive https://github.com/Azure/azure-iot-sdk-python.git
$ cd azure-iot-sdk-python/build_all/linux
$ ./setup.sh
$ ./build.sh
Python でＡｚｕｒｅＩｏＴハブを利用するためのライブラリー

Raspberry Pi Azure IoT Web Simulator
Node.js
実機がない場合:
Raspberry Pi Azure IoT Web Simulator
40

Microsoft Azure と Power BI
41
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー

Core Cloud Services - Azure 入門 - 学習 - Learn | Microsoft Docs
43

IoT ハブ | Azure
44
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー

IoT デバイスを簡単に接続、監視、認証、自動化で
きるオープンクラウドプラットフォーム
沢山の IoT デバイスを管理
IoT ハブ | Azure
45

①
②
③
IoTハブの作成
46

①
② 47
「IoT Hub 名」は
「iothub-xxxxx」などの
ユニークな名前に変える

①
②
1サブスクリプションあたり 1つの IoT
ハブでのみ「F1: Free」が選べる
「F1: Free」は、性能が制限されている
または、S1 (有料)
48

①
②
IoTデバイスの作成
52

「接続文字列 (主キー) 」を
メモ帳などに貼り付けて保存
①
②
54

IoT デバイス側からの
データ送信開始
55

Raspberry Pi の azure-iot-sdk-python の
サンプルの編集
56
$ cd ~/azure-iot-sdk-python/device/samples
$ sudo vi iothub_client_sample.py

 iothub_bme280.py (azure-iot-sdk-python が元) と
bme280_custom_2.py (SWITCHSCIENCE/BME280 | GitHub が元)
 /home/pi/azure-iot-sdk-python/device/samples/ へコピーして編集
 iothub_bme280.py の [Connection String] をメモ帳などに保存しておいた
IoT ハブの IoT デバイスの「接続文字列 (主キー)」に書き換え
サンプルプログラム
57
#!/usr/bin/env python
import time
import sys
import RPi.GPIO as GPIO
import iothub_client
from iothub_client import IoTHubClient, IoTHubClientError,
IoTHubTransportProvider, IoTHubClientResult
from iothub_client import IoTHubMessage,
IoTHubMessageDispositionResult, IoTHubError,
DeviceMethodReturnValue
from iothub_client import IoTHubClientRetryPolicy,
GetRetryPolicyReturnValue
from iothub_client_args import get_iothub_opt, OptionError
import bme280_custom_2
……
CONNECTION_STRING = "[ConnectionString]"
MSG_TXT = "{¥"deviceId¥":
¥"myIoTDeviceId¥",¥"pressure¥": %.2f,¥"temperature¥": %.2f,¥"h
umidity¥": %.2f,¥"score¥": %.2f,¥"type¥": ¥"weather¥"}"
gpio_number = 4
wait_time = 10
def initialize_gpio():
GPIO.setmode(GPIO.BCM)
GPIO.setup(gpio_number, GPIO.OUT)
ここを書き換え

実行
58
$ sudo python /home/pi/azure-iot-sdk-python/device/samples/iothub_bme280.py
LED が点滅

実機がない場合: Raspberry Pi Azure IoT Web Simulator の
コード (JavaScript | Node.js) の編集
59

 IoT_Hub_Raspberry_Pi_NodeJS.js をコピー&ペースト
 [Connection String] をメモ帳などに保存しておいた IoT ハブの IoT デバイスの「接続文字列 (主キー)」に書き換え
60
const wpi = require('wiring-pi');
const Client = require('azure-iot-device').Client;
const Message = require('azure-iot-device').Message;
const Protocol = require('azure-iot-device-
mqtt').Mqtt;
const BME280 = require('bme280-sensor');
const BME280_OPTION = {
i2cBusNo: 1, // defaults to 1
i2cAddress: BME280.BME280_DEFAULT_I2C_ADDRESS() //
defaults to 0x76
};
const connectionString = ‘[ConnectionString]‘;
var sendingMessage = false;
var messageId = 0;
var client, sensor;
var blinkLEDTimeout = null;
const LEDPin = 4;

実機がない場合: Raspberry Pi Azure IoT Web Simulator の
コード (JavaScript | Node.js) の実行
61
LED が点滅

①
IoT ハブにデータが
来ていることの確認
②
③
④
IoT ハブにデータが来ていることの確認
62

①
グラフが立ち上がる
ことを確認
②
63

SQL データベース | Azure
64
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー
マシンラーニングの学習用データの準備
気象庁の福井市天候データ
60年分

①
②
③
SQLデータベースと SQL サーバーの作成
65

①
②
67
「サーバー名」は
「sqlserverxxxx」などの
チェックが
付いている
ことを確認

①
②
70
後でこのデータベースに接続するための
接続文字列をコピーしてメモ帳などに保存

SQL Server Management Studio を起動し、サーバー名 (接続
文字列の「Server」) と「サーバー管理者ログイン」、「パスワード」で接続
SQL Server Management Studio から接続
71
①
②

72
Ｍｉｃｒｏｓｏｆｔ Azure にサインイン

サインインして OK
73

 福井の気象データを
データベースに取り込む
 fukuiweather1959-2018.csv
①
②
③
データベース「DatabaseFukuiWeather」を右クリック
74

80
取り込んだデータの確認
・テーブルを右クリックして「最新の情報に更新」
・テーブル「dbo.fukuiweather1959-2018」
を右クリックして「上位1000行の選択」

マシンラーニングスタジオ | Azure
81
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー
福井市の天候を学習

マシンラーニングスタジオ
| Azure
 ブラウザーベースのマシンラーニン
グ (機械学習) の API 作成環境
 ドラッグアンドドロップで作成
 多くのマシンラーニングの
アルゴリズム
 Python や R のプログラムの
組み入れも可能
82

①
②
③
マシーンラーニングスタジオのワークスペースの作成
83

86
①
②
③
⑤
④
「fukuiweatherxxxx」などの

「展開が成功」するまで待つ
①
②
87

マシーンラーニングスタジオの起動
88

①
②
新規エクスペリメントの作成
90

①
②
③
91
エクスペリメントは
地域ごとに管理

クリックして名前変更
92

「Import Data」を
ドラッグして
①
②
「Import Data」をここへドロップ
学習用データのインポート
93

¥¥129work3¥201902 AI ML 勉強会
#2 IoT編¥Source¥SQLQuery1.sql の
内容をコピー&ペースト
右クリックして「Run selected」
①
②
94
「Import Data」の
プロパティを設定

SELECT
[AverageTemperature_celsius] AS temperature
,[AverageHumidity_percentage] AS humidity
,[AverageLocalPressure_hPa] AS pressure
,CAST((CASE WHEN [TotalPrecipitationAmount_mm] > 0.0 THEN 1 ELSE 0
END) AS int) AS score
FROM [dbo].[fukuiweather1959-2018]
WHERE AverageTemperature_celsius IS NOT NULL AND AverageHumidity_percentage
IS NOT NULL AND AverageLocalPressure_hPa IS NOT NULL AND
TotalPrecipitationAmount_mm IS NOT NULL
ORDER BY Date
学習用データのインポート用クエリー
95
 SQLQuery1.sql

緑のチェックが入るまで待つ
96

①
②
緑のチェックがついたら
右クリックして
データの確認
97

学習用データの��認
98

①
②
③
「Ｓｐｌｉｔ Data」をここへドロップ
⑤
○ の間をドラッグして繋ぐ ④
99
データを学習用と評価用に分割

①
学習アルゴリズムの選択
②
③
「Two-Class Support Vector Machine」
をここへドロップ
100

①
②
③
「Train Model」をここへドロップ
⑥
出力カラムの選択
○ の間を
ドラッグして繋ぐ
○ の間を
④ ⑤
101
学習

102
①
②
出力カラムの選択

①
②
③
「Score Model」をここへドロップ
○ の間を
○ の間を
ドラッグして繋ぐ④
⑤
103
評価用データによる機械学習モデルのスコアリング

①
②
③
「Evaluate Model」をここへドロップ
○ の間を
ドラッグして繋ぐ④
104
機械学習モデルのパフォーマンスの評価

①
②
「Run」して全部の
要素に緑のチェックが
付くのを待つ
105
エクスペリメントの実行

①
②
データの確認
106
学習結果の確認

アルゴリズムを変更してみる
線を右クリック
して削除
108

①
②
③
「Two-Class Neural Network」を
ここへドロップ
○ の間を
④
⑤
「Run」して全部の要
素に緑のチェックが
付くのを待つ
109

①
②
データの確認
学習結果の確認
110

112
アルゴリズムの選定に困ったら

マシンラーニング API | Azure
113
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー
雨の予測
API

API
学習済みモデルを使った
入出力処理を API として
デプロイ
 後で、ストリームアナリティクスの
関数から呼ぶ
114

線を右クリック
して削除
②
④
「Select Columns in Dataset」を
ここへドロップ
③
①
117

① ○ の間を
②
○ の間を
④
「Selected Columns in
Dataset」をクリックして選択
③
API が出力する
列を選択
118

「Run」して全部の
要素に緑のチェックが
付くのを待つ
121

全部の要素に緑のチェックが付いたら API を発行
(CLASSIC の方が選べる場合はそちら)
122
API のデプロイ

124
適当な値を入力
①
②

テスト結果 (JSON)
125
テスト結果の JSON 形式のデータを確認

「API Key」をコピーして
メモ帳などに保存
①
②
126

Request URI をコピー
してメモ帳などに保存
127

SQL データベース | Azure
128
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー IoT ハブからのデータの格納先
後でストリームアナリティクスから出力

SQL Server
Management
Studio
IoT からのデータを
格納するテーブルを
作成
129
①
②
データベース
「DatabaseFukuiWeather」
を右クリック

130
SQLQuery2.sql
の中身をコピー&ペースト
①
②

CREATE TABLE [dbo].[Weather](
[Id] [int] IDENTITY(1,1) NOT NULL,
[deviceId] [varchar](50) NULL,
[pressure] [float] NULL,
[temperature] [float] NULL,
[humidity] [float] NULL,
[EventProcessedUtcTime] [char](30) NULL,
[EventEnqueuedUtcTime] [char](30) NULL,
[score] [float] NULL,
CONSTRAINT [PK_Weather] PRIMARY KEY CLUSTERED ( [Id] )
)
IoT データ格納用テーブルの作成 SQL
131
 SQLQuery2.sql

作成されたテーブルの確認
132
①
②

133
テーブルのデザインを確認

ストリームアナリティクス | Azure
134
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー

デバイスからのデータをリアルタイムに処理
ストリームアナリティクス | Azure
135

①
②
③
ストリームアナリティクスの作成
136

②
「展開が成功」するまで待つ
①
138

入力の追加
②
①
③
139
入力として IoT ハブを選択

②
①
140
プロパティの設定

142
②
①
3分以内にクリックし、3分待つ

143
このメッセージに変わるまで待つ
青い文字の部分をクリック

ダウンロードした JSON 形式の
データをメモ帳などで確認
144

出力先に SQL データベースを指定
②
①
③
145

②
①
146

[オプション] 出力先に Power BI を指定
②
①
③
147

②
①
③
③
④
ご自身のアカウントでサインイン
148

承認されていることを確認
149

マシーンラーニング API を呼ぶ関数を作成
②
①
③
150

151
①
マシーンラーニングＡＰＩ作成時に
メモ帳などに保存しておいた
「API Key」をペースト
マシーンラーニングＡＰＩ作成時に
メモ帳などに保存しておいた
「Request URI」をペースト
②

②
①
③
SQLQuery3.sql を
コピー&ペースト
(Power BI にも出力する場合は
SQLQuery4.sql)
152
Power BI にも
出力する場合

SELECT deviceId,pressure,temperature,humidity,EventProcessedUtcTime,EventEnqueuedUtcTime
,getscore(temperature,humidity,pressure,0.0) as score
INTO [db-output]
FROM [iothub-input]
WHERE type='weather'
ストリームアナリティクスのクエリー (Power BI には出力しない場合)
153
 SQLQuery3.sql

--
-- SELECT deviceId,pressure,temperature,humidity,CAST(EventProcessedUtcTime as datetime)
as EventProcessedUtcTime,CAST(EventEnqueuedUtcTime as datetime) as EventEnqueuedUtcTime
-- ,getscore(temperature,humidity,pressure,0.0) as score
-- INTO [powerbi-output]
-- FROM [iothub-input]
-- WHERE type='weather'
SELECT deviceId,pressure,temperature,humidity,EventProcessedUtcTime,EventEnqueuedUtcTime
,getscore(temperature,humidity,pressure,0.0) as score
INTO [db-output]
FROM [iothub-input]
WHERE type='weather'
[オプション] ストリームアナリティクスのクエリー (Power BI にも出力する場合)
154
 SQLQuery4.sql

ジョブダイアグラムの確認
155

157
ストリームアナリティクスジョブの開始
①
②
③

ジョブの実行状況の確認
①
②
③
④
158

しばらく待つとグラフが
立ち上がってくることを確認
159

SQL Server Management Studio でデータベースにデータが来ていることを確認
データが来ていることの確認
・テーブル「dbo.Weather」
を右クリックして「上位1000行の選択」
データの確認
160
雨予測

Power BI
161
IoT デバイス
スタジオ
Microsoft Azure
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー
気温・湿度
可視化

[オプション]
Power BI
様々なデータソースに
接続して視覚化・共有
162

Power BI にサインイン
163

①
マイワークスペースを開く
③
②
164

①
③
②
ダッシュボードの作成
165

②
③
①
タイルの追加
167

②
①
168
ストリームアナリティクスで
指定したデータセットを選択

②
③
①
タイルの追加
タイルを確認
171

その他のタイルも適当に追加
172
リアルタイム
雨予測

「Web ビュー」から
「Phone ビュー」に
切り替え
Phone ビュー
Phone ビュー
173

174
スマートフォンに Power BI
アプリをインストール
サインインしてダッシュボード
「Weather」を確認
①
②
リアルタイム
雨予測

後片付け
 Azure の各種リソースを
そのままにすると課金され続ける
 課金を抑えるにはリソースを停止
 課金を完全に止めるにはリソース
を削除
175

個別に止めたい場合
デバイスを停止
Azure のリソースを
それぞれ停止/削除
176
この写真の作成者不明な作成者は CC BY-SA のライセンスを許諾されています

Raspberry Pi の Python
177
Ｃｔｒｌ＋Ｃで停止

Raspberry Pi Azure IoT Web Simulator
178

ストリームアナリティクス
179

マシーンラーニングスタジオ
①
②
180

一括で削除する場合
リソースグループ
を削除
182
この写真の作成者不明な作成者は CC BY-SA のライセンスを許諾されています

①
②
注意:
このリソースグループに
含まれている全リソースの削除
Power BI の方は消えない
183

Azure の料金
の確認
184
この写真の作成者不明な作成者は CC BY のライセンスを許諾されています

Pricing Calculator | Microsoft Azure
185
使用料の概算

Microsoft Azure のポータル
を開く (必要に応じてサインイン)
クレジットの残りを確認して、
青い文字のとことをクリック
186
現在の使用状況の確認

リソースごとのコストを確認
支出の割合と予測を確認
187

1. 本日の環境
2. 本日の構成
3. IoT デバイス - Raspberry Pi
4. Microsoft Azure
5. IoT ハブ | Azure
6. SQL データベース | Azure
7. マシンラーニングスタジオ |
Azure
本日ご紹介した内容
188
8. ストリームアナリティクス | Azure
9. [オプション] Power BI
10. 後片付け

本日の構成
189
IoT デバイス
スタジオ
Microsoft Azure (& Power BI)
Power BI
CSV データ
MQTT
HTTP
Web ブラウザー
気象庁の福井市
天候データ
学習
雨の予測
API
気温・湿度
・気圧取得
新たな天候データ
として蓄積
気温・湿度
可視化

機械学習 (AI/ML) 勉強会 #2 IoT編

Related slideshows

More Related Content

機械学習 (AI/ML) 勉強会 #2 IoT編