応用先としては以下のようなものがあります。
・予測（数値、ニーズ、マッチング）
・識別（情報判断、仕分け、検索、意味理解、予知）
・実行（自動化、表現、最適化）
実例
・スパムメールの検出
・金融市場の予測(格付けやアルゴリズム取引)
・ゲーム戦略
・検索エンジン
・レコメンデーション（マーケティングにおける好み分析）
・医療診断、創薬
・画像処理（顔認識、動き検出、物体検出）
・音声、文字などのパターン認識
・電力需要予測
・製造業における予知/予防保全
...など
要素
機械学習に必要な要素は以下の3点です。
・アルゴリズム
・計算環境
・データ
学習の種類
機械学習のアルゴリズム種類は要求される結果によって、以下のような ものに分類されます。
○教師あり学習…入力と対応した出力からモデルを構築、訓練し、分類 する。新たなデータへの出力を合理的に予測する為に用いる
（回帰、クラス分類）
・回帰
過去の実績から未知の数値を予測
（線形回帰、非線形回帰、ベイズ線形回帰、決定木）
・クラス分類
与えられたデータに適切なクラスを割り当てる
（SVM、ベイズ分類、ロジスティック回帰、多項分類、k近傍）
○教師なし学習…入力のみの例からモデルを構築し、情報の整理を行 う。隠れたパターンや固有の構造から推論を導き出す為に用いる。
（クラスタリング、情報圧縮）
・クラスタリング
値の類似性を元にデータをグループ化
（K平均、Kメドイド）
・情報圧縮
データの特徴的傾向を残しつつデータを圧縮
（主成分分析、特異値分解）
○強化学習…環境における価値を最大化するようにエージェントを学習 させ将来価値も含めた報酬を考慮して学習を行う。
・マルコフ決定過程におけるQ-Learning AI（人工知能）の関係性
Intel Xeon 搭載 サーバ+RAID Intel Xeon 搭載 サハイエンド ーバシステムワークステーション
AMD EPYC 搭載 サ保守サービスProfileオプション品HPC SolutionsStorage Solutions GPGPU Solutionsハイエンド ーバシステムデスクトップPC
機械学習 (Machine Learning)
機械学習とは人工知能における研究課題の一つで、人間が自然に行っている学習能力と同様の機能をコンピュータで実現しよ
うとする技術、手法のことです。言い換えると、明示的にプログラムをしなくても学習する能力をコンピュータに与える研究分野
とも言えます。
GPGPUソリューション
40 JCS Server & Storage Products Guide
保守サービスProfile
Intel Xeon 搭載 サーバ+RAID Intel Xeon 搭載 サオプション品HPC SolutionsStorage Solutions ハイエンド ーバシステムワークステーション
AMD EPYC 搭載 サGPGPU Solutionsハイエンド ーバシステムデスクトップPC
深層学習 (Deep Learning)
多層構造のニューラルネットワーク（Deep Neural Network）を使用した機械学習手法です。 従来の機械学習手法では特徴抽出
（「目のつけどころ」の抽出）を人間が行う必要がありましたが、Deep Learningではコンピュータが自動的に特徴抽出を行う性 質を持ちます。
近年、急速に発達した背景として、Webの発展、IoTの出現によって大量のデジタルデータが容易に入手可能となった（ビッグ データ）事、GPUを搭載した汎用機器によって高速演算が可能となった事が挙げられます。
コンピュータによって特徴が抽出され、それが何であるかを判断したり解釈する過程、すなわち『認知』は様々な応用に期待でき ます。研究所、研究者間の流行を超え、すでに画像検索、音声認識の分野で実用化され、将来的には自動車の自動運転技術など の社会インフラに応用し、活用されることが期待されています。
■主な Deep Learning 用のフレームワーク
フレームワーク名 TensorFlow Chainer Caffe Torch7 Theano
開発言語 C/C++/Python Python C++/Python/Matlab Lua/C Python
cuDNN 対応 ○ ○ ○ ○ ○
ライセンス Apache2.0 MIT BSD-2 BSD BSD
1 ノードマルチ
GPU 対応 ○ N/A ○ ○ N/A
モデルの柔軟性 ○ ◎ △ ◎ ◎
CNN（画像認識） ○ ○ ○ ○ ○
RNN（自然言語処理） ○ ○ ○ ○ ○
RBM（音声認識） ○ ○ N/A ○ ○
特徴 自動微分、TensorBoard Define by Tun、Cupy 高速 Caffe Model Zoo 多数のアルゴリズム
サポート 自動微分
■ DIGITS：NVIDIA が提供する深層学習用トレーニングシステム
DIGITS6 の主な特長：
• NVIDIA 社が提供するブラウザベースの対話式深層学習用トレーニングシステム
• Caffe、Torch、TensorFlow を使用したニューラルネットワークの設計、トレーニングと視覚化
※ DIGITS6 から TensorFlow が含まれます。
• AlexNet、GoogLeNet、LeNet、UNET 等の事前トレーニング済モデルのダウンロード
• モデル精度の改善
• トレーニングジョブのスケジューリングと、監視、管理、リアルタイム分析
• DIGITS カスタムプラグインを使用した、様々なイメージ形式とソースのインポート
• 複数 GPU を使用したトレーニングジョブ
■ OS：Ubuntu 他
+ Python 環境 JCSではデスクサイドモデル、ラックマウントタイプ、Nvida Tesla NVLink搭載 モデル等、Deep Learningに最適なモデルを多数ご用意しております。
Deep Learning用各種ライブラリー（cuDNN、Caffe、DIGITS等）のインストー ルにつきましてもお気軽にご相談ください。
CNN：Convolutional Neural Networks
（畳みこみニューラルネットワーク）
RBM：Restricted Boltzmann Machines
（制限ボルツマンマシン）
RNN：Recurrent Neural Network
（再帰型ニューラルネットワーク） LSTM：Long Short - Term Memory
(長期短期記憶）
ニューラルネットワークの種類
ネットワークの特徴に応じてそれぞれ、画像認識、自然言語処理、音声認識などの分野で使用されています。
データの入力層と出力層の間の中間層を多層化することによって出力結果の精度が向上します。
ニューラルネットワークを用いた機械学習を行う為には後述の各種フレームワークが使用されます。
Phi Solutions
MIC ソリューション
高度な並列処理を要するアプリケーションのパフォーマンスを飛躍的に向上させるアクセラレーターで
あるIntel® Xeon Phi™ プロセッサーは、HPC（ハイパフォーマンスコンピューティング）市場での利用拡大
や企業のワークステーション、データセンターでの生産性の向上を促進します。
42 JCS Server & Storage Products Guide MICソリューション
保守サービスProfile
Intel Xeon 搭載 サーバ+RAID Intel Xeon 搭載 サHPC Solutions オプション品Storage Solutions ハイエンド ーバシステムワークステーション
AMD EPYC 搭載 サGPGPU Solutionsハイエンド ーバシステムデスクトップPC
Intel® Xeon Phi™ プロセッサー搭載 2Uラックマウントシステム
Type
2U-VCXPBS-7200
2Uラックマウントシャーシに、Intel® Xeon Phi™ プロセッサーを4基搭載する高密度システムです。
本製品は、ラックあたりの演算性能を最大限に向上させることが可能です。
Intel® Xeon Phi
TM4基搭載 80-plus Titanium 高効率電源 リダンダント電源標準搭載
Intel® Omni-Pathファブリック対応
Intel® Xeon Phi™ プロセッサー4基搭載
Intel® Xeon Phi™ プロセッサーはIntel® スケーラブル・システム・フレームワーク の基礎となる重要な要素であり、ノードのボトルネック解消、コード・モダニゼー ションの簡素化、電力効率に優れたアーキテクチャを実現します。この起動可能 なホスト・プロセッサーは、パワフルな高並列パフォーマンスのための統合され たアーキテクチャーを提供し、マシン
ラーニングなどの最も要求の厳しい ハイパフォーマンス・コンピューティン グ・アプリケーションに大きな効果を もたらします。
■ 仕 様
サーバブレード（1ノードあたり）
プロセッサー
Intel® Xeon Phi
™
x200プロセッサー *17210 （1.30GHz）64coreDDR4/2133MHz 32MB L2 215W 7230 （1.30GHz）64coreDDR4/2400MHz 32MB L2 215W 7250 （1.40GHz）68coreDDR4/2400MHz 34MB L2 215W 7290 （1.50GHz）72coreDDR4/2400MHz 36MB L3 245W チップセット Intel® C612 chipset
メモリ DDR4-2400 SDRAM ECC Registered メモリスロット 6（最大384GB）
HDD/SSD 3.5インチ SATA ドライブ ドライブベイ 3（ホットスワップ対応）
グラフィックス onboard
ネットワークI/F Gigabit Ethernet 2port onboard 管理インターフェース IPMI 2.0, KVM-over-LAN I/Oポート VGA x1（背面）、USB3.0 x2（背面）
拡張スロット 【Low-Profile】
PCI-Express 3.0 x16（2スロット）
ケース
2Uラックマウント（外形寸法：W438mm×H88mm×D762mm）
3.5インチドライブベイ（ホットスワップ対応）：12基（1ノードあたり×4基）
電源：1800W リダンダント電源（80-plus Titanium 高効率電源） *2 保守
1年間全国出張オンサイト（標準）
3年間全国出張オンサイト（オプション）
*1：Intel® Omni-Path対応予定。 *2：200V使用時のみ（100V使用時は1000Wまでリダンダント電源。それ以上はシングル電源となります）。 仕様は予 告なく変更する場合があります。
リダンダント電源（80-plus Titanium）標準装備
冗長化電源ユニットを標準で搭載。万一、片方の電源モジュールに障害が生じた 場合、もう一方の電源モジュールが電源供給を引き継ぐことでシステムダウンを 回避する冗長化電源を搭載しています。
高性能サーバノード
各サーバノードにIntel® Xeon Phi™プロセッサー、最大384GBのDDR4 SDRAM、
3台のSATA HDDを搭載し、本製品単体で最大288コアのシステムが構築可能で す。
Intel® Omni-Pathファブリック対応
Intel® の次世代インターコネクトアーキテクチャOmni-Pathファブリックに対応し ています。Intel® Omni-Pathアーキテクチャは最大100Gb/sの転送速度を実現し た高速インターコネクトデバイスです。
専用ボード
従来のPCI-Express接続からプロセッサー型に変更された為、専用 ボードでのご提供となります。
プロセッサー型になったことで、Intel®Xeon®シリーズまたは、他の CPUと同様に単独のCPUとして扱うことが可能です。
* 画像はイメージです。
【主な特長】
・最大72 コア/1.5GHz/288 スレッド
・3TFLOPSの倍精度演算性能（ピーク時）
・16GB 高帯域メモリ MCDRAM搭載
・シングルスレッド性能 前世代の3倍
・512 ビット幅のベクトル演算ユニット 2基
・最新のインテル ソフトウェア開発製品によるサポート
・電力効率に優れたインテルの14nm プロセス・テクノロジー
・「Omni-Path」ファブリック対応
Intel® Omni-Pathファブリック対応
Intel®の次世代インターコネクト アーキテクチャ Omni-Pathファブ リックに対応しています。
Intel® Omni-Path アーキテクチャ は、最大100Gb/sの転送速度を実 現した高速インターコネクトデバイスです。