2018年10月31日水曜日

Xavier wifiカード、NVMe250GBの取り付け忘備録

10月30日

wifiカードとアンテナの取付。
ファームウェアをインストール。
Intelのサポートページから最新のものをダウンロード。
ダウンロード後は、README書いている通り、展開してiwlwifi-8265-22.ucodeを
/lib/firmwareにコピー。
sudo cp iwlwifi-8265-22.ucode /lib/firmware
でファームウェア本体を移動し、その後はsudo rebootかsudo modprobe iwlwifi
ifconfigwlan0を確認。
ここまでは比較的簡単。

ここからは逝くかもしれない作業。

まず、GParted を動かします(多分この前インストールした様な気がします)
左上のubuntuボタンを押してgpatedで検索して実行。(無ければUbuntuストアで検索してインストールします)
これを使って一応3つのパーテーションを作ってください。
このソフトは強力なので、肝心のメインSSDもダメにする可能性があるので、わからなくなったらすぐ終了させる事!!
終了させるときは、出てきたアラート内容がわからない場合は必ず無視してください。
焦って変なことをしない様に。慣れてきてからでも非常に危ないので最新の注意が必要です。

今回は、作業用に10Gくらい。/usr の中身をそっくりそのまま新SSDに写すために50Gくらい、残りを/homeの代わりに使う様に設定します
こうすると本体の32G eMMcは今後容量オーバーになることがなくなるので、安心して使えます。

まずはパーテーション切りから。


1.パスワードを聞かれるので、パスワードを入力
2.最初は本体のSSD内容が表示されます。
  右上に /dev/mmcblk0 と表示されます。—>必ず確認してください
  これを選択したままで変な作業を行うと、アウトです。自己責任です。

3.この右上の部分は選択ボタンになっています
  このボタンを押して、取り付けたSSDが動いているかどうか確認します
  正常に繋がっていれば 必ず /dev/nvme0n1 が表示されるはずです
  これが表示されない場合は、本来にうまく接続できてないことになるので、本体をシャットダウンさせてもう一度接続を確認してください

  渡辺さんのXavierにはmmcblk0 と nvme0n1 が繋がってることになります。
  外付けSSDやSDカードが繋がっている場合は、他の名前でも選択できることになりますが、今回内部に取り付けたSSDは
  必ず mvme0n1  であることを覚えてください(容量を見て判断できますよね!!)

  ここで今のうちなら mvme0n1 であれば何をやっても大丈夫です

4.nvmw0n1が確認できたら、それを選択します
     画面が切り替わり 上に グレーの帯が表示されるはずです(これがパーテーションの中身で今は何も中身が入っていない)
 多分windous用にフォーマットされているはずなので、グレーでないと思います。
 とにかくスタート時のmmcblk0が細切れだったのに1つだけのはずです。

5.ここの帯の部分を選択して一旦中身を全部消します。マウス右クリック「Delete]を選択します
 何もしなければ削除されませんが、実行するにはEdit—>Apply All Operatations を選択します。
 操作をセーブするかしないかアラートが出ますので無視して実行させます。
 しばらくすると上の帯がグレーになります

6.このグレーの帯を選択して、マウス右クリックで「New」を選択
 Create New Partition ウインドウが出ます
 ここでも今度は白い帯が上に表示されるので、必ず右側の3角部分を選択してパーテーションの大きさを決めます
 New  size部分の数値が変わりますので、最初のパーテーションは1000ぐらいが目安でキッチリ合わせなくても特に問題ありません。
 Fileシステムは 必ず ext4であることを確認し、 Labelには適当な名前を入れてください
 他の設定はいじらないことが基本です
 設定したらAddボタンを押します

7.元の画面に戻りますが、今設定したパーテーションが切られていると思います。
 次に情報の帯のグレー部分を選択してまた「NEW」を選択
 今度は50Gくらいにパーテーションを切ります
 数値で50000前後が目安。Fileシステムの確認、ラベル名を忘れずに入れます
 ここでもAddボタンを押します

8.次に残りのグレー部分を選択して「New」
 残りの全てが対象なので、ここではラベル名だけを変えます。で、Addボタンを押します
9.上の帯が綺麗に3つに分かれていると思います。

 この段階なら、変更が効きますが、綺麗に分かれているのを確認したら何も触らないほうが無難です。
10.最後にEdit—>Apply All Operatations を選択してパーテーション作成を実行させてください

11.上の帯は順に /dev/nvme0n1p1(10Gぐらい)   /dev/nvme0n1p2(50Gぐらい)   /dev/nvme0n1p3 (残り)   となってることを確認してください
   この名前が重要ですので、こうなってない場合はまたやり直しです。

次に

すぐ認識しないかもなので、

再度GParted を動かして、昨日パーテーションを切った内容になってるか確認。

なってなかったら最後の操作が違うので再度やり直し。



なってたらOKなので次に行きます。
 /dev/nvme0n1p1(10Gぐらい)   /dev/nvme0n1p2(50Gぐらい)   /dev/nvme0n1p3 (残り)  
で、デイスク名称が合ってるかどうか再確認して下さい。

その後ubuntuのファイラーを起動させます。
左側にパーテーションを切ったディスクアイコンが表示されませんか?
表示されなかったら 左下の Other Locations 選択すると表示されると思います。


そしたら認識したディスクどれかをダブルクリック
マウス右ボタンで Open in Termal 選択して ターミナル画面を出して今自分がどこにいるか確認してください
多分 /media/nvidia/sagyo      なんかになってると思います

デスクを認識すると
/media/nvidia  の中に追加デスクのディレクトリができるってことで、ここまで来たら

chown -R nvidia:nvidia sagyo
chown -R nvidia:nvidia usr
chown -R nvidia:nvidia home

昨日のは-R オプションつけてませんでした。それからファイルコピーテストしてください

これからが本番です。
追加したSSDに/home と /usr  の全ファイルをコピーして、再起動後はこの2つのディレクトリが内部emmc内容に取って代わります
つまり、今後は内部emmcの 32G 容量はほとんど消費しなくなり、ssd容量を目一杯使えて、外部SSDの様な煩わしい操作が必要なくなります。
つまりubuntuのファイラーを開いたときのhomeとusrの内容はSSD内容になります。


まず /media/nvidia/home   /media/nvidia/usr
が存在してますか?そして、権限をnvidiaに変更してますか?
そうでないと以下のコマンドは実行できません
要は /home と /usr をそれぞれSSDにコピーするコマンドです。
/usr は特殊なディレクトリなので、少し特殊な方法を使う様です、
以下コマンドは間違っても、コピー先を消すだけでいいので、あまり気をつけなくてOKです。

sudo cp -ax /home/* /media/nvidia/home
cd /usr
sudo tar cpvf - . | sudo tar xpvf - -C /media/nvidia/home



私の間違いの様です。
ファイラーで /media/nvidia/usr   と /media/nvidia/homeの中身を全部消してください

再度以下を実行してください。本体の/usr の中身を /media/nvidia/home にコピーしたのが原因。危なかった…….。


sudo cp -ax /home/* /media/nvidia/home
cd /usr
sudo tar cpvf - . | sudo tar xpvf - -C /media/nvidia/usr

/media/nvidia/usr   と /media/nvidia/home  の内容を再度教えてください。
ファイラーではどこにいるのかわからないので
ターミナル画面(cd で /media/nvidia/usr   と /media/nvidia/home  に移動して それぞれ ls コマンドを実行した画面)でファイル内容を確認したものを送ってください。

コピーは少し時間がかかります。終了するまで待つ。
終了したら、確実にコピーされていることを確認してください。

次にGPartedと起動させて、ssdに作ったデイスク名称を再度確認してください
以下の名前が非常に重要です

/usr  が  /dev/nvme0n1p2
/homeが /dev/nvme0n1p3

になってますか?
なってなかったら以下の修正は非常に危険なので、メールください。


この次からは、間違うと起動しなくなるので細心の注意が必要です。
特にnanoの保存の仕方や文書追加方法をマスターしてると仮定しています。
自信ない時は昨日のメールで書いた様に何か文書を作って、練習してください
と言っても修正は大したことありません。以下のコマンドを実行
つまりfstabっていうシステム設定ファイルに文書を追加するだけです

sudo nano /etc/fstab


そうするとnanoの編集モードに入ってfstabが次の様に表示されます


# Copyright (c) 2018, NVIDIA CORPORATION.  All rights reserved.

#

# NVIDIA CORPORATION and its licensors retain all intellectual property

# and proprietary rights in and to this software, related documentation

# and any modifications thereto.  Any use, reproduction, disclosure or
# distribution of this software and related documentation without an express
# license agreement from NVIDIA CORPORATION is strictly prohibited.
#
# /etc/fstab: static file system information.
#
# These are the filesystems that are always mounted on boot, you can
# override any of these by copying the appropriate line from this file into
# /etc/fstab and tweaking it as you see fit.  See fstab(5).
#
# <file system> <mount point>             <type>          <options>                               <dump> <pass>
/dev/root            /                     ext4           defaults 


これに以下の5行を追加します。くれぐれも上記文書は絶対直さないこと


/dev/nvme0n1p2            /usr             ext4           defaults                                     1 2

/dev/nvme0n1p3            /home            ext4           defaults                                     1 2

tmpfs /var/log tmpfs defaults,noatime,size=64m 0 0

tmpfs /var/tmp tmpfs defaults,noatime,size=64m 0 0

tmpfs /tmp tmpfs defaults,noatime,size=512m 0 0


で全体的に見るとこうなります

# Copyright (c) 2018, NVIDIA CORPORATION.  All rights reserved.
#
# NVIDIA CORPORATION and its licensors retain all intellectual property
# and proprietary rights in and to this software, related documentation
# and any modifications thereto.  Any use, reproduction, disclosure or
# distribution of this software and related documentation without an express
# license agreement from NVIDIA CORPORATION is strictly prohibited.
#
# /etc/fstab: static file system information.
#
# These are the filesystems that are always mounted on boot, you can
# override any of these by copying the appropriate line from this file into
# /etc/fstab and tweaking it as you see fit.  See fstab(5).
#
# <file system> <mount point>             <type>          <options>                               <dump> <pass>
/dev/root            /                     ext4           defaults 
/dev/nvme0n1p2           /usr             ext4           defaults                                     1 2
/dev/nvme0n1p3            /home            ext4           defaults                                     1 2
tmpfs /var/log tmpfs defaults,noatime,size=64m 0 0
tmpfs /var/tmp tmpfs defaults,noatime,size=64m 0 0
tmpfs /tmp tmpfs defaults,noatime,size=512m 0 0

で、保存します。
念の為
cat /etc/fstab  
で、修正した内容を確認してください
問題なければ

リブートしてください
問題なければ、正常に起動しますが
逆であれば永遠に起動しません。

無事起動した場合は

df

コマンドを実行するとディスク内容が表示されますので、その内容をメールしてください
上記設定で少しブラウザの挙動がおかしくなる様ですが、原因がわかったらまた連絡します
ご無事を祈ります……..。

という事で今日終えず明日に持ち越しです…
nvidia@jetson-0423018054343:~$ df
Filesystem     1K-blocks     Used Available Use% Mounted on
/dev/root       28768380  9621004  17662988  36% /
devtmpfs         8062440        0   8062440   0% /dev
tmpfs            8099464        4   8099460   1% /dev/shm
tmpfs            8099464    28944   8070520   1% /run
tmpfs               5120        4      5116   1% /run/lock
tmpfs            8099464        0   8099464   0% /sys/fs/cgroup
tmpfs              65536      492     65044   1% /var/log
tmpfs             524288       12    524276   1% /tmp
tmpfs              65536        0     65536   0% /var/tmp
/dev/nvme0n1p3 178839960   689796 168995912   1% /home
/dev/nvme0n1p2  50133700  7468256  40089060  16% /usr
tmpfs            1619892      136   1619756   1% /run/user/1001
/dev/mmcblk1p1  29928500 26575692   1809488  94% /media/nvidia/Xavier
nvidia@jetson-0423018054343:~$で間違えが無くリブート出来ました…

マイクロSDカードの内容をSSDに移行してyoloのディレクトリに入ってmake clean  の後 make -j8 で再コンパイルすれば、yolo標準コマンドが実行できます。

2018年10月30日火曜日

異常検知(Random Cut Forest)

まずは実際のデータが無いと話は進まない。室生発電所に行かないとダメ。。。

SagemMakerはコストパフォーマンスは問題無いが遣いこなすのが大変。
チームでやっても1年は掛かるプロジェクトになる事が分かった。
とりあえず11月25日にアマゾン大阪支店でhands-onで勉強です。

https://www.slideshare.net/okeee0315/20180805-reunion-2018-osaka-aws







プロジェクトを短縮する為の3rdパーティは既に分かっているのでぼちぼちするかな?
そんなに簡単に出来る訳ないし。。。

2018年10月26日金曜日

AIを扱う会社の見極め

10月25日
AIを売る会社と言ってもも色々あり、上場企業に採用されているとのアピールと100社以上に採用されている事をプレゼンテーションにうたっています。
現場にある色々なデータから色々な要素を抽出して提供するサービス。
現場にカメラをつけて顧客情報を数値化する画像認識を使ったサービス(カメラの画像から性別、年齢や来店者数を自動で検出)、生産現場のセンサー情報から不良品を判定するシステムや異常予兆検知、銀行やコンピューティングセキュリティー処理の中から不正な処理を見つけ出す。サービス。はたまたAIのアルゴリズムを提供して社内で開発する事をサポートするサービス。
中には費用対効果があるか?と行った感じのものもある。

.comブームと似た様相。とりあえずホームページを作るみたいな感じ。
それで飛躍的な会社に変貌するヤフーやアマゾンの様なものもあればただ単にホームページがあるだけの会社。

色々調べてながらまず始めれるところから少しずつ。

2018年10月24日水曜日

機械学習のハードウェアのおさらい。

今後AI(人工知能)という単語は初心者に簡単に説明する為の表現でこの機能を使った製品もしくはサービスを提供する会社はML(Machine Learning)機械学習という単語を使って行きます。最近AI=万能といったイメージが一人歩きしている為です。
今までのコンピューティングと同じで結果を出す為の過程は今まで以上に複雑で時間も手間の掛かる作業です。

まずはテレビで紹介されたメーカーとハードウェア(AI,GPU,自動運転等)を分かりやすく説明しています。
https://youtu.be/ofjy7R_urs0
AIとしては医療用にFUJIFILMが自動運転用としてはトヨタ(一般車)、ISUZU(商用車)、ヤマハ(農業用ドローン等)で開発に使っています。
移動用でなければサーバーベースのGPUを使って移動を伴う場合はエッジとしてXavierをつかっています。
Copyright © 2018 NVIDIA Corporation
Copyright © 2018 NVIDIA Corporation
流石にゲームの開発で創業した会社なので実車でテストする前のシュミレータも開発してこれを元に機械学習をして実車テストするので安全性はかなり向上しています。その為のリソースも潤沢なので各社共同開発するのだと思います。Intelも開発を追っかけていますが石だけでは資本力が同じでもこの違いは大きいです。
Copyright © 2018 NVIDIA Corporation

中身はこれらです。
左がJetson TX2(去年モデル)右がJetson Xavier(最新モデル)
TX2はバッテリー駆動する様に改造してます。
TX2のオリジナルはI/Oベーズボード大きすぎて使い難いので…

ハードのスペックの違いは今までが工場の倉庫の自動搬送用の組み込みから本格的な自動車の自動運転を目的としたものに変わったので価格とスペックは大きく発展しました。今までのTX2は少し非力な部分があり2台使っているところもありました。
Copyright © 2018 NVIDIA Corporation


あと参考にロボットの分野も同じハードウェアが使われています。
この分野も日本は遅来ています。ロボット用のOS(ROS)がありこれらはオープンソーであまり表には出て来ていませんが建設現場の物資の輸送にテストしているようです。
BostonDynamics社がどうやら日本のゼネコンと共同で実験している動画を見つけました。この会社が有名なのは米軍が戦場での物資の輸送にこのシステムを実戦配備しているので知られています。悲しい現実ですが、シリコンバレーも元は軍需産業です。
動画に出てくる看板からして日本国内のビル建設でテストしているのでもうすぐニュースになるのでしょうか?
https://youtu.be/wND9goxDVrY
運動性能の良さを表した動画も貼っておきます。
https://youtu.be/kHBcVlqpvZ8

2018年10月23日火曜日

機械学習フレームワークとAIに必要な統計的・確率的な基礎知識

10月23日

今回のコンペで使うフレームワークはYOLO(You Only Look Once)you only live once(人生一度限り)をもじったネーミングのを選定しました。
比較的新しいもので比較的に使いやすく認識精度もスピードもそこそこ。一緒に取り組んでいる人がフレームワークを色々経験のある人が今一番取り組んで応用しているのも理由です。
好きこそ物の上手なれなので今回も誰かの心を動かす様なものにしたいと考えます。

今回はCNN=Convolutional Neural Network(畳み込みニューラルネットワーク)を覚えて置いて下さい。
画像処理の手法で特徴を数値化します。




パターンの認識と機械学習=『Pattern Recognition and Machine Learning』ですので、
頭文字を取って、よくPRMLとも呼ばれています。
最初にイメージをつかむには最適だと思いますが、
実際にPRMLなどで使用される確率・統計的な手法は網羅していないため、
橋渡しのために、他の書籍で離散値の確率密度関数や、期待値、統計的検定、ベイズ定理の
応用学習する必要があります。
漫画で概念を説明する本があるので統計学の回帰分析編、因子分析編を含めて目を通して
見ます。
それ以外の本も1/5は読みました…

能書きはここまでで作業は何時もの様に躓いています。


また微熱が有ります。

2018年10月20日土曜日

IoTの母艦(ホスト)とエッジ(端末)

インターネットがサーバーとクライアントの様にIoTには母艦(ホスト)とエッジがあります。
負荷の大きい処理は母艦(ホスト)側で処理をしてその計算結果(機械学習のモデル等)をエッジ(端末)に移してそれぞれの環境で実行させます。
機械学習の学習は2000年頃のスーパーコンピューター並の処理をする為、エッジでは何十倍の時間が掛かるので、役割分担をしています。
今回のAI(機械学習)も母艦( Linuxのホストマシン)で学習させて機械学習用のnvidiaのエッジであるJetson TX2やJetson Exavierを使います。
今回のエッジであるJetson TX2は安いパソコン並の能力はある為、Linuxの勉強はJetson TX2でポータブルに行います。携帯するには無骨ですが、ドローン用のバッテリーを簡易ACアダプタとHDMIの中華モニターを一つの電源で動く様に改造しました。
昨日AWS大阪支店で母艦(Linuxホストマシン)で処理するデータをクラウドで可能な事がわかりました。母艦を設定やメンテナンスを考慮するとクラウドの方がコストパフォーマンスは高いこのブログの初めの様にインストールしてその状態を最新に状態を保つのもハードは古く更新が必要になる事を考えると他に選択肢は無し。

日本語入力の設定が上手く行かずに嵌ってますが。。。

2018年10月18日木曜日

非線形二乗法と行列演算


10月18日
機械学習において論文やいろいろな関数が出てきます。理解するしないに関わらずこれらの関数がないとなにも進みません。理解するのは無理だと思いますが理解しようと努力する事は無駄ではないと信じたいです。

非線形二乗法はプロットされたデータから傾向をつかむ方法で推論には欠かせないものです。

また行列演算はデータを解析する手法で機械学習で行われています。

式としては
やら

これらの関数は一部ですがそれぞれをプログラムに落とし込んで学習して推論を導き出します。かなり説明を端折っています。

いろんな資料を読んで理解しようとして知恵熱が出ています。冗談抜きで…

やってることは画像を認識してその画像から推論しそれをトリガーにして何かを動かす事です。結果は簡単に見えます。その精度を上げて行くには内部でどのように処理しているか理解することが不可欠です。

今後説明するなかでこんなキーワードがあったなーと言う程度の記憶で良いです。


2018年10月13日土曜日

2018/10/13 Pythonユーザの為のJupyter実践入門。。。まだまだインストールは続く?

色々出て来ますが本読んで進めるだけです。一読して覚えて理解出来ると思いませんが。
AWSの次回のSageMakerのhands-onでもJupyter notebook必須です。macは自分で使い慣れているので、windowsは持っていないのとUNIX系では無いので。最近Windowsの方が少数派です。makefileも覚えてないのに…
*Pythonの説明です。パイソンと呼び現在の主流のプログラム言語です。簡素で強力な言語ですが、Cみたいですがスクリプト言語でコンパイル不要。今回はその為のエディターの様なものをインストールしています。環境を揃えて構築して他の環境に応用する為?
今高専等で勉強して居る人は標準の環境なのでしょうね。今の開発環境についていくのが大変です。まだ34ページ/415ページだし。

なんとなく試行錯誤して少し進んだみたい。44ページまでですが。

pythonが機械学習に必須な理由は下記動画が分かりやすいです。
https://youtu.be/2-Ol7ZB0MmU

日本語では無料の説明を見つける事が出来ません。あっても適当ではないようです。

以前の動画は脳神経学的な説明が主体的ですが、今回の動画はどの様に計算してその計算方法がpython言語が適しているかの説明です。
今回も英語ですが画面を眺めてイメージを掴んで下さい。中々簡単に説明する資料が有りません。複雑な処理をしていますが全てを網羅した説明が簡単に出来ないので大きく2つに分けて説明する動画を張っています。

どこかで内容を再度整理するまでお待ち下さい。


2018年10月12日金曜日

第2回AIビジネス創出アイデアコンテスト 出展候補

メイカーズフェア2018でtinyYOLOで人の手のグーチョキパーを赤外線で認識させてスマートボールの球をグーで勝てば1個、チョキで勝てば2個、パーで勝てば3個を射出する展示をしました。
AIフレームワークであるtinyYOLOはYOLOの簡易版でiPhoneのGPUを使って無線LANでiPhone,ESPとスマートボールのソレノイドを繋いで動作させました。

子供のお遊びにしたのはMFT2018は最新の技術を子供にも理解出来る展示にする為にシステムをアレンジしましたが、iPhoneをエッジとして母艦(ホストマシン)で学習モデルを作ってそのモデルをiPhoneに移して機械学習の推論結果をトリガーにして違うエッジ(ESP8266)を操作してソレノイドを動作させてスマートボールの球を打ち出しています。
一連の処理は高度なものです。
フレームワークが簡易版で推論の確立は90%に満たないので正解率は低いものでした。
子供のお遊びで容赦して貰えた?
こんな感じです。
https://youtu.be/hxePTsmZ-8w

また600組の出展者の殆どが無線LANを会場で使っていたので13チャンネル全てで繋がらない状態。電波強度の強いルーターを使うとiPhoneのデザリングは殆ど繋がりませんでした。早朝、お昼休みと夕方に若干の改善しかない状態です。

そこで今回は主要な自動車メーカーで採用予定のJetson XavierでエッジをPi Zeroを有線LANで繋いで混線を避ける予定です。
データを取ってトリミング、調整の時間がないのでモデルは引き続きグーチョキパーですが新たに母艦(ホストマシン)で学習し直して正解率を高くしました。
またフレームワークを改良して認識スピードを倍以上に上げました。恐らくYOLOをこのスピードにしたのは世界初!
同じGPUでもフレームワーク(OpenFremeworks)をマルチスレッドにしてさらにスピードアップするソフト変更しました。YOLOのみの対応です。

スマートボールの部分をどうするかはこれから検討します。

大人向けに変更?

2018年10月11日木曜日

AIを業務とする為の体制について

前回のAWSの資料がダウンロード出来る様になったのでその説明をします。
https://pages.awscloud.com/rs/112-TZM-766/images/awssolday-osaka-2018-ml-1400-daikin.pdf?mkt_tok=eyJpIjoiT1RKa1pqTTFPRGczT0RFMSIsInQiOiJ5XC9XZWpzQmR2bFBQV0U1MWV0ajlSelwvaElmdHZMUWJZc2crU0JZR0ZEMGttaDkxXC9MODhZSEthdFZXK1c0TE9DUWdmUW9SellURmp3Y1RVSEcxckFBWFwvQThROUpKMlU4UXhRS3ZvbW1wSTZqK2VxY3h4dFFMT3VaSGNkR3Npd1B4TDV3bURsbU8xVHVlVnM4UHdTSHZBPT0ifQ%3D%3D

全文はURLをご覧下さい。
当然大手企業であれば研究所で研究員がシステム開発を独自に行って業務に反映させます。それなりの人材を数名でチームを組んで長い期間試行錯誤してシステムを実行します。

中小企業であればある程度はベンダーに投げて一定の期間でレベルに応じた開発をする事は出来ますが費用対効果の問題です。
ある程度の知識とを持っているつもりですがなにせ今は非常に情報が早く高度化しているので正直ある程度ターゲットを絞ってもキャッチアップが大変です。昨日のAWS大阪支店ではデータサイエンティストを育成しないとAIは社内で実現は非常に難しくデータサイエンティスト居る前提で1年位掛かるとの事でした。大小企業も含めて取り組みはして居るがAIをする人は圧倒的に少なくデータサイエンティストという職種もここ3年位の事です。当然本物のデータサイエンティストはごく僅かです。
データサイエンティスト=統計学の学者と思って良いと思います。
今私はハードの操作をして居るだけで内容は概略しか理解していません。

話を戻します。
ダイキンのケースで説明します。
 
 

要約すると自社でハードは管理しないハードのメンテナンスは高コスト、クラウドは従量制で結果としてコスト管理が楽で安い。SaaS(ソフトウェアasサービス)現在の世界的にクラウドに行こうする為のキーワードです。OS、アプリケーション、データベースをそれぞれ管理するのではなく全てを一括してサービスだけを使う。上げ膳据え膳って事です。

ダイキンのケーススタディの中で出てくるNoSQLは今までと反対でデータベースを関連させたものを使うのではなくCSVの様にデータは簡単に扱う事へ変わって来ています。アプリケーションが最適化されていれば、レイテンシー(遅延)が起きにくいと事で現在主流になっています。
社内で言うと見積りや総務の処理はSQLを使っていますが手を加え続けると遅延やエラーが起きやすく整合性を取る事が複雑になり何かを省かないとシステムとしての使い勝手が悪くなる。ハードを更新しても改善しません。メンテナンスやハードが悪い訳ではなくこの問題は大小全ての会社で今おきています。

今取り組んでいる方向性は間違っていませんが、一人で出来るものなのか?と思います。