Upgrade to Pro — share decks privately, control downloads, hide ads and more …

アルゴリズムチームのご紹介/about atama plus algorithm team

アルゴリズムチームのご紹介/about atama plus algorithm team

atama plusのアルゴリズムチームのエンジニア向けご紹介資料です。(2022年4月12日更新)

新しい教育を創り、社会を変えていく仲間を募集しています。
ご興味もっていただいた方はぜひご応募ください!

▼募集職種一覧
https://herp.careers/v1/atamaplus

▼その他参考資料
・atama+ culture code
Mission実現に向けて大切にしているカルチャーをまとめています
https://www.atama.plus/wp-content/uploads/2020/07/atama%EF%BC%8B-culture-code.pdf

・3分でわかるatama plusのエンジニア(プロダクト部門の全体像がわかるスライドです)
https://speakerdeck.com/atamaplus/about-atama-plus-engineer

・3分でわかるatama plus
https://speakerdeck.com/atamaplus/about-atama-plus

F0a8d07597a19192791bf663504d2a17?s=128

atama plus

April 12, 2022
Tweet

More Decks by atama plus

Other Decks in Programming

Transcript

  1. ア ル ゴ リ ズ ム チ ー ム の

    ご 紹 介 ( エ ン ジ ニ ア 向 け )
  2. アルゴリズムチームとは?

  3. アルゴリズムチームとは? →⽣徒の学習体験の根幹を成す レコメンドエンジンの改善によって、 ⽣徒の学びの最⼤化に貢献する!

  4. ⓒ 2022 atama plus Inc. atama+のレコメンドエンジンとは? ⽣徒に個別最適な学習をレコメンドすることで、最短での学びを提供します 4 アクティビティ(講義、演習、復習など) 単元

    問題
  5. ⓒ 2022 atama plus Inc. レコメンドエンジンの動作原理 ⽣徒の回答履歴、⽣徒の⽬標、単元の依存関係などを⼊⼒として アクティビティ、単元、問題をレコメンドしています 5 回答履歴

    ⽣徒の⽬標 単元の依存関係
  6. ⓒ 2022 atama plus Inc. レコメンドエンジンの裏側で活躍するアルゴリズム 6 習熟度の推定 問題難易度の推定 依存単元の抽出

    問題のレコメンド 学習に要する時間の予測 問題1 問題2 英語 数学 国語 理科 社会 問題3
  7. ⓒ 2022 atama plus Inc. チーム構成 スクラムチーム(職能横断チーム)となっており、課題のディスカバリーから、 機能のデリバリーまで、チームで⼀貫して対応します 7 学習体験

    プランナー プロダクト オーナー エンジニア (Algo/backend) Quality Assurance (品質保証) データ サイエンティスト 1名 2名 5名 2名 1名
  8. ⓒ 2022 atama plus Inc. アルゴリズムの開発プロセス(機能追加の例) 8 情報収集 仕様検討 PoC

    実装 A/Bテスト 運⽤ ・課題ヒアリング w/ 学習体験プランナー、データサイエンティストチーム ・どのようなアルゴリズムが使えそうかを、論⽂等も参照しながら調査 ・仕様検討 w/ 学習体験プランナー、QAチーム ・場合によっては、オフラインで動かして、結果を検証 ・パフォーマンスや保守性等を考慮して実装 ・Unit Test、Feature Test w/ QAチーム ・場合によっては、A/Bテストを⾏うことで、効果を検証 ・モニタリング w/ SRE、データサイエンティストチーム
  9. ⓒ 2022 atama plus Inc. 具体事例1:問題の出題順序の改善(機能開発の例) 9 背景 ・演習問題で、急に難しい問題が出てくることがあり、⽣徒がそこで 詰まってしまうことがあった

    改善策 ・各問題の難易度を推定した上で、難易度の 昇順に問題をソートして出題するロジック の改善を⾏なった 開発時 の⼯夫 ・既存のソートロジック(苦⼿な問題を先に出す等)もあるため、 それとの整合性を保てるかどうか、 学習体験プランナー/QAチームと丁寧に検討を⾏なった ・最初から効果を正確に⾒積もることが難しかったため、A/Bテストを⾏ い、学習効率の向上効果を検証した上で導⼊を決定した 問題 C 問題 A 問題 B 問題 D
  10. ⓒ 2022 atama plus Inc. 具体事例2:レコメンドエンジンのスケールアウト対応(実施中) 10 背景 ・現状は全ての書き込みが1つマスタDB(RDB)に対して⾏われており、近い 将来ユーザー増に伴う負荷増に耐えきれなくなることが予想されていた

    改善策 ・スケールアウトによる負荷分散を狙い、いくつかの⽅式を検討した (NoSQLへの移⾏、RDBシャーディング等) ・結果として、RDBシャーディングの採⽤を決定し、現在バックエンドの 移⾏を進めている 開発時 の⼯夫 ・シャードを跨いだクエリや、シャード間の リバランスが最⼩限となるように、シャー ディングの単位を決定。 ・本番でのリスクを最⼩限に抑えるため、 ダークローンチを実装。 client shard1 shard2 shard3
  11. ⓒ 2022 atama plus Inc. アルゴリズムチームのエンジニアの魅⼒ 11 プロセスの全⼯程に携わることが できるため、個別最適化に起因す る問題を未然に防ぎやすくなる!

    ・PoCだけで終わらせない ・パフォーマンスチューニングもロジックと インフラの両⾯からアプローチできる ・週に1度の論⽂読み会で最新の⼿法を キャッチアップ ・ユーザ数増加に対応するためのアーキ テクチャ変更等の経験もできる アルゴリズム設計とバックエンド 開発どちらの経験も積むことがで きる!
  12. ⓒ 2022 atama plus Inc. アルゴリズムチームのエンジニアのJob Description 12 アルゴリズムエンジニア バックエンドエンジニア

    アルゴリズムのロジック設計や、Data Science的なバックグラウンド(機械学習 含む)をより重視 ・技術ドリブンにならず常に「ユーザーへの価値提供」という⽬的を⾒失わない姿勢 ・webシステム開発の経験 パフォーマンスやスケーラビリティを考 慮した設計・開発に関するバックグラウ ンドをより重視
  13. ⓒ 2022 atama plus Inc. さいごに 13 atama plusはミッションドリブンカンパニーです。 個々の専⾨性を活かしつつ、視野を広く持って

    ミッションに貢献したいと思えるエンジニアには、 魅⼒的な環境だと思います!
  14. ⓒ 2022 atama plus Inc. 【宣伝】note公開中です! 14 https://note.com/atamaplu s_dev/m/m9c1547900690 ・「AI×教育」をテーマにした論⽂の紹介

    ・アルゴリズムエンジニアの 開発プロセス∕事例紹介 などを紹介しています。
  15. END