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

Transcript

1. ア ル ゴ リ ズ ム チ ー ム の ご 紹 介
   ( エ ン ジ ニ ア 向 け )
   

   View Slide

2. アルゴリズムチームとは？
   

   View Slide

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！
   

   View Slide

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
   

   View Slide

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
   

   View Slide

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
   

   View Slide

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
   

   View Slide

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
   

   View Slide

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
   

   View Slide

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
    

    View Slide

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！
    

    View Slide

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
    

    View Slide

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！
    

    View Slide

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。
    

    View Slide

15. END
    

    View Slide