$30 off During Our Annual Pro Sale. View Details »

機械学習案件について

eyener3
April 27, 2019

 機械学習案件について

eyener3

April 27, 2019
Tweet

More Decks by eyener3

Other Decks in Programming

Transcript

  1. 機械学習案件について

    機械学習アプリを開発した経験から

    View Slide

  2. 発表者

    名前:和泉寿範

    ニックネーム:いずみん

    好きな言語:Python、PHP

    好きなFW:Masonite、Laravel

    興味がある事:機械学習、DDD

    仕事:研究所のエンジニア

    WEB系のエンジニア

    その他:チャリティーサンタ


    View Slide

  3. 機械学習に関わったプロジェクト

    ● scikit-learnを用いた化合物予測WEBアプリ

    ● scikit-learnを用いた化学物性質予測WEBアプリ

    ● jubatusを用いた花粉対策アプリPollinosys(個人プロジェクト)

    プロジェクトで用いた技術の説明とやってよかった事、やればよ
    かった事などを発表します。


    View Slide

  4. 実際のAIエンジニアのイメージ
    AIシステムの開発工程

    データの収集
    データの前処理
    特徴量の決定
    アルゴリズムと
    パラメーターの決定し
    てモデル作成
    WEBAPI化
    実データで運用
    地味な処理(全体の8割から9割)

    View Slide

  5. AIを作るためのツール

    ライブラリ型

    自分で実装する。

    AIエンジニアが必
    要。

    ● scikit-learn

    ● keras


    サーバ型
    AIサーバーを立
    ち上げて、データ
    を送信する。
    AIサーバーの機
    能に依存する。
    ● Jubatus
    サービス型
    WEBサービス上
    でAIを作成す
    る。
    サービスに依存
    します。
    お金が掛かる。
    ● Watson
    お金と依存性が高くなる
    作成するコード量が増える


    View Slide

  6. jubatusとは?

    ● サーバ型のAIプラットフォーム

    ● C++で作成されており、処理が高速

    ● OSSなので無料で利用が可能

    ● 特徴量抽出を設定ファイルに記述

    なんとな〜くデータを機械学習エンジンに送信すると予測デー
    タが帰ってくるっという事が可能です。


    View Slide

  7. 花粉対策アプリPollinosysのシステム構成

    機械学習エンジン
    WEB(アプリ本体)
    Laravel
    JSON
    リクエスト
    予測に必要
    なデータ
    予測値

    View Slide

  8. 機械学習アプリを作ってみて

    やってよかった事

    ● Gitリポジトリの分割

    ● Jubatusの使用

    ● Flaskの使用

    やればよかった事

    ● オブジェクト指向プログラミング

    ● 機械学習ツールの検討や条件の検討

    ● Dockerを用いた開発環境作成

    良い意味でも悪い意味でも、リリーススピードを優先する開発
    だった。


    View Slide

  9. まとめ

    ● JubatusやFlaskを使って、お金をかけずにAIシステムの開発
    ができた。

    ● プロトタイプを作るならライブラリ型よりもサーバー型やサー
    ビス型のツールを使うのが効率がいい。

    ● オブジェクト指向を意識して、コードを書かないと後からアル
    ゴリズムやツールの変更が大変になる。


    View Slide