Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
機械学習案件について
Search
eyener3
April 27, 2019
Programming
0
560
機械学習案件について
eyener3
April 27, 2019
Tweet
Share
More Decks by eyener3
See All by eyener3
やさしい共同開発で自己組織化を目指したい..!!
eyener3
0
460
マクドナルドのマネージャーから学べたこと
eyener3
0
1.4k
日本酒をちょっとだけ 好きになって欲しい
eyener3
0
490
プログラミング言語Rustの紹介
eyener3
0
540
はじまりの挨拶@あいなー
eyener3
0
360
Other Decks in Programming
See All in Programming
High-Level Programming Languages in AI Era -Human Thought and Mind-
hayat01sh1da
PRO
0
260
Haskell でアルゴリズムを抽象化する / 関数型言語で競技プログラミング
naoya
17
4.9k
Beyond Portability: Live Migration for Evolving WebAssembly Workloads
chikuwait
0
390
PHP 8.4の新機能「プロパティフック」から学ぶオブジェクト指向設計とリスコフの置換原則
kentaroutakeda
2
540
Rubyでやりたい駆動開発 / Ruby driven development
chobishiba
1
400
つよそうにふるまい、つよい成果を出すのなら、つよいのかもしれない
irof
1
300
GitHub Copilot and GitHub Codespaces Hands-on
ymd65536
1
120
技術同人誌をMCP Serverにしてみた
74th
1
360
Result型で“失敗”を型にするPHPコードの書き方
kajitack
4
380
エラーって何種類あるの?
kajitack
5
310
なぜ「共通化」を考え、失敗を繰り返すのか
rinchoku
1
510
Team operations that are not burdened by SRE
kazatohiei
1
210
Featured
See All Featured
Side Projects
sachag
455
42k
Building a Modern Day E-commerce SEO Strategy
aleyda
42
7.3k
Imperfection Machines: The Place of Print at Facebook
scottboms
267
13k
Measuring & Analyzing Core Web Vitals
bluesmoon
7
490
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Building Better People: How to give real-time feedback that sticks.
wjessup
367
19k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
Code Reviewing Like a Champion
maltzj
524
40k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
331
22k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
3.9k
For a Future-Friendly Web
brad_frost
179
9.8k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
130
19k
Transcript
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
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
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。
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)
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
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。
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
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。
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。