Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
機械学習案件について
eyener3
April 27, 2019
Programming
0
410
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
360
マクドナルドのマネージャーから学べたこと
eyener3
0
950
日本酒をちょっとだけ 好きになって欲しい
eyener3
0
350
プログラミング言語Rustの紹介
eyener3
0
300
はじまりの挨拶@あいなー
eyener3
0
170
Other Decks in Programming
See All in Programming
Google I/O 2022 Android関連概要 / Google I/O 2022 Android summary
phicdy
0
390
「困りごと」から始める個人開発
ikumatadokoro
4
250
20220706_Google Apps Scriptを実演で学ぶ~ GAS × Slack ~
apachan
2
620
Records の使い方はこれでいいの? をみんなで考えたい / Java DO #20
gishi_yama
0
120
OSS貢献を気軽にしたい Let's Go Talk #1
yuyaabo
2
240
Dagger, la CI, autrement
guikingone
1
110
閱讀原始碼 - 再戰十年的 jQuery
eddie
1
300
Rust on Lambda 大きめCSV生成
atsuyokota
1
400
Rに管理されてみる
kazutan
0
260
モデルの定義に基づくバリデーションを実現するためのpydantic入門
daikikatsuragawa
0
120
ESM移行は無理だけどおれもSindreのライブラリが使いたい!
sosukesuzuki
2
550
More Than Micro Frontends: 3 Further Use Cases for Module Federation @DWX 2022
manfredsteyer
PRO
0
380
Featured
See All Featured
No one is an island. Learnings from fostering a developers community.
thoeni
9
1.3k
Happy Clients
brianwarren
89
5.6k
Adopting Sorbet at Scale
ufuk
63
7.6k
Optimizing for Happiness
mojombo
364
64k
How GitHub (no longer) Works
holman
297
140k
For a Future-Friendly Web
brad_frost
166
7.5k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
212
20k
Mobile First: as difficult as doing things right
swwweet
213
7.6k
Designing for Performance
lara
597
64k
10 Git Anti Patterns You Should be Aware of
lemiorhan
638
52k
Producing Creativity
orderedlist
PRO
334
37k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
107
16k
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。