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
560
はじまりの挨拶@あいなー
eyener3
0
360
Other Decks in Programming
See All in Programming
CSC305 Lecture 10
javiergs
PRO
0
210
Building, Deploying, and Monitoring Ruby Web Applications with Falcon (Kaigi on Rails 2025)
ioquatix
4
2.4k
大規模アプリのDIフレームワーク刷新戦略 ~過去最大規模の並行開発を止めずにアプリ全体に導入するまで~
mot_techtalk
1
470
Software Architecture
hschwentner
6
2.3k
コードとあなたと私の距離 / The Distance Between Code, You, and I
hiro_y
0
190
実践Claude Code:20の失敗から学ぶAIペアプログラミング
takedatakashi
15
6.3k
はじめてのDSPy - 言語モデルを『プロンプト』ではなく『プログラミング』するための仕組み
masahiro_nishimi
3
1.1k
XP, Testing and ninja testing ZOZ5
m_seki
3
780
なぜGoのジェネリクスはこの形なのか? - Featherweight Goが明かす設計の核心
qualiarts
0
200
品質ワークショップをやってみた
nealle
0
580
Webサーバーサイド言語としてのRustについて
kouyuume
0
2.4k
Le côté obscur des IA génératives
pascallemerrer
0
150
Featured
See All Featured
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
9
920
Gamification - CAS2011
davidbonilla
81
5.5k
Why Our Code Smells
bkeepers
PRO
340
57k
Large-scale JavaScript Application Architecture
addyosmani
514
110k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
285
14k
Designing Experiences People Love
moore
142
24k
Embracing the Ebb and Flow
colly
88
4.9k
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.2k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
508
140k
Building Adaptive Systems
keathley
44
2.8k
RailsConf 2023
tenderlove
30
1.3k
Building a Modern Day E-commerce SEO Strategy
aleyda
44
7.8k
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。