機械学習案件について

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
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

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。

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)
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

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。

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
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。

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。