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
   

   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