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
kiroとCodexで最高のSpec駆動開発を!!数時間で web3ネイティブなミニゲームを作ってみたよ!
mashharuki
0
490
ALL CODE BASE ARE BELONG TO STUDY
uzulla
25
5.9k
iOSエンジニア向けの英語学習アプリを作る!
yukawashouhei
0
190
タスクの特性や不確実性に応じた最適な作業スタイルの選択(ペアプロ・モブプロ・ソロプロ)と実践 / Optimal Work Style Selection: Pair, Mob, or Solo Programming.
honyanya
3
170
組込みだけじゃない!TinyGo で始める無料クラウド開発入門
otakakot
0
270
オープンソースソフトウェアへの解像度🔬
utam0k
15
2.9k
Devvox Belgium - Agentic AI Patterns
kdubois
1
120
Introducing ReActionView: A new ActionView-Compatible ERB Engine @ Kaigi on Rails 2025, Tokyo, Japan
marcoroth
3
1k
Catch Up: Go Style Guide Update
andpad
0
230
Railsだからできる 例外業務に禍根を残さない 設定設計パターン
ei_ei_eiichi
0
910
Leading Effective Engineering Teams in the AI Era
addyosmani
6
430
技術的負債の正体を知って向き合う / Facing Technical Debt
irof
0
170
Featured
See All Featured
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
252
21k
VelocityConf: Rendering Performance Case Studies
addyosmani
332
24k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
45
2.5k
Building Adaptive Systems
keathley
44
2.8k
Music & Morning Musume
bryan
46
6.8k
Typedesign – Prime Four
hannesfritz
42
2.8k
Raft: Consensus for Rubyists
vanstee
140
7.1k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
9
980
How to Think Like a Performance Engineer
csswizardry
27
2k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
667
120k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
33
2.3k
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。