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
520
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
410
マクドナルドのマネージャーから学べたこと
eyener3
0
1.2k
日本酒をちょっとだけ 好きになって欲しい
eyener3
0
440
プログラミング言語Rustの紹介
eyener3
0
440
はじまりの挨拶@あいなー
eyener3
0
270
Other Decks in Programming
See All in Programming
AWS Application Composerで始める、 サーバーレスなデータ基盤構築 / 20240406-jawsug-hokuriku-shinkansen
kasacchiful
1
250
puregoの活用例
aethiopicuschan
0
220
今の SmartHR にエンジニアで入社するとどうなるの?
daisukeshinoku
5
4.6k
Ruby製社内ツールのGo移行
bgpat
2
330
pixivアプリでマルチモジュールを実現するまで
gatosyocora
1
130
StoreKit2によるiOSのアプリ内課金のリニューアル
kangnux
0
100
Netty Chicago Java User Group 2024-04-17
sullis
0
110
Blue/Greenデプロイの導入による 運用フローの改善
kudoas
1
350
入門 AWS Amplify Gen2 / Introduction to AWS Amplify Gen2
genkiogasawara
1
310
OpenAPIを中心に考えるAPI開発入門 / Introduction to API Development with a Focus on OpenAPI
seike460
PRO
2
110
코틀린으로 멀티플랫폼 만들기
pangmoo
0
120
educure_カリキュラム生操作マニュアル.pdf
linew_official
0
460
Featured
See All Featured
Visualization
eitanlees
135
14k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
1
1.3k
Designing on Purpose - Digital PM Summit 2013
jponch
110
6.4k
Keith and Marios Guide to Fast Websites
keithpitt
408
22k
A Philosophy of Restraint
colly
196
16k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
273
13k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
119
38k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
13
1.5k
Building Adaptive Systems
keathley
30
1.8k
Imperfection Machines: The Place of Print at Facebook
scottboms
258
12k
Making the Leap to Tech Lead
cromwellryan
123
8.5k
The MySQL Ecosystem @ GitHub 2015
samlambert
242
12k
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。