Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
データ分析プロセス/AIアプリケーションの基本設計
h-fkn
July 26, 2019
Technology
0
140
データ分析プロセス/AIアプリケーションの基本設計
DataScienceBOOTCAMP 5th day2
h-fkn
July 26, 2019
Tweet
Share
More Decks by h-fkn
See All by h-fkn
The advantages and disadvantages of using machine learning with enebular
fkn0839
0
160
ラズパイで写真を撮った話_IoTLT_vol.66_2200812.pdf
fkn0839
0
250
俺のNETFLIX season2 AmazonPersonalize
fkn0839
0
180
俺のNETFLIX season1
fkn0839
0
120
ゆるふわマシーンラーニング#2_内容調整中()
fkn0839
0
140
ゆるふわマシーンラーニング「❝ Google AutoML Tablesでお手軽AI ❞と題して話すつもりだったけど、実際に使ったらお手軽()だった件について5分以内で話す」
fkn0839
1
3.2k
DataScienceBOOTCAMP5th_part1
fkn0839
0
1.5k
G'SACADEMY LAB5th DataScience
fkn0839
0
120
AIアプリ開発に「目的設定」が大切な理由
fkn0839
0
46
Other Decks in Technology
See All in Technology
増田亨さんによる 「設計の考え方とやり方」勉強会オープニング
tsuyok
0
210
〇〇みたいな検索作ってと言われたときに考えること / thinking before developing search system like that one
ryook
5
2.7k
DMMプラットフォーム ゼロから始めるKubernetes運用 課題と改善
pospome
0
410
聊聊 Cgo 的二三事
david74chou
0
330
VS Code Meetup #21 - もう一度知りたい基礎編 - ファイル操作、コーディングの基本編
74th
0
200
ログ集約基盤をCloudWatchからOpenSearchに変えてみた
yuhta28
0
140
セキュアなTerraformの使い方 ~ 機密情報をコードに含めず環境構築するにはどうしたらいいの?
harukasakihara
9
1.5k
LINSTOR — это как Kubernetes, но для блочных устройств
flant
0
3.7k
DeFiChain Tech Talk - DFI Uniswap Staking, DeFi Options & DeFi Meta Chain
uzyn
0
120
Backlog × RPAでいろいろ捗った話
z_tetsu
0
390
ECS on EC2 で Auto Scaling やってみる!
sayjoy
1
260
Goで実装するブランドネットワークとの接続ポイント
pongzu
2
280
Featured
See All Featured
Put a Button on it: Removing Barriers to Going Fast.
kastner
56
2.3k
GitHub's CSS Performance
jonrohan
1020
420k
Creatively Recalculating Your Daily Design Routine
revolveconf
207
10k
Practical Orchestrator
shlominoach
178
8.7k
StorybookのUI Testing Handbookを読んだ
zakiyama
6
2.5k
Facilitating Awesome Meetings
lara
29
4.1k
Designing for Performance
lara
597
64k
Art, The Web, and Tiny UX
lynnandtonic
280
18k
Fashionably flexible responsive web design (full day workshop)
malarkey
396
62k
Typedesign – Prime Four
hannesfritz
34
1.4k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
14
3.8k
Six Lessons from altMBA
skipperchong
14
1.4k
Transcript
σʔλੳϓϩηε %BUB4DJFODF#005$".1ୈظ
ΧϦΩϡϥϜ %BUB4DJFODF#005$".1UI
%BUB4DJFODF#005$".1UI ΧϦΩϡϥϜ
%BUB4DJFODF#005$".1UI ΧϦΩϡϥϜ • άϧʔϓϫʔΫ • ػցֶश • ౷ܭֶ •
%BUBCBTF • ϏδωεޮՌ • ϓϩτλΠϓ։ൃ • ϨϙʔςΟϯά
%BUB4DJFODF#005$".1UI ίϯηϓτ શճͷߨٛͰ$3*41%.Λ࠷࠷Ͱप͠Α͏ $3*41%. $3PTT*OEVTUSZ4UBOEBSE1SPDFTTGPS%BUB.JOJOH ɺ σʔλੳϓϩδΣΫτͷϓϩηεϞσϧ #VTJOFTT 6OEFSTUBOEJOH
%FWFMPQNFOU %BUB 6OEFSTUBOEJOH &WBMVBUJPO %BUB 1SFQBSBUJPO .PEFMJOH
%BUB4DJFODF#005$".1UI ߨٛఔ શճͷߨٛͰ$3*41%.Λ࠷࠷Ͱप͠Α͏ ビジネス理解 Business Understanding データ理解 Data Understanding
データ準備 Data Preparation モデリング Modeling 性能評価 Evaluation 開発 Development $3*41%.ʢσʔλੳϓϩηεʣ %": Ր %": ۚ %": Ր %": ۚ %": ۚ
%BUB4DJFODF#005$".1UI ߨٛఔ શճͷߨٛͰ$3*41%.Λ࠷࠷Ͱप͠Α͏ ビジネス理解 Business Understanding データ理解 Data Understanding
データ準備 Data Preparation モデリング Modeling 性能評価 Evaluation 開発 Development $3*41%.ʢσʔλੳϓϩηεʣ %": Ր %": ۚ %": Ր %": ۚ %": ۚ
%BUB4DJFODF#005$".1UI ߨٛఔ શճͷߨٛͰ$3*41%.Λ࠷࠷Ͱप͠Α͏ ビジネス理解 Business Understanding データ理解 Data Understanding
データ準備 Data Preparation モデリング Modeling 性能評価 Evaluation 開発 Development $3*41%.ʢσʔλੳϓϩηεʣ %": Ր %": ۚ %": Ր %": ۚ %": ۚ ڥߏங
%BUB4DJFODF#005$".1UI ౸ୡඪ શճͷߨٛͰ$3*41%.Λ࠷࠷Ͱप͠Α͏ ビジネス理解 Business Understanding データ理解 Data Understanding
データ準備 Data Preparation モデリング Modeling 性能評価 Evaluation 開発 Development $3*41%.ʢσʔλੳϓϩηεʣ %": Ր %": ۚ %": Ր %": ۚ %": ۚ
%BUB4DJFODF#005$".1UI ౸ୡඪ $3*41%. ߨٛ༰ ౸ୡඪ %": Ϗδωεཧղ σʔλαΠΤϯε֓ اըΛϞσϧԽͰ͖Δ
%": ୳ࡧతσʔλղੳʙ ϞσϦϯά σʔλੳϓϩηε ϞσϦϯά·Ͱͷ ྲྀΕΛཧղ͍ͯ͠Δ %": ։ൃ γϯάϧΞϓϦέʔγϣϯʹϞσϧΛΈࠐΉ ʢ'MBTLΛͬͨ8FC"QQϓϩάϥϛϯάʣ 8FC։ൃͷͨΊͷ 1ZUIPOϓϩάϥϛϯά %": ։ൃ γϯάϧΞϓϦέʔγϣϯʹϞσϧΛΈࠐΉ ʢ'MBTLΛͬͨ8FC"QQϓϩάϥϛϯάʣ ಉ্ %": Ϗδωεཧղ ϨϙʔςΟϯάɾࢿରޮՌܭࢉ σʔλΛదʹՄࢹԽ ϏδωεཱҊͰ͖Δ
%BUB4DJFODF#005$".1UI ౸ୡඪ $3*41%. ߨٛ༰ ౸ୡඪ %": Ϗδωεཧղ σʔλαΠΤϯε֓ اըΛϞσϧԽͰ͖Δ
%": ୳ࡧతσʔλղੳʙ ϞσϦϯά σʔλੳϓϩηε ϞσϦϯά·Ͱͷ ྲྀΕΛཧղ͍ͯ͠Δ %": ։ൃ γϯάϧΞϓϦέʔγϣϯʹϞσϧΛΈࠐΉ ʢ'MBTLΛͬͨ8FC"QQϓϩάϥϛϯάʣ 8FC։ൃͷͨΊͷ 1ZUIPOϓϩάϥϛϯά %": ։ൃ γϯάϧΞϓϦέʔγϣϯʹϞσϧΛΈࠐΉ ʢ'MBTLΛͬͨ8FC"QQϓϩάϥϛϯάʣ ಉ্ %": Ϗδωεཧղ ϨϙʔςΟϯάɾࢿରޮՌܭࢉ σʔλΛదʹՄࢹԽ ϏδωεཱҊͰ͖Δ
લճͷৼΓฦΓ %BUB4DJFODF#005$".1UI
%BUB4DJFODF#005$".1UI "*։ൃϓϩδΣΫτͷਐΊํ IUUQTGPSNSVO!QSPUPUZQFNPEFMJOH ࣮ݱ͍ͨ͜͠ͱΛϞσϧʹͦ͏ ԾઆͱσʔλΛඥ͚ͯΈΑ͏
%BUB4DJFODF#005$".1UI "*։ൃϓϩδΣΫτͷਐΊํ "*։ൃ·Ͱͷεςοϓ γεςϜ։ൃ ػցֶशɾϞσϦϯά σʔλੳ ֶश༻σʔληοτ࡞ ୳ࡧతσʔλղੳ σʔλऩूɾੵ
తઃఆ 45&1 45&1 45&1 45&1 45&1 45&1 45&1
%BUB4DJFODF#005$".1UI "*։ൃϓϩδΣΫτͷਐΊํ 課題 データがある データがない ⾃動化できる ⾃動化できない 判断必要な業務 判断不要な業務
AI 取り組む 取り組まない データ収集 取り残される 取り組む 取り組まない ⼈⼒ 取り残される RPA AI 投資対効果 中 投資対効果 中 投資対効果 低 投資対効果 ⼤ PoC
σʔλੳϓϩηε %BUB4DJFODF#005$".1ୈظ
%BUB4DJFODF#005$".1UI "*։ൃϓϩδΣΫτͷਐΊํ "*։ൃ·Ͱͷεςοϓ γεςϜ։ൃ ػցֶशɾϞσϦϯά σʔλੳ ֶश༻σʔληοτ࡞ ୳ࡧతσʔλղੳ σʔλऩूɾੵ
తઃఆ 45&1 45&1 45&1 45&1 45&1 45&1 45&1
%BUB4DJFODF#005$".1UI σʔλੳϓϩηε ୳ࡧతσʔλղੳ 㲈 هड़౷ܭʹ͍ۙ ݱঢ়ͷѲ ෳࡶͳσʔλΛγϯϓϧͳܗʹ͢Δ͜ͱͰਓؒʹͱͬͯཧղ͘͢͢͠Δʢهड़౷ܭʣ σʔλੳ 㲈
ਪ౷ܭʹ͍ۙ ະདྷͷ༧ଌ Կ͔ҙࢥܾఆΛ͢Δͱ͖ͷͨΊͷϑϨʔϜϫʔΫΛɺతͷ݁Ռ͕ى͜Δ֬Λࢉग़͢Δʢਪଌ౷ܭʣ ˝ ະདྷΛ༧ଌ͢ΔͨΊʹɺࠓͲ͏͍͏ঢ়ଶ͔ΛΔඞཁ͕͋Δɻ ͭ·Γɺ୳ࡧతσʔλղੳͳ͠ʹϞσϧߏஙͰ͖ͳ͍
%BUB4DJFODF#005$".1UI σʔλੳϓϩηε ୳ࡧతσʔλղੳͱ σʔλΛੳ͢Δલʹɺཧղ͢Δ • ूܭΛ͓͜ͳ͏ • ྻ໊ʢDPMVNOʣͷҙຯΛཧղ͢Δ •
ߦʢJOEFYʣʹ֨ೲ͞Ε͍ͯΔςΩετͷҙຯΛཧղ͢Δ
%BUB4DJFODF#005$".1UI σʔλੳϓϩηε ҙຯͷཧղ ྻͷҙຯΛΔ શମͷѲ σʔλͷେ͖͞ΛௐΔ
ݸͷѲ σʔλݸΛ্͑͛Δ ࣭ͷѲ ܽଛΛௐΔ ج४ͷൃݟ هड़౷ܭྔΛࢉग़͢Δ ภΓͷൃݟ άϥϑʢՄࢹԽ͢Δ͜ͱʣͰཧղ͢Δ
%BUB4DJFODF#005$".1UI σʔλੳϓϩηε ҙຯͷཧղ εϓϨουγʔτ༁ؔ શମͷѲ TIBQF
ݸͷѲ DPVOU ࣭ͷѲ ಉ্ʢࠓճεΩοϓʣ ج४ͷൃݟ EFTDSJCF ภΓͷൃݟ άϥϑʢՄࢹԽ͢Δ͜ͱʣͰཧղ͢Δ σʔλܕΛௐΔ EUZQFT
%BUB4DJFODF#005$".1UI σʔλੳϓϩηε ಈతܕ͚ݴޠ ܭࢉ͢ΔͨΊͷϥΠϒϥϦ σʔλΛѻ͏ͨΊͷϥΠϒϥϦ ػցֶशΛ͢ΔͨΊͷϥΠϒϥϦ ՄࢹԽ͢ΔͨΊͷϥΠϒϥϦ
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF σʔλੳϓϩηε • $PMBCPSBUPSZɺશʹΫϥυͰ࣮ߦ͞ΕΔ +VQZUFSϊʔτϒοΫڥͰ͢ɻ • ઃఆෆཁͰɺແྉͰ͝ར༻ʹͳΕ·͢ɻ
• $PMBCPSBUPSZΛ༻͢Δͱɺίʔυͷهड़ͱ࣮ߦɺղੳͷอଘڞ༗ɺڧྗͳίϯϐϡʔ ςΟϯά ϦιʔεͷΞΫηεͳͲΛϒϥβ͔Βͯ͢ແྉͰߦ͑·͢ɻ
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF σʔλੳϓϩηε
ϞσϦϯάجૅ %BUB4DJFODF#005$".1UI
ڭࢣ͋ΓֶशͰΑ͘͏ʮճؼʯͱʮྨʯ 回帰 未知のデータから連続する数値を予測する 分類 未知のデータから離散値(カテゴリ)を予測する • そのワインどれくらい美味しいかを数字で表現 • 今後、そのワインを何回買うであろうかを予測 •
そのワインは 美味しい or 美味しくない • そのワインはどんな種類︖(ボルドー or ブルゴーニュ)
%BUB4DJFODF#005$".1UI ϞσϦϯάجૅ ϞσϦϯάͷखॱ σʔληοτΛׂ͢Δ తมͱઆ໌ม ֶशσʔλͱݕূσʔλ
ػցֶश ΞϧΰϦζϜબఆ ަࠩݕূʢֶशํ๏ʣ ਫ਼ݕূ ग़ྗ
%BUB4DJFODF#005$".1UI ϞσϦϯάجૅ ࣮ࡍʹࣗͯ͠ΈΑ͏ • ඪ • ࠷ඪɿσʔλͷՄࢹԽ·Ͱ • ཧඪɿػցֶशʙϞσϦϯά·Ͱʢୠ͠ɺਫ਼Θͳ͍ʣ
• ࣌ؒɿʙ • ൃදɿ֤άϧʔϓʢʙʣ • ௐΔͱ͖ͷώϯτ • ΤϥʔϝοηʔδͰάάΔʂσʔλ໊໊ؔͰάάΔʂ
%BUB4DJFODF#005$".1UI ϞσϦϯάجૅ ࣮ࡍʹࣗͯ͠ΈΑ͏ • ඪ • ࠷ඪɿσʔλͷՄࢹԽ·Ͱ • ཧඪɿػցֶशʙϞσϦϯά·Ͱʢୠ͠ɺਫ਼Θͳ͍ʣ
• ࣌ؒɿʙ • ൃදɿ֤άϧʔϓʢʙʣ • ௐΔͱ͖ͷώϯτ • ΤϥʔϝοηʔδͰάάΔʂσʔλ໊໊ؔͰάάΔʂ ֤άϧʔϓͷൃදͱਐḿʹ߹Θͤͯɺ ࣍ճʮϞσϦϯάղઆ̎ʯΛՃ͢Δ͔அ͠·͢ʂ
͘͘λΠϜ %BUB4DJFODF#005$".1UI
%BUB4DJFODF#005$".1UI ϞσϦϯάجૅ ͘͘ձͷςʔϚΛܾΊΑ͏ $IBJOFSνϡʔτϦΞϧͰ ॏճؼੳ·ͰͬͯΈͨ ,BHHMFͷσʔληοτ Λͬͯ͘͘ ಠΓͰ ͯ͘͘͠Έ͍ͨ
,BHHMFͷσʔληοτ Λͬͯ͘͘ 8JOFσʔλ PS Ұॹʹ$IBJOFSνϡʔτϦΞϧ ΈΜͳ͕ σʔλੳʙϞσϦϯά ·Ͱܦݧ͍ͯ͠Δ :&4 /0 ͪΐͬͱෆ҆ͩ ઓͯ͠ΈΔʂ ࠓ ͷ ඪ
%BUB4DJFODF#005$".1UI ϞσϦϯάجૅ ·ͣҰॹʹ$IBJOFSνϡʔτϦΞϧ
%BUB4DJFODF#005$".1UI ϞσϦϯάجૅ ͘͘ձͷϧʔϧ • άϧʔϓϝϯόʔʹฉ͍ͯΈΑ͏ • εϓϨουγʔτͰͰ͖Δ͜ͱɺͬͯΈΑ͏ • ؆୯ͳूܭɺՄࢹԽ1ZUIPOͰΒͳͯ͘Α͍
• Τϥʔʹ׳ΕΑ͏ • ΤϥʔͷղܾࡦΛൃද͠Α͏ • ʮʙʙʙ·ͰͰ͖ͨʂʯ͕େͰ͢ʂ
࣍ճ༧ࠂ %BUB4DJFODF#005$".1UI
%BUB4DJFODF#005$".1UI ౸ୡඪ શճͷߨٛͰ$3*41%.Λ࠷࠷Ͱप͠Α͏ ビジネス理解 Business Understanding データ理解 Data Understanding
データ準備 Data Preparation モデリング Modeling 性能評価 Evaluation 開発 Development $3*41%.ʢσʔλੳϓϩηεʣ %": Ր %": ۚ %": Ր %": ۚ %": ۚ
"*ΞϓϦέʔγϣϯͷجຊઃܭ༷ %BUB4DJFODF#005$".1ୈظ
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF ڭࢣ͋ΓֶशϞσϧͷ߹ データセット 予測のもととなるデー タ モデル モデルが予測結果を
計算 教師データ 正しい結果 予測結果データ モデルが予測した結 果 データセット 予測のもととなるデー タ 性能評価 達成基準を満たして いるか モデル修正 達成基準を満たして いるか 最終モデル 完成 運⽤へ 機械学習 機械学習データセット 機械学習する対象
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF "*ΞϓϦέʔγϣϯ։ൃ 教師データ 正しい結果 データセット 予測のもととなるデータ 機械学習データセット
機械学習する対象 ⾝⻑(cm) 体重(kg) 性別 171.7 63.4 男性 154.2 50.1 ⼥性 ︙ ︙ ︙ 165.7 45.8 ⼥性 ⾝⻑(cm) 体重(kg) 171.7 63.4 154.2 50.1 ︙ ︙ 165.7 45.8 ⾝⻑(cm) 体重(kg) 性別 171.7 63.4 154.2 50.1 ︙ ︙ 165.7 45.8 ⾝⻑(cm) 体重(kg) 性別 171.7 63.4 男性 154.2 50.1 ⼥性 ︙ ︙ ︙ 165.7 45.8 ⼥性 学習⽤データセット 検証⽤データセット 結果を説明できる要素 説明変数 予測したい結果・⽬的 ⽬的変数
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF ڭࢣ͋ΓֶशϞσϧͷ߹ モデル モデルが予測結果を 計算 性能評価 達成基準を満たして
いるか モデル修正 達成基準を満たして いるか 最終モデル 完成 運⽤へ 機械学習 ⽬的変数 判断結果(答え) = 性別 説明変数 判断するために必要な要素 出⼒データ 答えが追加されたデータ ⼊⼒データ 答えがわからないデータ
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF "*ΞϓϦέʔγϣϯ։ൃ ڭࢣσʔλ ʢ: 9 9ʜʣ ༧ଌ
Ϟσϧ ༧ଌ݁Ռ ʢ:ʣ ೖྗ ग़ྗ
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF "*ΞϓϦέʔγϣϯ։ൃ ڭࢣσʔλ ʢ: 9 9ʜʣ ༧ଌ
Ϟσϧ ༧ଌ݁Ռ ʢ:ʣ ೖྗ ग़ྗ ༧ଌ Ϟσϧ ະͷσʔλ ೖྗ ༧ଌ݁Ռ ʢ:ʣ ग़ྗ
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF "*ΞϓϦέʔγϣϯ։ൃ ༧ଌ Ϟσϧ ະͷσʔλ ೖྗ ༧ଌ݁Ռ
ʢ:ʣ ग़ྗ ೖྗϑΥʔϜ ग़ྗ݁Ռදࣔ
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF "*ΞϓϦέʔγϣϯ։ൃ ༧ଌ Ϟσϧ ະͷσʔλ ೖྗ ༧ଌ݁Ռ
ʢ:ʣ ग़ྗ ೖྗϑΥʔϜ ग़ྗ݁Ռදࣔ ⼊⼒画⾯ HTML, CSS, JS 結果表⽰画⾯ HTML, CSS, JS
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF "*ΞϓϦέʔγϣϯ։ൃ ༧ଌ Ϟσϧ ະͷσʔλ ೖྗ ༧ଌ݁Ռ
ʢ:ʣ ग़ྗ ೖྗϑΥʔϜ ग़ྗ݁Ռදࣔ ⼊⼒画⾯ HTML, CSS, JS 結果表⽰画⾯ HTML, CSS, JS σʔλΛೖྗ͢Δը໘Λ࡞ ݁ՌΛग़ྗ͢Δը໘Λ࡞
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF "*ΞϓϦέʔγϣϯ։ൃ ༧ଌ Ϟσϧ ະͷσʔλ ೖྗ ༧ଌ݁Ռ
ʢ:ʣ ग़ྗ ೖྗϑΥʔϜ ग़ྗ݁Ռදࣔ モデル Python
50,:0-"#$0634&UI %&1-0:ϑΣʔζ %BUB4DJFODF "*ΞϓϦέʔγϣϯ։ൃ ༧ଌ Ϟσϧ ະͷσʔλ ೖྗ ༧ଌ݁Ռ
ʢ:ʣ ग़ྗ ೖྗϑΥʔϜ ग़ྗ݁Ռදࣔ モデル Python ϞσϧΛग़ྗ͠ɺ ΞϓϦέʔγϣϯʹΈࠐΉ
՝ %BUB4DJFODF#005$".1UI
%BUB4DJFODF#005$".1UI ՝ σʔλੳ͔ΒϞσϦϯά·ͰͷྲྀΕΛ෮श͢Δ • ,BHHMF͔ΒҙͷσʔληοτΛ༻͠ɺ σʔλੳʙϞσϦϯάΛߦ͏ʢ࣍ճಉ͡Α͏ʹൃදʣ • ݅ڭࢣ͋Γֶशʢճؼ PSྨϞσϧʣ
• ࣍ճͷͨΊͷ։ൃڥߏங • ࣍ϖʔδʹৄࡉ
%BUB4DJFODF#005$".1UI ՝ ڥߏஙʹ͍ͭͯ ։ൃݴޠ • 1ZUIPOҎ্ Ϟδϡʔϧ • TDJLJUMFBSO
• GMBTL • 8FSL[FVH • 85'PSNT ϩʔΧϧ1$ͷ։ൃڥʹ͍ͭͯ • %":Ҏ߱EPDLFSίϯςφΛͬͨԾڥʹɺੳڥΛߏ ங͠·͢ɻ ϨϕϧΞοϓ͍ͨ͠ํԾڥͷதʹɺγϯάϧΞϓ Ϧέʔγϣϯͷ։ൃڥΛߏஙͯ͠Έ·͠ΐ͏ɻ