ディープラーニングを推さない ハカルス􏱮やり方

•ハカルスがディープラーニングを推さない理由
• スパースモデリング􏱮紹介
• データサイエンティストとソフトウェア開発者􏱮引き 継ぎ

Transcript

1. ディープラーニングを推さない ハカルスのやり方 2018-09-14 CTO Night KANSAI @ ヤフー株式会社 大阪 GFO
2. 木虎 直樹 (きとら なおき) •株式会社ハカルス CDO •2011年頃から機械学習やデータ分析に関わる •バックグラウンド • ソフトウェアエンジニア • インフラエンジニア
3. ハカルスとは • ライフサイエンス・産業分野 x AI • スパースモデリングを軸としたデータ解 析 • アドバイザー • 東北大学・大関真之准教授 • 滋賀大学・河本薫教授
4. 今日お話したいこと •ハカルスがディープラーニングを推さない理由 •スパースモデリングの紹介 •データサイエンティストとソフトウェア開発者の引き 継ぎ
5. ディープラーニングの問題 •学習に大量のラベル付きデータが必要 • 自動運転では数百万枚の画像や数千時間の動画 •大量の計算機資源が必要 • ハードウェアコストが高い • エネルギー消費量が多い •ブラックボックス • なぜその結果が得られるのかわからない ディープラーニングの問題ではないけれど…… •コストパフォーマンス • その 1パーセントポイントの改善に意味があるか
6. スパースモデリング 物事のスパース性に着目してデータ構造などをモデ ル化する手法 単一のアルゴリズムではない スパース性: 物事を本質的に特徴づける要素は僅かであるという性質 x 1 + 2x 2 = 4 スパース性を仮定すれば解ける
7. スパースモデリングの応用例 •画像復元 •ノイズ除去 •移動体検知 •特徴量選択 •etc.
8. ハカルスでの事例 ドローン空撮画像による建物壁面の補修箇所の検知 （株式会社アイ・ロボティクス）
9. ハカルスでの事例
10. データサイエンティストからソフトウェ ア開発者への引き継ぎで起こる問 題
11. チーム構成 •データサイエンティスト • 京都 • 仙台 •ソフトウェア開発者 • フィリピン
12. ツール •Daily meeting, Sprint planning meeting • Google Hangouts (Meet) • Zoom •その他のコミュニケーション • Slack • Backlog •開発 • Python • Git • Docker • Jupyter Notebook の実行環境
13. 前提 最初にあったのは Jupyter Notebook とそれらから使 われるコード データサイエンティストはソフトウェア開発のプロ フェッショナルではない trial error 成果物
14. 実装したアルゴリズムをどんな形で引き継ぐか •最初 • コードをコピペ •あるべき • パッケージ化 + Internal PyPI • Git submodule
15. モジュールやクラス、メソッドが第三者の利用を考え られていない •ソフトウェア開発者との共同作業でリファクタリング •パッケージ化することでデータサイエンティストの 意識に変化も
16. パフォーマンスが考慮されていない •実機での動作を確認しやすい仕組みを作る •%prun 使ってプロファイリング
17. ユニットテストがない •ユニットテストを書く •テストを意識した設計に •パフォーマンスを意識するために実行時間を出力 するようにしておくのもあり
18. クラスやメソッドの使い方がわからない •pydoc •Jupyter Notebook で使い方を例示
19. 今日お話したこと •ハカルスがディープラーニングを推さない理由 •スパースモデリングの紹介 •データサイエンティストとソフトウェア開発者の引き 継ぎ