スタートアップのための機械学習入門 / Product-ML Fit

これから機械学習をプロダクトの中に取り入れるスタートアップの方向けに、機械学習を効果的にプロダクト価値に結びつける考え方 "Product / Machine Learning Fit" について紹介したいと思います。例えば「多くの商品をもつ EC サイトを運営していて、お客さんに素早く商品を届けることができる」サービスの場合、レコメンドや時系列予測によってプロダクト価値を高めることができます。そのために簡単に使える AWS のサービスについても紹介します。

Transcript

1. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved. スタートアップのための機械学習入門 Product/ML Fit Yoshitaka Haribara T e c h 0 4 Startup Solutions Architect Amazon Web Services Japan
2. このセッションの⽬的 これから、 プロダクトの中に機械学習を効果的に取り⼊れるためには 何から考えればいいかについて話します。 © 2019, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Workshop Product/ML-fit Workshop https://speakerdeck.com/hariby/ml-fit-workshop
3. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
4. あなたのビジネスは何ですか︖ 例: Amazon.com を⼀⾔でいうと 「インターネットの店舗に無限の商品棚を⽤意すれば、 お客さんごとにパーソナライズした⼩売店が作れる」(意訳) 「ジェフ・ベゾス 果てなき野望」(ASIN: B00H3WR470)
5. あなたのビジネスは何ですか︖ 例: Amazon.com を⼀⾔でいうと 「インターネットの店舗に無限の商品棚を⽤意すれば、 お客さんごとにパーソナライズした⼩売店が作れる」(意訳) 「ジェフ・ベゾス 果てなき野望」(ASIN: B00H3WR470)
6. あなたのビジネスは何ですか︖ 例: Amazon.com を⼀⾔でいうと 「インターネットの店舗に無限の商品棚を⽤意すれば、 お客さんごとにパーソナライズした⼩売店が作れる」(意訳) レコメンド 時系列予測
7. 伝えたいこと 何が効果的か、どこに機械学習を適⽤すれば良いかを知るには プロダクトの本質的な価値、ユーザーに提供する価値を考える必要がある。 ⼀⽅で、重要な課題が何でも機械学習で解けるわけではない。 簡単に解けるタスクを知っておくことも必要。 プロダクトと機械学習の擦り合わせ Product/ML Fit
8. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
9. dely株式会社の例 レシピ動画サービス Kurashiru でユーザーのライフスタイルに寄り添ったレシピを提案 そのためには 1. データ (顧客・商品の属性) 取得 2. フィードバックループの設計 3. アルゴリズム責任者に⼤きな権限を持たせる 4. 機械でやることに固執せず、適切に⼈の⼿を挟む 「Upgrade UX with Data」 dely株式会社 ⼤⽵ 雅登 ⽒・辻 隆太郎 ⽒ (Startup Day 2019)
10. ビジネス指標と機械学習 実際にプロダクトの価値を⾼めるために、 ビジネス指標を適切に設計することも重要 参考資料 • 「Gunosyにおけるパーソナライズシステム」 株式会社Gunosy ⼩澤 俊介 ⽒ (ML@Loft #3) • 「レコメンデーションのターゲットメトリックス」 ウォンテッドリー株式会社 久保⻑ 礼 ⽒ (ML@Loft #3) • 「C向けサービスの1セッションのモデル化と適⽤の⽅法」 ルームクリップ株式会社 平⼭ 知宏 ⽒ (ML@Loft #7)
11. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
12. 典型的な課題と簡単に使えるサービスの例 やりたいこと タスク AWS サービス オススメ商品を選び ユーザーに最適な商品を提⽰する レコメンド Amazon Personalize 在庫計画・売上予測など 時間軸に沿った数値・分量を予測する 時系列予測 Amazon Forecast サブスクを解約するユーザーを予測 分類 Amazon SageMaker Autopilot
13. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
14. エンゲージメント (最⼤15%の向上) 商品の発掘 (テール商品のクリックが 最⼤80%向上) 売上 (最⼤5%の向上) コンバージョン (最⼤30%の向上) パーソナライゼーションのビジネス貢献
15. リアルタイム どんな商品・ コンテキストでも使える K E Y F E AT U R E S ユーザーの意図の 変化に対応 AutoML Amazon SageMaker から 既存アルゴリズムの持ち込み 質の⾼い推薦 深層学習 アルゴリズム 簡単に使える Amazon Personalize 機械学習によるパーソナライズと推薦でユーザー体験の向上
16. アイテム素性 (Articles, products, videos, etc.) ユーザー素性 (Age, location, etc.) Amazon Personalize カスタマイズされた recommendation API ユーザー行動 (Views, signups, conversion, etc.) Amazon Personalize 機械学習によるパーソナライズと推薦
17. User-Item interaction data 0 1 2 3 4 0 1 0 0 1 1 1 0 1 1 0 0 2 0 1 0 1 0 3 1 0 1 0 0 USER_ID ITEM_ID USER_ID ITEM_ID TIMESTAMP 0 0 1112486027 0 3 1112486270 0 4 1112484676 1 1 1112484766 1 2 1112484819 2 1 1112484198 2 3 1112484727 3 0 1112484277 3 2 1112484580 CSV ファイル (Amazon S3 に置く)
18. レシピの種類と API のリクエストパラメータ • USER_PERSONALIZATION • GetRecommendations API • userId: Required • itemId: Optional • PERSONALIZED_RANKING • GetPersonalizedRanking API • userId: Required • inputList: list of itemId's • RELATED_ITEMS • GetRecommendations API • itemId: Required アプリ側からは AWS SDK (Amazon Personalize Runtime) で呼び出す
19. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
20. 商品需要 実際の需要 vs 予測需要 (億円) 実際の需要 予測需要 多く⾒積もると 在庫が余る 低く⾒積もると 販売機会を逃す 時系列予測 未来を予測する科学的⼿法
21. フルマネージド サービス ⾼精度 簡単に使える お客様のデータに カスタマイズ データパイプライン・ トレーニング・予測を ⾃動設定 従来⼿法に⽐べ 50%の精度向上 深層学習の 経験は不要 Amazon Key Management Service (KMS) の カスタマーキーで暗号化 Amazon Forecast 正確な予測のための⾃動化された機械学習サービス
22. プライベートな 予測 API Amazon Forecast 使⽤開始はコンソールまたは API S3 に保存したデータを Amazon Forecast から指定 カスタム ML モデルを⾃動でトレーニング AutoML で Amazon Forecast が ベストなアルゴリズムを⾃動選択 正確な予測を⽣成 コンソール or プライベート API を使⽤して予測を取得 履歴データ 関連データ 売上, 電話問い合わせ件数, 在庫, リソース需要 価格, プロモーション, 気象データ, カスタムイベント アイテムメタデータ 色, 都市, 国, カテゴリー, 著者, アルバム名 組み込みデータセット (休日, 週末) Amazon Forecast 世界最⼤の E コマースビジネスを⽀える技術
23. Amazon Personalize/Forecast 事例 AWS Startup ブログ 「機械学習の知⾒がなくても、レコメンドや時系列予測を 簡単に実装できる」Amazon Forecast & Personalize 活⽤事例 ʮ"NB[PO
    1FSTPOBMJ[F
    ͱ ,"35&
    ͷ࿈ܞࣄྫʯ גࣜձࣾϓϨΠυ ςοΫϦʔυ ෺Ҫ ୡ໵ ࢯ ʮ"NB[PO
    'PSFDBTUʹΑΔ ΦϯϥΠϯֶशαʔϏεʹ͓͚Δԋशճ਺༧ଌʯ גࣜձࣾΞΠσϛʔ σʔλαΠΤϯεϚωʔδϟʔ ஛ݪ େஐ ࢯ ʮ"NB[PO
    1FSTPOBMJ[F
    ಋೖࣄྫʯ ϞϊΦΫגࣜձࣾ $50
    ޻౻ େ໻ ࢯ
24. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
25. Amazon SageMaker Autopilot • 分類 • チャーン分析で、誰がサブスクを解約するか予測したい テーブルデータに対する AutoML
26. Amazon SageMaker Autopilot • 分類 • チャーン分析で、誰がサブスクを解約するか予測したい テーブルデータに対する AutoML
27. Amazon SageMaker Autopilot テーブルデータに対する AutoML データ分析 特徴量 エンジニアリング モデル チューニング モデル完成
28. AWS の機械学習スタック 幅広く完全な機械学習のサービス群 コンピュータ ビジョン ⾳声 テキスト 検索 NEW チャットボット パーソナライズ 予測 不正検知 NEW 開発 NEW コンタクトセンターNEW Amazon SageMaker Ground Truth Augmented AI SageMaker Neo Built-in algorithms SageMaker Notebooks NEW SageMaker Experiments NEW Model tuning SageMaker Debugger NEW SageMaker Autopilot EW Model hosting SageMaker Model Monitor NEW Deep Learning AMIs & Containers GPUs & CPUs Elastic Inference Inferentia FPGA Amazon Rekognition Amazon Polly Amazon Transcribe +Medical Amazon Comprehend +Medical Amazon Translate Amazon Lex Amazon Personalize Amazon Forecast Amazon Fraud Detector Amazon CodeGuru AI サービス ML サービス 深層学習フレームワーク & インフラ Amazon Textract Amazon Kendra Contact Lens For Amazon Connect SageMaker Studio IDE NEW NEW
29. AWS の機械学習スタック 幅広く完全な機械学習のサービス群 • 今⽇紹介したもの • Amazon Personalize (レコメンド) • Amazon Forecast (時系列予測) • Amazon SageMaker Autopilot (表形式データの回帰・分類) コンピュータ ビジョン ⾳声 テキスト 検索 NEW チャットボット パーソナライズ 予測 不正検知 NEW 開発 NEW コンタクトセンターNEW Amazon SageMaker Ground Truth Augmented AI SageMaker Neo Built-in algorithms SageMaker Notebooks NEW SageMaker Experiments NEW Model tuning SageMaker Debugger NEW SageMaker Autopilot EW Model hosting SageMaker Model Monitor NEW Amazon Rekognition Amazon Polly Amazon Transcribe +Medical Amazon Comprehend +Medical Amazon Translate Amazon Lex Amazon Personalize Amazon Forecast Amazon Fraud Detector Amazon CodeGuru AI サービス ML サービス Amazon Textract Amazon Kendra Contact Lens For Amazon Connect SageMaker Studio IDE NEW NEW
30. © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved.
31. まとめ Product/ML Fit • プロダクトの価値を改めて考え、 ⼤事なところに機械学習を • 解けない課題を無理に解くのは⼤変なので、 既存サービスをうまく使う
32. Thank you! © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved. Yoshitaka Haribara @_hariby
33. お薦めセッション AWS Innovate • [K-2] 招待講演: 機械学習の「そと」と「なか」 ヨビノリたくみ ⽒ • [S-2] 機械学習の知識・プログラミング不要︕ 写真から異常部分を⾒つける外観検査の機械学習モデルを作ろう ⼤渕 ⿇莉