Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
グロービスでの自然言語処理、機械学習の活用事例 / An example of natural language processing and machine learning in Globis
Kenta Sasaki
April 17, 2019
Technology
1
870
グロービスでの自然言語処理、機械学習の活用事例 / An example of natural language processing and machine learning in Globis
Kenta Sasaki
April 17, 2019
Tweet
Share
Other Decks in Technology
See All in Technology
OPENLOGI Company Profile
hr01
0
550
RDRA + JavaによるレジャーSaaSプロダクトの要件定義と実装のシームレスな接続
jjebejj
PRO
3
740
oakのミドルウェアを書くときの技のらしきもの
toranoana
0
130
220628 「Google AppSheet」タスク管理アプリをライブ作成 吉積情報伊藤さん
comucal
PRO
0
240
データエンジニアと作るデータ文化
yuki_saito
4
1.7k
Power AutomateでのAdaptive Cards
miyakemito
1
600
DeepL の用語集が(いつのまにか)日本語に対応してたので試してみた
irokawah0
0
170
Modern Android dependency injection
hugovisser
1
130
OpsJAWS Meetup21 システム運用アンチパターンのすすめ
yoshiiryo1
0
1.5k
Oracle Cloud Infrastructure:2022年6月度サービス・アップデート
oracle4engineer
PRO
0
150
20220622_FinJAWS_あのときにAWSがあったらこうできた
taketakekaho
0
110
サイボウズの アジャイル・クオリティ / Agile Quality at Cybozu
cybozuinsideout
PRO
4
2.4k
Featured
See All Featured
10 Git Anti Patterns You Should be Aware of
lemiorhan
638
52k
WebSockets: Embracing the real-time Web
robhawkes
57
5.2k
Principles of Awesome APIs and How to Build Them.
keavy
113
15k
Stop Working from a Prison Cell
hatefulcrawdad
261
17k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
29
4.3k
Creatively Recalculating Your Daily Design Routine
revolveconf
207
10k
A designer walks into a library…
pauljervisheath
196
16k
Atom: Resistance is Futile
akmur
255
20k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
37
3.3k
Code Reviewing Like a Champion
maltzj
506
37k
The Invisible Side of Design
smashingmag
290
48k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
655
120k
Transcript
© GLOBIS All rights reserved. グロービスでの⾃然⾔語処理、 機械学習の活⽤事例 佐々⽊ 健太 2019/04/17
⾃⼰紹介 1. 東芝 2. リクルート 3. クックパッド 4. グロービス(グロービスAI経営教育研究所) Ø
データ分析、機械学習を使ったサービス開発 Ø 良い教育とは︖教育効果とは︖などに関する研究 -2- © GLOBIS All rights reserved.
次世代のe-learningシステムの開発 • 記述式問題において、回答によってフィードバックが換わる -3- © GLOBIS All rights reserved. 従来のe-learning
次世代のe-learning Aさんの回答 Bさんの回答 Cさんの回答 全員に同じフィードバック(FB) Aさんの回答 Bさんの回答 Cさんの回答 Aさん向け FB Bさん向け FB Cさん向け FB
次世代のe-learningシステムの開発 • 記述式問題において、回答によってフィードバックが換わる -4- © GLOBIS All rights reserved. 従来のe-learning
次世代のe-learning Aさんの回答 Bさんの回答 Cさんの回答 全員に同じフィードバック(FB) Aさんの回答 Bさんの回答 Cさんの回答 Aさん向け FB Bさん向け FB Cさん向け FB 機械学習(教師あり)を使い 回答を採点。採点といっても、 正解と不正解に分類するだけ。 学習者への適切なフィードバックは、学習効果を⾼めることが既存 研究で確認されている。
機械学習(教師あり)のアルゴリズム • アテンション付きLSTMを利⽤ • 単語の分散表現(ベクトル)をネットワークの⼊⼒とする -5- © GLOBIS All rights
reserved. 回答 分散表現 LSTM 若者 や 家族 い た 。 … … … Attention 正誤判定
採点結果サンプル -6- © GLOBIS All rights reserved. 問題例 格安航空会社がターゲットにしているのはどんな⼈達で、 普段はどんな交通⼿段を利⽤していたかを考えてください。
(50⽂字以内で記述してください。)
採点結果サンプル -7- © GLOBIS All rights reserved. 問題例 格安航空会社がターゲットにしているのはどんな⼈達で、 普段はどんな交通⼿段を利⽤していたかを考えてください。
(50⽂字以内で記述してください。) 回答に、 ・なるべく安く旅⾏したい⼈達 ・旅費を抑えたい⼈達 ・何でも低価格を好む⼈達 などの「値段」「価格」に関する要素が⼊っていれば正解。
採点結果サンプル • 正誤だけでなく、正誤の判定に影響したキーワードも分かる -8- © GLOBIS All rights reserved.
機械学習を導⼊するにあたって困難だった点 • 質の⾼い教師データの確保 • 採点者によって採点結果が異なる • 採点者に教師データの重要性を理解してもらう -9- © GLOBIS
All rights reserved.
機械学習を導⼊するにあたって困難だった点 • 質の⾼い教師データの確保 • 採点者によって採点結果が異なる • 採点者に教師データの重要性を理解してもらう -10- © GLOBIS
All rights reserved. ⼈によって採点結果が変わる回答例 1. 価格に敏感な⼈達 2. スーパーで1円でも安く買おうとする主婦 3. 仕事の出張では値段を気にしないのに、個⼈で旅⾏する 時は少しでも安く済ませようとする⼈達
機械学習を導⼊するにあたって困難だった点 • 質の⾼い教師データの確保 • 採点者によって採点結果が異なる • 採点者に教師データの重要性を理解してもらう -11- © GLOBIS
All rights reserved. Slackで重要性を説く、 Kibelaに機械学習の誤 採点の例を載せるなど、 地道な啓蒙活動あるのみ。
サービス化 • グロービス学び放題の⼀部ユーザにテスト公開中 -12- © GLOBIS All rights reserved.
最後に • We are hiring!! -13- © GLOBIS All rights
reserved.