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
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...
Search
Kenta Sasaki
April 17, 2019
Technology
1
1.3k
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
「全員プロダクトマネージャー」を実現する、Cursorによる仕様検討の自動運転
applism118
21
10k
「どこから読む?」コードとカルチャーに最速で馴染むための実践ガイド
zozotech
PRO
0
290
DevIO2025_継続的なサービス開発のための技術的意思決定のポイント / how-to-tech-decision-makaing-devio2025
nologyance
1
380
サラリーマンの小遣いで作るtoCサービス - Cloudflare Workersでスケールする開発戦略
shinaps
2
420
Generative AI Japan 第一回生成AI実践研究会「AI駆動開発の現在地──ブレイクスルーの鍵を握るのはデータ領域」
shisyu_gaku
0
150
5年目から始める Vue3 サイト改善 #frontendo
tacck
PRO
3
220
BPaaSにおける人と協働する前提のAIエージェント-AWS登壇資料
kentarofujii
0
130
下手な強制、ダメ!絶対! 「ガードレール」を「檻」にさせない"ガバナンス"の取り方とは?
tsukaman
2
430
AI開発ツールCreateがAnythingになったよ
tendasato
0
120
Evolución del razonamiento matemático de GPT-4.1 a GPT-5 - Data Aventura Summit 2025 & VSCode DevDays
lauchacarro
0
170
Webブラウザ向け動画配信プレイヤーの 大規模リプレイスから得た知見と学び
yud0uhu
0
230
2025年夏 コーディングエージェントを統べる者
nwiizo
0
140
Featured
See All Featured
Making Projects Easy
brettharned
117
6.4k
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
tammyeverts
8
520
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
33
2.4k
Unsuck your backbone
ammeep
671
58k
Rebuilding a faster, lazier Slack
samanthasiow
83
9.2k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
7
840
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
53
2.9k
Designing for Performance
lara
610
69k
Testing 201, or: Great Expectations
jmmastey
45
7.7k
Java REST API Framework Comparison - PWX 2021
mraible
33
8.8k
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
Why Our Code Smells
bkeepers
PRO
339
57k
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.