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 language processing and machine learning in Globis
Search
Kenta Sasaki
April 17, 2019
Technology
1
1.1k
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
開発生産性向上サービスを作るFindyが自分たちで開発生産性を爆上げした組織づくりの歩み / Findy's path to boosting its own development productivity 2024-04-17
ma3tk
3
620
元インフラエンジニアに成る / Human Resources to Human Relations
bobtani
4
900
20240416_devopsdaystokyo
kzkmaeda
1
220
長期間TiDBを使ってきた話 @ 私たちはなぜNewSQLを使うのかTiDB選定5社が語る選定理由と活用LT / Experiences with TiDB Over Time
chibiegg
2
870
推しは推せるときに推せ! プロダクトにフィードバックしていこう
nakasho
0
290
Postman v10リリース後を振り返る / Looking back at Postman v10 after release
yokawasa
1
160
20240418_Google ColabにLLMが搭載されたようなのでPython x データ分析の勉強方法を考えてみる
doradora09
0
120
APIファーストなプロダクトマネジメントの実践 〜SaaSus Platformでの例〜 / "Practicing API-First Product Management - An Example with SaaSus Platform
oztick139
0
100
ServiceNow Knowledge 24の歩き方 EYストラテジー・アンド・コンサルティング
manarobot
0
190
ここが嬉しいABAC ここが辛いよABAC #再解説+補足編
masahirokawahara
1
270
ExaDB-D dbaascli で出来ること
oracle4engineer
PRO
0
2k
Azure犬駆動開発の記録/GlobalAzureFukuoka2024_20240420
nina01
1
200
Featured
See All Featured
Docker and Python
trallard
34
2.7k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
6
1.5k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
244
20k
Producing Creativity
orderedlist
PRO
337
39k
VelocityConf: Rendering Performance Case Studies
addyosmani
320
23k
10 Git Anti Patterns You Should be Aware of
lemiorhan
648
58k
Embracing the Ebb and Flow
colly
80
4.1k
Build your cross-platform service in a week with App Engine
jlugia
225
17k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
241
1.2M
Web development in the modern age
philhawksworth
202
10k
Typedesign – Prime Four
hannesfritz
36
2.1k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
226
51k
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.