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
守りたいデータがある メルペイ クレジットスコアのこれからの話など / merpay-3
Search
M3 Engineering
September 05, 2018
Technology
0
3.6k
守りたいデータがある メルペイ クレジットスコアのこれからの話など / merpay-3
2018/9/5 に開催された「merpay×M3 機械学習 NIGHT」の発表資料です。
https://mercari.connpass.com/event/97213/
#merpay_ml
M3 Engineering
September 05, 2018
Tweet
Share
More Decks by M3 Engineering
See All by M3 Engineering
エムスリー全チーム紹介資料 / Introduction of M3 All Teams
m3_engineering
4
48k
エムスリーマネジメントチーム紹介資料 / Introduction of M3 Management Team
m3_engineering
0
3.9k
エムスリーエビデンス創出プロダクトチーム紹介資料 / Introduction of M3 Create Evidence Team
m3_engineering
1
6.7k
ギークの理想が7つ集まるエムスリーで夢を叶えよう - エムスリー株式会社
m3_engineering
1
14k
エムスリー基盤チーム紹介資料 / Introduction of M3 Platform Team
m3_engineering
3
14k
エムスリーMR君ファミリー開発チーム紹介資料 / Introduction of M3 MRkun Family Dev Team
m3_engineering
2
14k
エムスリーマルチデバイスチーム紹介資料 / Introduction of M3 Multi Device Team
m3_engineering
4
14k
エムスリーQAチーム紹介資料 / Introduction of M3 QA Team
m3_engineering
2
16k
エムスリー SREチーム紹介資料 / Introduction of M3 SRE Team
m3_engineering
1
14k
Other Decks in Technology
See All in Technology
Oracle Database Technology Night #87-1 : Exadata Database Service on Exascale Infrastructure(ExaDB-XS)サービス詳細
oracle4engineer
PRO
1
180
分解して理解する Aspire
nenonaninu
2
1.1k
【内製開発Summit 2025】イオンスマートテクノロジーの内製化組織の作り方/In-house-development-summit-AST
aeonpeople
2
670
データエンジニアリング領域におけるDuckDBのユースケース
chanyou0311
9
2.2k
ESXi で仮想化した ARM 環境で LLM を動作させてみるぞ
unnowataru
0
180
OPENLOGI Company Profile for engineer
hr01
1
20k
30→150人のエンジニア組織拡大に伴うアジャイル文化を醸成する役割と取り組みの変化
nagata03
0
180
IoTシステム開発の複雑さを低減するための統合的アーキテクチャ
kentaro
1
120
脳波を用いた嗜好マッチングシステム
hokkey621
0
290
手を動かしてレベルアップしよう!
maruto
0
220
AIエージェント時代のエンジニアになろう #jawsug #jawsdays2025 / 20250301 Agentic AI Engineering
yoshidashingo
8
3.7k
OSS構成管理ツールCMDBuildを使ったAWSリソース管理の自動化
satorufunai
0
650
Featured
See All Featured
Large-scale JavaScript Application Architecture
addyosmani
511
110k
Measuring & Analyzing Core Web Vitals
bluesmoon
6
260
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.1k
Documentation Writing (for coders)
carmenintech
67
4.6k
Producing Creativity
orderedlist
PRO
344
40k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
3.7k
Product Roadmaps are Hard
iamctodd
PRO
50
11k
How STYLIGHT went responsive
nonsquared
98
5.4k
Optimizing for Happiness
mojombo
376
70k
The Language of Interfaces
destraynor
156
24k
4 Signs Your Business is Dying
shpigford
182
22k
Statistics for Hackers
jakevdp
797
220k
Transcript
守りたいデータがある メルペイ クレジットスコア これから 話 2018/09/05 merpay×M3 機械学習 NIGHT
自己紹介 @Hmj_kd メルペイ Machine Learning Engineer 北海道釧路市出身 釧路高専 情報工学科卒業後,東京 大学へ編集入学.
理学部物理学科 Black Hole 境界上 微分幾何や Inflation 宇宙論あたりを勉強し いました. そ 後,諸般 事情 ,プログラマ,データ分析屋,機械学習 エンジニア等を経 ,現在 至る. 現在 仕事 ,飲み会幹事以外 Project内 タスク全 .
以前,こういった話をし おりました
今日 こん こ を話します ➔ クレジットスコアリングモデル 一般論(再掲) ➔ メルカリ ういったデータを分析
利用 きるか ? ➔ メルペイ クレジットスコア これから つい
クレジットスコアリングモデル 一般論
クレジットスコアリングモデル 一般論 • そもそもクレジット(= 信用) ? 問題設定が難しい • 純粋 classificationだけ
く,与信付与等 意思決定や損失額等 シ ミュレーションもある • Imbalanced Data • 個人情報や機微情報等 高い情報管理
そもそもクレジット(= 信用) ? 一般的 , ”企業 融資”,”後払い サービス” 債務不履行リスク 評価,等
“貸し出 しリスク” をクレジット 扱っ いる. 一方,中国 “Zhima信用” ,シェアバイク 利用状況や,ソーシャルネット ワーク つ がり, 必ずしもお金だけ 紐付いた信用だけ い.
Imbalanced や シミュレーション等 問題性質 • 後払い 着目する ,顧客側 支払い義務が守られず ,支払いが滞る率
が高すぎる そもそも後払い いうサービス運営が き い ◦ → 一般的 未払い者数 << 支払い者数 あり,Imbalanced る • (下図:例,スコア 融資限度額 関係図) ◦ 貸し出し リスク 分類問題だけ く,貸す場合 ▪ くらい 限度額を設定するか ? ▪ それ より債務不履行 る確率的 期待値 ?
個人情報や機微情報等 高い情報管理 こちら 後述いたします.
メルカリ ういったデータを分析 利用 きるか ?
メルカリ データ • 出品データ ◦ 商品画像 ◦ 商品名 ◦ 商品説明
◦ 商品状態 ◦ 商品価格 ◦ カテゴリ ◦ ブランド ◦ サイズ ◦ 配送方法 • サポートコミュニティ ◦ Q&Aデータ • お客さま 行動データ ◦ 商品検索 ◦ 商品タップ ◦ 商品へ 「いい 」 ◦ 商品へ コメント ◦ 価格交渉 ◦ 商品購入 ◦ 商品出品 ◦ 取引メッセージ ◦ 問い合わせ ◦ 商品通報 • ライブフリマ ◦ 動画データ 画像 / 動画 / テキスト / 行動ログ ,多岐 わたる大量 データ
これから
検討したい 思っ いるこ 1. データ解析 プライバシー保護技術を取り入れる a. 悪意をもっ 情報を抜き取 ろう
する人(攻撃者)から,大切 情報をまもる b. モデリング中 人為的 ミスを防ぐため も 2. スコア 特徴量 設計次第 ,(スコアが表示された世界 )利用される方た ち 行動が変わる可能性がある a. (状態, 行動, 報酬)等を考慮 きそう ,強化学習 が想像しやすい b. そもそも 議論もし いく必要 ある
プライバシー保護技術 ... - プライバシー - 個人情報,要配慮情報, ... - プライバシ保護技術 -
データ解析 おけるプライバシー 保護 - よう 定義される か - よう すれ 保護しつつデータ解析が きるか - いった問題を統計学,データ工学,暗号理論 観点
事例や用語 紹介 • Netflix 事例 ◦ Kaggle コンペティション 公開されたデータ(映画 レイティング)
,個人 特定を防ぐ処理 が施され いた. ◦ 一方 ,特定 背景情報をもつ ら 一意 特定 きる条件が統計的 導かれ,個人 特定 が高い確率 可能 ある 主張された. • k-匿名性 ◦ 例) 30代, 男性, 港区 企業 勤め いる , 関東在住, ...
安全性を定量的 議論したい Q. 秘密 入力 x つい f 出力 y
= f(x) を公開した します. 攻撃者が y を得た き ,x が 程度推測されるか , よう 評価すれ よいか ? 引用 : データ解析 おけるプライバシー保護
さいご
チームメンバーを募集し おります ➔ [merpay]ソフトウェアエンジニア(Machine Learning) ➔ [merpay]エンジニアリングマネージャー(Machine Learning) もしご興味ありましたら @Hmj_kd
ま ご連絡ください. 引用 : https://medium.com/moonshot/ataengineers-vs-data-scientist-13fce30812a7
ご清聴ありが うございます !!