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
AIを選択する自由
Search
NAVITIME JAPAN
PRO
April 04, 2019
Technology
0
24
AIを選択する自由
2019/4/4に開催されたRepro様主催『Repro Tech #7 Practical AI Supported by NAVITIME』にて発表した資料です。
NAVITIME JAPAN
PRO
April 04, 2019
Tweet
Share
More Decks by NAVITIME JAPAN
See All by NAVITIME JAPAN
つよつよリーダーが 抜けたらどうする? 〜ナビタイムのAgile⽀援組織の変遷〜
navitimejapan
PRO
22
15k
実践ジオフェンス 効率的に開発するために
navitimejapan
PRO
3
450
安全で使いやすいCarPlayアプリの 魅せ方:HIGと実例から学ぶ
navitimejapan
PRO
1
170
見えないユーザの声はログに埋もれている! ~ログから具体的なユーザの体験を数値化した事例紹介~
navitimejapan
PRO
6
2.6k
ユーザーのためなら 『デザイン』 以外にも手を伸ばせる
navitimejapan
PRO
2
1.4k
フツーのIT女子が、 Engineering Managerになるまで
navitimejapan
PRO
3
270
不確実性に打ち勝つOKR戦略/How to manage uncertainty with OKR strategy
navitimejapan
PRO
4
3.4k
アジャイルを小さいままで 組織に広める 二周目 / Agile Transformation in NAVITIME JAPAN iteration 2
navitimejapan
PRO
4
1.3k
変更障害率0%よりも「継続的な学習と実験」を価値とする 〜障害を「起こってはならないもの」としていた組織がDirtの実施に至るまで〜 / DevOps Transformation in NAVITIME JAPAN
navitimejapan
PRO
7
5.4k
Other Decks in Technology
See All in Technology
OCI Success Journey OCIの何が評価されてる?疑問に答える事例セミナー(2025年2月実施)
oracle4engineer
PRO
2
220
RaspberryPi CM4(CM5も)面白いぞ!
nonnoise
0
120
OPENLOGI Company Profile for engineer
hr01
1
20k
Apache Iceberg Case Study in LY Corporation
lycorptech_jp
PRO
0
380
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
2.6k
ディスプレイ広告(Yahoo!広告・LINE広告)におけるバックエンド開発
lycorptech_jp
PRO
0
600
DeepSeekとは?何がいいの? - Databricksと学ぶDeepSeek! 〜これからのLLMに備えよ!〜
taka_aki
1
180
Охота на косуль у древних
ashapiro
0
130
Global Databaseで実現するマルチリージョン自動切替とBlue/Greenデプロイ
j2yano
0
170
サバイバルモード下でのエンジニアリングマネジメント
konifar
21
7.3k
プロダクト開発者目線での Entra ID 活用
sansantech
PRO
0
140
データベースの負荷を紐解く/untangle-the-database-load
emiki
2
550
Featured
See All Featured
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
49
2.3k
A Philosophy of Restraint
colly
203
16k
Why Our Code Smells
bkeepers
PRO
336
57k
Into the Great Unknown - MozCon
thekraken
35
1.6k
Writing Fast Ruby
sferik
628
61k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
29
1.1k
Build your cross-platform service in a week with App Engine
jlugia
229
18k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Agile that works and the tools we love
rasmusluckow
328
21k
Making the Leap to Tech Lead
cromwellryan
133
9.1k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
44
7.1k
Transcript
AIを選択する自由 2019 年 4 月 4 日
自己紹介 大川舞子 (おおかわ まいこ) • iOS開発 → インフラ運用 → 社内ツー
ル開発 • 最近は機械学習モデルの開発運 用、ワークフローの整備
所属プロジェクトの社内立ち位置 • R&D部門。「新しいことやってる人達」 • 社内で宙ぶらりんの案件も引き取る。 • 最近、社内でAI屋さんと認識され辛い。AIはなる べく作りたくない。(お世話が大変=手離れしないの で。。) •
AI以外の手段や、外部サービスの利用も検討
本題
Q. どうしてAIを使うのか?
A. AIの方が楽だから
と言える時だけ AIを選択しよう
AIのつらみ • 結果を保証できない • リリース後も改善で人が張り付く必要がある(こと が多い)
👂🐙
弊社のレコメンデーションの歴史 機械学習黎明期に0から機械 学習モデルを実装。 • → 改善しても精度が良くな らない。メンテ辛い • → 費用対効果が伴わない
ため一度機能をクローズ
あるある
じゃあなぜ今 AIでレコメンデーションを 作っているのか?
AIによるレコメンデーション • 外部サービスが提供されつつある • 学習データがシンプルで既存資産が利用できる
機は熟した
自分で機械学習モデルを作る 外部サービスを利用する 検討した方法
自分で機械学習モデルを作る
外部サービスを利用する Amazon Personalize (beta)
自分で機械学習モデルを作る 外部サービスを利用する 検討した方法
自分で機械学習モデルを作る OSSを利用する 外部サービスを利用する 検討した方法
OSSを利用する Microsoft / Product Recommendations Solution https://github.com/Microsoft/Product-Re commendations
Product Recommendations Solution • Microsoft の AI レコメンド サービス がOSS化
• eコマースレコメンドに最適 化したモデル/パラメータが 利用可 • REST API / テストツール/ Swaggerも同時提供
学習データについて • 協調フィルタリングは学習データがシンプル • 既存資産(アクセスログ)から生成可能なケースが 多い • → データを作るためにサービスに手を入れる必要 がない
NAVITIME Travel
NAVITIME Travel
構成図 オンプレ Azure アプリ Server API Management App Service Blob
Storage Azure function Treasure Data
構成図 オンプレ Azure アプリ Server API Management App Service Blob
Storage Azure function Treasure Data Access Log
モデル生成(日次) オンプレ Azure 4/4モデル 4/2モデル 4/3モデル アプリ Server API Management
App Service Blob Storage Azure function Treasure Data Access Log 学習データ 向き先変更 モデル 生成 データ抽出 & 配置
推論(ユーザリクエスト) オンプレ Azure 4/4モデル 4/2モデル 4/3モデル アプリ Server API Management
App Service Blob Storage Azure function Treasure Data
学習データサンプル 学習データ、必須は3カラムのみ。 アクセスログから抽出可能
実例 (ナビタイムトラベル スポットレコメンデーション) スポット詳細ページヘのア クセスのうち駅を除いたも の
構成図(予定) AWS Azure DynamoDB API Management App Service Blob Storage
Azure function EC2 fluentd API Gateway アプリ 疎結合のためレコメ ンデーションのバック エンドは変更する必 要がない
まとめ
費用対効果があると 判断した時だけ AIを選択することで 世界平和を実現しよう
ありがとうございました