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
Amazon Personalize
Search
NAVITIME JAPAN
PRO
June 11, 2019
Technology
0
13
Amazon Personalize
2019上期に開催された「AWS AI Services Seminar」にて発表した資料です。
NAVITIME JAPAN
PRO
June 11, 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
440
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
160
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
2.5k
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
手を動かしてレベルアップしよう!
maruto
0
200
AWSではじめる Web APIテスト実践ガイド / A practical guide to testing Web APIs on AWS
yokawasa
7
670
Visualize, Visualize, Visualize and rclone
tomoaki0705
9
82k
RemoveだらけのPHPUnit 12に備えよう
cocoeyes02
0
280
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
Amazon Q Developerの無料利用枠を使い倒してHello worldを表示させよう!
nrinetcom
PRO
2
110
IAMポリシーのAllow/Denyについて、改めて理解する
smt7174
2
200
短縮URLをお手軽に導入しよう
nakasho
0
150
遷移の高速化 ヤフートップの試行錯誤
narirou
6
1.1k
開発組織を進化させる!AWSで実践するチームトポロジー
iwamot
1
350
ExaDB-XSで利用されているExadata Exascaleについて
oracle4engineer
PRO
3
240
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
640
Featured
See All Featured
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
40
2k
Reflections from 52 weeks, 52 projects
jeffersonlam
348
20k
A Modern Web Designer's Workflow
chriscoyier
693
190k
Art, The Web, and Tiny UX
lynnandtonic
298
20k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
366
25k
GraphQLの誤解/rethinking-graphql
sonatard
68
10k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
356
29k
It's Worth the Effort
3n
184
28k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Become a Pro
speakerdeck
PRO
26
5.2k
Facilitating Awesome Meetings
lara
52
6.2k
Transcript
Amazon Personalize NAVITIME JAPAN Co., Ltd.
自己紹介 大川舞子 (おおかわ まいこ) • 最近は機械学習モデルの開発運用、 ワークフローの整備
主にBtoCで経路案内サービスを 展開しています NAVITIME
NAVITIME と AI 経路探索 渋滞予測 ガイダンス マップマッチ ルート パーソナライズ TTS
スポットサーチ 自然言語解析 STT レコメンデーション 画像認識 AR 翻訳
NAVITIME と AI 経路探索 渋滞予測 ガイダンス マップマッチ ルート パーソナライズ TTS
スポットサーチ 自然言語解析 STT レコメンデーション 画像認識 AR 翻訳 コア技術 専門性が高くSaaS利用 はむずかしい 周辺技術 外部AIサービスを自社に カスタマイズすることで精 度を出しているケースも ある
用途がマッチすれば 外部サービスも 採用しています🙆
None
None
None
• 現在のレコメンデー ションはOSSをベース にAIモデルを構築 • 現状の課題は改善サ イクル • Amazon Personalize
は評価・検討中
Amazon Personalize 試してみた結果
学習データ : アクセスログ レシピ : SIMS ハイパーパラメータ : 自動 ※学習データについて詳しくは後述
京都御所
京都御所 • 元離宮二条城 (京都) • 平安神宮 (京都) • 興福寺 (京都)
• 下鴨神社 (京都) • 光縁寺 (京都)
既存のモデル AWS Personalize • 元離宮二条城 (京都) • 平安神宮 (京都) •
興福寺 (京都) • 下鴨神社 (京都) • 光縁寺 (京都) • 元離宮二条城 (京都) • 平安神宮 (京都) • 蓮華王院(三十三間堂) (京都) • 龍安寺 (京都) • 八坂神社 (京都)
万博記念公園 (大阪)
万博記念公園 (大阪) • 国立民族学博物館 (大阪) • 大阪城天守閣 (大阪) • 日産レンタカー
梅田マルビ ル店 (大阪) • ユニバーサル・スタジオ・ ジャパン (大阪) • 新梅田食道街 (大阪)
既存のモデル AWS Personalize • 国立民族学博物館 (大阪) • 大阪城天守閣 (大阪) •
日産レンタカー 梅田マルビ ル店 (大阪) • ユニバーサル・スタジオ・ ジャパン (大阪) • 新梅田食道街 (大阪) • 太陽の塔 (大阪) • 国立民族学博物館 (大阪) • NIFREL(ニフレル) (大阪の水族 館) • アメリカ村 (大阪) • 和歌山城 (和歌山)
スターバックスコーヒー 渋谷マークシティ店
スターバックスコーヒー 渋谷マークシティ店 • 靖国神社 (千代田区) • 東京ディズニーランド (千葉) • ラフォーレ原宿
(渋谷) • SHIBUYA109 (渋谷) • 東京 ディズニーシー (千葉)
既存のモデル AWS Personalize • 靖国神社 (千代田区) • 東京ディズニーランド (千葉) •
ラフォーレ原宿 (渋谷) • SHIBUYA109 (渋谷) • 東京 ディズニーシー (千葉) 関連スポットなし チェーン店が苦手な点はどちらも同じ
チューニングが必要なOSSと比較しても 得手不得手はあるが概ね問題なし👌
良かった点
1.学習データがシンプル
必要な学習データ
必要な学習データ USER_ID, ITEM_ID, TIMESTAMP の3カラムのみ • 誰が、どのスポットを、何時に見たか CSV
以上
• アクセスログから抽出したたった3カラムのCSV ファイル1枚でこの精度が出る • ユーザの操作ログを集めるためにサービスに手 を入れる必要がない
• アクセスログから、ス ポットページ(左)への アクセスログのみ抽 出し、不要な情報を 落としたもの • ユーザIDはUUIDを 使用 •
578,553レコード
None
なくてもOK
None
なくてもOK ユーザ情報 (名前・年齢・場所等) アイテム情報 (スポット名・カテゴリ・緯度経度等) なくてもOK ユーザの行動履歴
• AIサービスは「とりあえず作ってみないと使い 物になるかわからない」 • 「ミニマムスタートできるか」が想像よりもずっと 大事
必要な学習データ USER_ID, ITEM_ID, TIMESTAMP の3カラムのみ • 緯度経度やカテゴリすら必要ない (同一ユーザが同じ時間帯に 見ているスポット=近場のスポットが多い)
2.Webツールで操作できる
GUIでポチポチ モデル作成&デプロイ
結果も簡単に 確認できる
• 作業手順が分かりやすい • 作成者以外にも結果を確認してもらいやすい
3.APIエンドポイントが 作成される
• デプロイ作業不要 (キャンペーンの作成=デプロ イ)
4.モデルを作成し直すと 精度が向上する 可能性がある
• データは同じでも、日々精度が上がっている(体 感) • 各レシピの内部アルゴリズムはAWS側で日々改 善される可能性がある
Personalizeの 現状の課題
1.Personalizeに送ったリアルタイムイベ ントを現状エクスポート出来ない
• ログ資産を再利用するには、下記方法でリアル タイムイベントを Amazon Personalize へ送るの が良さそう ◦ Amazon Personalize
と 保管用自社サーバ 両方に送る ◦ 保管用自社サーバ に送りそこから Amazon Personalize へ転送
2.Amazon Personalize だけでは 実際のユースケースを カバーしきれない点もある
• Amazon Personalize だけでは結果の絞り込み 条件は指定できない • アイテム情報に『カテゴリ』や『平均予算』を持っ ていても、「オススメのカフェ教えて」「予算3000 円以下の関連スポット」は出せない オススメの
「カフェ」教えて ◦◦神社 ◦◦水族館 ◦◦カフェ…
◦◦神社 ◦◦水族館 ◦◦カフェ… オススメの 「カフェ」教えて
◦◦神社 ◦◦水族館 ◦◦カフェ… オススメの 「カフェ」教えて フィルタリング等 ◦◦カフェです
細かい点で気になる所は あるが問題なし👌
まとめ
• 「とりあえず試してみる」のハードルはかなり低い。 サービスインできるレベルのレコメンデーション APIが簡単につくれる。 • 今後のアップデートも期待大!
「とりあえず試してみる」 がおすすめです