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
8
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
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
1
630
フツーのIT女子が、 Engineering Managerになるまで
navitimejapan
PRO
3
63
不確実性に打ち勝つOKR戦略/How to manage uncertainty with OKR strategy
navitimejapan
PRO
4
2.8k
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
1.1k
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
6
4.5k
こうしてふりかえりは終わってしまった / A Demise of a retrospective
navitimejapan
PRO
42
25k
もーひとつの時間がない症候群 / Yet Another SOT Syndrome
navitimejapan
PRO
1
2k
シーズン2〜スクラムチームのバトンを渡す〜 / Season 2 -pass the button of a scrum team-
navitimejapan
PRO
2
2.7k
チームのパフォーマンスを引き出す、ワクワクするプロダクトゴール、OKR / Waku-waku Product Goal and OKR
navitimejapan
PRO
16
17k
Other Decks in Technology
See All in Technology
PG-Stromの性能評価レポート~ Star Schema Benchmark を例に~ / pgstrom_ssb_report_2024
sakaik
0
100
2023 Japan AWS Jr.Championsに選出されての振り返りとこれから
hiropy877
1
130
家族アルバム みてねで直面してきた技術的負債 / MIXI KAG 2024
isaoshimizu
17
7.7k
10分でわかるfreeeのQA
freee
0
210
OpenTelemetry実践 はじめの一歩
taxin
0
300
学生としてRSGT2024に参加して得られた学び / Lessons learned from participating in RSGT2024 as a student
fujiemon
0
110
LLM + RAG を使った SORACOM Support Bot の裏側の歴史
soracom
PRO
1
630
複数の LLM モデルを扱う上で直面した辛みまとめ
kazuyaseki
1
210
AWS アーキテクチャクイズ
yuu26
2
700
検証からプロダクトへ: シームレスなLLM開発の ためのしくみ作り
nunukim
1
100
Skaffoldを用いたGKEアプリケーションの CD(Continuous Development)
kojake_300
1
230
暗黙知を集積するプラットフォーム : 「健常者エミュレータ事例集」の取り組み
sora32127
1
160
Featured
See All Featured
StorybookのUI Testing Handbookを読んだ
zakiyama
10
4.5k
Intergalactic Javascript Robots from Outer Space
tanoku
266
26k
The Straight Up "How To Draw Better" Workshop
denniskardys
227
130k
How STYLIGHT went responsive
nonsquared
92
4.7k
Rails Girls Zürich Keynote
gr2m
91
13k
Principles of Awesome APIs and How to Build Them.
keavy
119
16k
Faster Mobile Websites
deanohume
296
30k
GraphQLとの向き合い方2022年版
quramy
28
12k
Agile that works and the tools we love
rasmusluckow
323
20k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
8
8.2k
Typedesign – Prime Four
hannesfritz
36
2k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
226
16k
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