対談！Kaggle Grandmasterの仕事とは 世界に248人しかいないKaggle GrandmasterはDeNAで何をしているのか 大久保渉太　藤川和樹　島越直人　横尾修平 ※2022/2/21時点

視聴者からの質問を受け付けます 本セッションでは、Sli.doで質問を受け付けています セッション中、適宜質問を取り上げて回答いたします URL(youtube概要欄にも記載): https://app.sli.do/event/6JM8fpfZxeyuMkNXJDGe8B

本日の流れ 1.Kaggleの紹介 4.対談 2.登壇者紹介 3.プロジェクトの話

Kaggle 「Kaggle」とは、機械学習モデルの精度を競うコンペティションのプラットフォームです このKaggleに参加している人を「Kaggler」と呼びます DeNAには、Kaggle Grandmaster 4名など、世界トップクラスの Kaggler が数多く在籍しています 96487人 67407人 7549人 1721人 248人

社内Kaggle制度 DeNA では Kaggle 社内ランク制度が導入され 実績に応じ、業務時間中にKaggleに取り組むことが可能です

Kagglerの実績 Kaggle上での実績を抜粋しました ・2018 Home Credit Default Risk 2位 ・2019 Quora Insincere Questions Classification 4位 ・2019 Google Analytics Customer Revenue Prediction 4位 ・2019 Santander Customer Transaction Prediction 2位 ・2019 RSNA Intracranial Hemorrhage Detection 3位 ・2020 NFL Big Data Bowl 4位 ・2020 Google QUEST Q&A Labeling 3位 ・2020 iMet Collection 2020 - FGVC7 1位 ・2020 Bengali,AI Handwritten Grapheme Classification 3位 ・2020 TReNDS Neuroimaging 3位 ・2020 OpenVaccine: COVID-19 mRNA Vaccine Degradation Prediction 2位 ・2021 Shopee - Price Match Guarantee 2位 ・2021 Bristol-Myers Squibb – Molecular Translation 3位 ・2021 Hungry Geese 1位 ・2022 Santa 2021 4位 他、国内コンペやオフラインコンペなど入賞多数

本日の流れ 1.Kaggleの紹介 4.対談 2.登壇者紹介 3.プロジェクトの話

登壇者紹介: 大久保渉太 ● DeNA（2018~） ○ データサイエンスチームのマネージャ ○ ゲーム事業やライブ事業の案件などを担当 ● Kaggle: pocket 引用元: https://www.kaggle.com/pocketsuteado

登壇者紹介: 島越直人 ● DeNA (2019~), Mobility Technologies出向中 (2020 ~) ○ 乗務員支援ツールであるお客様探索ナビの開発 ○ AI予約機能・優先配車機能・空車待ち機能の開発 ○ マップマッチ機能改善 ● Kaggle: shimacos 引用元: https://www.kaggle.com/shimacos

登壇者紹介: 横尾修平 ● DeNA（2020~） ○ スマホゲーム：逆転オセロニアの デッキ推薦ロジック開発 ○ 横浜DeNAベイスターズチーム強化 ● Kaggle: lyakaap 引用元: https://www.kaggle.com/lyakaap

登壇者紹介: 藤川和樹 ● DeNA（2014~） ○ 場を盛り上げる雑談対話チャットボット ○ 創薬支援のための化合物属性予測・構造生成 ○ 安全運転支援のための危険運転検知 ○ 横浜DeNAベイスターズチーム強化 ● Kaggle: KF 引用元: https://www.kaggle.com/kfujikawa

本日の流れ 1.Kaggleの紹介 4.対談 2.登壇者紹介 3.プロジェクトの話

プロジェクト紹介: タクシーアプリGOにおける機械学習活用 ● GOアプリで蓄積されたデータを用いて、新規サービス開発や既存サービス改善を行う ○ 例) お客様探索ナビ、AI予約、マップマッチ

事例1: AI予約 ● 位置情報の履歴データから、今からX分後に どれくらいの供給数が見込めるかを予測する機械学習モデルを構築。 ● 予測値から予約成功確率を算出する確率モデルを作成し、閾値以上であれば予約可能とする。

事例2: マップマッチ ● 生のGPS点が、実際にはどの道路上に乗っているかを推定。 ○ マップマッチ結果を用いて様々なサービスが展開されているため精度が非常に重要。 ○ Kaggleでも類似コンペが開催された。(Google Smartphone Decimeter Challenge) ● 古典的な技術である隠れマルコフモデルや、カルマンフィルタなどが 最先端の企業 (Uberなど) でも現役で用いられている。

プロジェクト紹介: 横浜DeNAベイスターズチーム強化 ● プロ野球のプレー結果、センサーデータ、試合映像などの分析を通じて、 選手のプレーの質向上に貢献する ○ 例）キャッチャーの守備、スイング動作の分析

事例1: キャッチャー守備分析（ブロッキング） ● 背景 ○ ピッチャーの暴投を、後ろへ逸らさずに前で止める技術（ブロッキング）は重要 ○ スコアブック上の記録では情報が少なく、長所や課題の把握が困難 ● 実施したこと ○ トラックマン等のデータを利用し、ブロッキング難易度を推定するモデルを学習 ○ 平均的なキャッチャーと比較した分析結果をコーチ・選手へ提供

事例2: スイング動作分析 ● 背景 ○ バッターのスイング動作を分析することでスイングの特徴や得意不得意を分析したい ○ スイング分析のためのデータの収集を従来までは人手でやっており 莫大なコストがかかっていた ● 実施したこと ○ 複数視点の動画を使ったバッターの三次元キーポイント座標を推定するモデルを構築 ○ データ収集作業の自動化による大幅な工数削減を達成

本日の流れ 1.Kaggleの紹介 4.対談 2.登壇者紹介 3.プロジェクトの話

どのように業務とKaggleのバランスを 取っているのでしょうか？ お題

Kaggle制度がなかったら Grandmasterになれなかったですか？ お題

対談中 視聴者からの質問も受け付けます 本セッションでは、Sli.doで質問を受け付けています。 セッション中、適宜質問を取り上げて回答いたします。 URL：https://app.sli.do/event/6JM8fpfZxeyuMkNXJDGe8B イベントコード：#760804