Mercari Engineer Meetup

by moriaki

Slide 1

Slide 1 text

@moriaki  2019/09/25  Engineer’s Meetup for Students 

Slide 2

Slide 2 text

2 自己紹介 Engineering division Machine Learning team Software Engineer (SysML) 2019年4月新卒入社 2019年6月メルペイ配属 moriaki (@moriaki3193)

Slide 3

Slide 3 text

Summer Internship  初めてのメルカリとの接点   機械学習エンジニアコースのインターンシップに参加  Machine Learning Teamで   SysML & Modeling の業務     ランキング学習による   検索アルゴリズムの実装   6月頭まで研修期間   チームでのスクラム開発など   内定者インターン  メルカリ入社  3 配属までの経緯 12月  2019年6 月  メルペイ配属  Recipioに参加  9月  スタートアップに参加  2017年8 月    2018年8 月    2019年4 月 

Slide 4

Slide 4 text

MLチームの普段の業務 Payならではの面白さ＆難しさ複業との相乗効果 01 02 03 4 今日紹介したいこと

Slide 5

Slide 5 text

MLチームの普段の業務 5

Slide 6

Slide 6 text

6 与信モデルの構築メルペイあと払いサービス  ● お客様のメルカリ・メルペイ上の行動履歴から  与信モデルを構築  ● 「あんしん・あんぜん」なあと払い利用枠を  設定するための元となる情報を提供 

Slide 7

Slide 7 text

7 具体的なタスク ML Team  モデリング SysML モデルの解釈性モデルの改善特徴量探索モデリング効率化 Data Pipeline の構築与信モデルの出力に対する説明性   モデルの精度の向上   データセット・モデルの構築   マイクロサービスへの流し込み   データ探索のし易い環境の構築   フローの実行時間短縮   メルカリ・メルペイのデータから   信用の創造につながるものを探索   2020 1Q はこのあたりのタスクを担当

Slide 8

Slide 8 text

システムの一例 8 Train/Predict Pipeline Engineers Data Pipeline Mercari/Merpay DB BigQuery Predict Result BigQuery Datasets Cloud Storage Models Cloud Storage load dataset Create Dataset Cloud Composer Train/Predict Image Container Registry loads save Predict Job Kubernetes Engine Train Job Kubernetes Engine load image dump Monitoring Logging Query ①Pipeline更新 ②Dataset生成 ③Dataチェック ④学習 ⑤予測 ⑥あと払い連携

Slide 9

Slide 9 text

Payならではの面白さ＆難しさ 9

Slide 10

Slide 10 text

与信モデルに求められる性質堅牢性妥当性解釈性 10 ユーザの「良い行い」が   より良い与信につながる   精度の高さはもちろんのこと... ユーザの多様な行動履歴による入力に対して堅牢   なぜその結果になるのかある程度の理解を与える  

Slide 11

Slide 11 text

11 モデルの出力に対する解釈性解説：この例は「チームがプレイヤーに Man of the Match賞を獲得させるかどうかを予測」です．予測値は 0.7 です．base_valueは0.4979です． - 予測の向上（正の寄与） → 特徴量の値はピンク色 - 予測を減少（負の寄与） → 特徴量の値は青色 - バーの長さが特徴量の効果の大きさピンク色のバーの長さから青いバーの長さを引くと，ベース値から出力までの距離に等しくなります．（実際の図はお見せできないので例にて） Lundberg, Scott M., and Su-In Lee. "A unified approach to interpreting model predictions." Advances in Neural Information Processing Systems. 2017. 著者によるPythonでの実装 : https://github.com/slundberg/shap

Slide 12

Slide 12 text

複業との相乗効果 12

Slide 13

Slide 13 text

Tech Stack: Backend + ML  13 扱う技術スタック and more ... 

Slide 14

Slide 14 text

他にも...  14 ハードスキル・ソフトスキル ● Design Doc  ● スクラム開発  ● マイクロサービス  ● etc... 

Slide 15

Slide 15 text

起床＆準備出社通常業務退社就寝 15 「メルペイ」のあとの時間  １日の流れ 8:30  11:00  20:00  21:00  1:00  予定がなければ空いている時間 :thinking_face: ● 学生時代にエンジニアとして参加していた会社  はメルペイに入った後もお手伝いしている  ● メルカリ・メルペイはフレックスタイム制  柔軟に空いた時間を設定・利用できる  ● 普段の業務で得た経験を他の場所で試したい  副業にも挑戦  12:00  朝会 

Slide 16

Slide 16 text

いろいろな失敗ができた  16 やってみて... ● スクラム  ○ 毎日みんなが顔を突き合わせていられるわけじゃない ○ 課題がどこに存在するのかを洗い出すことが困難になっていった ● マイクロサービス  ○ バックエンドの開発人数がサービス数を上回る事態に... ○ 気がついたら巨大なモノリスを作っていた...

Slide 17

Slide 17 text

よかったこと  わるかったこと  17 やってみて... ● オーナーシップを持って技術や仕組みを  導入することにより、『腹落ち』するまでの  スピードが早くなる  ● 当たり前だけど大切な気づき：  組織の規模感が異なれば、効いてくる技術・  仕組みは当然異なる  ● 空いた時間が価値を生み出している（かも）  という感覚は純粋に楽しい  ● 体調を崩すととたんにいろいろなスケジュールがシビアなことになる...  ● どうしても時間がない時に少しばかり休日を  犠牲にすることに... 

Slide 18

Slide 18 text

まとめ 18

Slide 19

Slide 19 text

金融系サービス業務形態の柔軟さを活かした活動精度だけではない、の問題設定 01 02 03 まとめ 19

Slide 20

Slide 20 text

ありがとうございました 20