Classiが取り組んできた機械学習の試行錯誤

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Copyright © 2021 Classi Corp. All Rights Reserved. 自己紹介  ● 名前：伊藤徹郎 (@tetsuroito)  ● 所属：Classi株式会社開発本部｜データAI部  ● 役職：本部長｜部長  ● 分野：Educational Technology , Learning Analytics  ● 著書  ○ データサイエンティスト養成読本ビジネス活用編  ○ AI・データ分析プロジェクトのすべて  ○ 実践的データ基盤への処方箋  1

Slide 3

Slide 3 text

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Copyright © 2021 Classi Corp. All Rights Reserved. 5 Classiのミッション・ビジョン・バリュー   https://speakerdeck.com/classijp/we-are-hiring より子供の無限の可能性を解き放ち、学びの形を進化させる先生とともに、学びから学ぶ仕組みを創り、ワクワクする子どもを増やします ● Unlearn & Learn ● Love Difference ● Make Happen ⁃ 既存の知識を外す勇気。「学び方」を学び続けよう。失敗してもいい。新しい学びに挑戦しよう。 ⁃ 違いを愛そう。チームを超えて協働しよう。多様性こそClassiの強み。多様な方がわくわくする。 ⁃ 共に作り、共に実現する。大切なのは、信じて、やり抜くこと。 Value Mission Vision

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

Copyright © 2021 Classi Corp. All Rights Reserved. ClassiのデータAI部の目指していること   8 EBE(Evidence-Based-Education) → 先生などの教育者  EBL(Evidence-Based-Learning) → 生徒などの学習者  の実現と運用  つまり教育に必要なデータをサービスを通じて還元し、それぞれのステークホルダーが活用する状態  EBE,EBLはここが自律的にサイクルが回る状態

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Copyright © 2021 Classi Corp. All Rights Reserved. • 自然言語処理を用いた自動作問の実証研究  • アダプティブラーニングの提供と理論  • 音声解析と画像解析を用いた検索精度の改善  • AI-手書きOCRの技術検証  • 声かけのタイプ別で利用率を向上させるA/Bテスト  • 問い合わせデータを活用したトピックモデル分析  • 数理最適化技術を用いたスケジュール問題最適化  • 問題の解き直し行動の学力向上への効果検証など  Classiがこれまでに取り組んできた機械学習の取り組み   10

Slide 12

Slide 12 text

Slide 13

Slide 13 text

Copyright © 2021 Classi Corp. All Rights Reserved. • 企画立案 : どんなソリューションで誰の何を解決するか  • 技術検証 : ソリューションは適切な範囲で提供可能か  • PoC(実データ検証) : 実際にコンセプトは受容されるか  • サービス検討 : PoCの結果を元にビジネス化検討  • リリース判断 : ビジネスプランに基づき、サービスリリース判断  AI-手書きOCRの技術検証の進め方   12

Slide 14

Slide 14 text

Slide 15

Slide 15 text

Copyright © 2021 Classi Corp. All Rights Reserved. • 課題  • 学校現場では未だに多くの紙が存在している   • 紙は便利だが、管理が煩雑になってしまう   • なくしてしまうことがある  • ソリューション  • 紙に書いた内容を電子化して保存すれば良いのではないか   • アプローチする観点  • 学習済みモデルか自社で学習モデルを作るか   • 技術要件とユースケースが合うかどうか   • コストが見合うかどうか  AI-手書きOCRの技術検証について   14

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

Slide 19

Slide 19 text

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

Copyright © 2021 Classi Corp. All Rights Reserved. • AI-手書きOCRにかける前に画像を前処理しないといけない  • 画像の回転角度の補正  • 台形補正  • 画像サイズと座標の補正  • 文章角度の補正  • コントラスト調整と輪郭の抽出  • 撮影時に入り込んだ影の補正  • etc…  前処理方法の検討  22 前処理で精度を担保することが現実的に無理なため、  ユースケースを限定することで精度向上を目指すことに 

Slide 24

Slide 24 text

Copyright © 2021 Classi Corp. All Rights Reserved. • 手書き文字と印刷文字の混在パターンも存在することが判明  • 活字のタイプ別の読み取り精度の検証   • フォントの違いによる精度検証  • 文章の長さによる精度検証  • 罫線を用意した場合とそうでない場合の精度検証   • マス目の場合のフォーマットの精度検証   など、いろいろなパターンを想定して、精度がどう変化するか検証  活字の読み取り検証   23

Slide 25

Slide 25 text

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Slide 28

Slide 28 text

Copyright © 2021 Classi Corp. All Rights Reserved. • 今回のPoCでは、運用コストが非常に大きい点  • ユースケースを限定したために活用イメージができなかった点  • 精度自体もケースに応じて不安定な点  • ビジネスモデルをうまく構築できない点    など、いろいろな要因を鑑みて、サービスリリースを見送りました  そのため、供養のLTを披露させていただきました！  サービス化検討&リリース判断   27

Slide 29

Slide 29 text

Copyright © 2021 Classi Corp. All Rights Reserved. 宣伝：Classiでは教育業界に機械学習のソリューションを適用したいエンジニアを募集しています   28 https://hrmos.co/pages/classi/jobs?category=1378626424374710272&_ga=2.195036393.490006783.1645439063-165287458.1525770617

Slide 30

Slide 30 text