Slide 1

Slide 1 text

4VNNFS*OUFSOTIJQઆ໌ձ 1SPHSBN.BOBHFS૊৫঺հ %BUB4DJFODF$FOUFS%4$ 1MBOOJOH5FBN .JLJ4BLBJ

Slide 2

Slide 2 text

ొஃऀ঺հ ڥ ඒथ %BUB4DJFODF$FOUFS %4$1MBOOJOH5FBN • 職歴系 • 通信会社研究所出⾝ • Research 1くらい、Development 9 くらいしてた。 • 事業会社でWebサービス企画・運⽤経験あり。 • Manager歴は8年くらい。 • 広く浅くのため専⾨性低め。 • 脈略がない:SemanticWeb -> QueueSystem開発 -> bigTable模倣開発 -> 仮想マシン管理システム開発 -> ⼤規模トランザクションシステム開発 -> Web Service Direction -> 対話システムエンジン開発PM -> AutoMLSytemPM+R&D management -> 現職 • 現職 • ML/DS関連ProjectのPjM/PdM • Online Recommendation Product • LINE Service’s ML Product etc. • 上記組織のManager • Private • 登⼭、バンド、写真、ランニングが好き。 • ⼦供3⼈の⺟親業もしてる。 • 最近は再度⼤学編⼊し4年⽣。(ART)

Slide 3

Slide 3 text

0WFSWJFX

Slide 4

Slide 4 text

.-૊৫Ͱ͸༷ʑͳϥΠϒϥϦɾιϦϡʔγϣϯΛ։ൃ 3FDPNNFOEBUJPO &YTUJDLFST 4UJDLFS"VUP5BHHJOH • スタンプ画像から 意味的なタグを推測し、⾃動付与 • 2021年〜、深層学習モデルを更新(Efficient Net) 6TFS1FSTPOB1SFEJDUJPO • サービス横断のユーザ⾏動ログを利⽤して、DNN系のロジックで推定(〜数億ユーザ) • 継続的にリファクタリングやロジック改善等を進めており、MLP Mixerなども利⽤ LINE for Business 2022年10-2023年3⽉期 媒体資料より https://www.linebiz.com/jp/download/ 出前館 %SJWFS .FSDIBOU 6TFS 3FR GPSPSEFS 3FRGPS EFMJWFSZ 3FRGPS QSFQBSBUJPO QJDLVQ EFMJWFSZ 複数の機械学習のコンポーネントを提供し、オンラ イン予測のためのパイプラインも個別に構築 For Users • 商品の推薦(≒ 何を注⽂すればよいか︖) For Demae-can (as a broker/仲介者) • オーダーの配達依頼(≒ 誰に配達を依頼すればよいか?) For Drivers • エリア単位での直近需要の予測(≒ どこで待てばよいか?) • レストランの準備時間予測(≒ いつ受け取りに⾏けばよい か?) 4NBSU$IBOOFM トークリスト上部にコンテンツ・広告を表⽰ • 2段構成で、ML室は下記の両⽅を提供 1. 個別サービスのコンテンツ向けターゲティングロジック (様々な組織が供給) 2. 最終的にコンテンツ or 広告を1つ選定 -JCSB4VJUF MLの開発効率化 + DSの検証効率化のための内製ツール 画⾯設計・デザインをUIのチームに依頼し、バックエンドをML室で開発 CMS for A/B Test & Rollout Dashboard for A/B Test 推薦結果の可視化 $SPTT4FSWJDF6TFS$POUFOU'FBUVSFT • 事業横断でML向けのデータを整備し、社内の他ML組織に提供 • 表現学習により、密ベクトル化したデータなども作成 .-#BUDI"1*T MLプラットフォーム化により、開発したモデルの再利⽤性や開発効率などを⼤幅に向上 0XO-JCTGPS%FW&GGJDJFODZ • cumin: データアクセスの抽象化 • swimmy: RPC to k8s cluster • ghee: 分散並列処理(転送 & 演算) • ghee-models: MLモデル(python) • masala: MLモデル(yaml) ※ 別途説明あります

Slide 5

Slide 5 text

%4૊৫Ͱ͸୲౰ϓϩμΫτٴͼɺ -*/&ϓϥοτϑΥʔϜશମ΁ͷߩݙΛ໨ࢦ͢ データ分析によって各-*/&サービスの競争⼒を最⼤化す る • データを活⽤した継続的改善の仕組みづくり • 重要かつ難易度の⾼い課題の解決 -*/&全体のデータ活⽤レベルを向上させる • 全ての-*/&3のデータ活⽤レベルの底上げ引き上げ • 広く適⽤可能なデータ分析の仕組み プラットフォーム、プロセ ス、⽅法論、 FUD の提供 ※ 別途説明あります

Slide 6

Slide 6 text

.-%41MBOOJOH5FBNr 1SPHSBN.BOBHFSͱ͸ʁ R&R .-΍%4ͷྗͰ-*/&αʔϏεՁ஋޲্ʹ޲͚ͨ1SPKFDUͷਪਐΛߦ͏ 1SPKFDUͷϑΣʔζʹΑͬͯSPMF͕ҟͳΔ͜ͱ͕ಛ ௃ 1SPEVDU.BOBHFNFOU • .-%4ؔ࿈ͷԣஅతͳ1SPEVDUͷϩʔυϚοϓઃܭɺΰʔϧڞ༗ͳͲ 1SPHSBN.BOBHFNFOU .- • αʔϏεଆʹ.- 1SPEVDUΛ׆༻ͨ͠Ձ஋޲্ࢪࡦΛఏҊ͠ɺಋೖʹ޲͚ͨλεΫઃܭͱਐ௙؅ཧɺಋೖޙͷӡ༻؅ཧ • .-ൃ1SPEVDUͷ։ൃ؅ཧɺ׬੒ޙͷӡ༻؅ཧ 1SPHSBN.BOBHFNFOU %4 • ෼ੳґཔʹج͖ͮαʔϏεଆͷཁ๬ΛώΞϦϯά͠%BUB4DJFOUJTUͷλεΫઃܭͱਐ௙؅ཧ • %BUB4DJFOUJTUͱڞʹαʔϏε෼ੳΛߦ͍ͭͭɺࣄۀଆʹํ޲ੑ΍৽نࢪࡦఏҊͷਪਐ Members ɾ$34 ɾ"VUPSFDP ɾ/FXT ɾ4NBSU$IBOOFM ɾ %BUB.BOBHFNFOU ɾ-JCSB ɾ#BUDI"1* ɾ*OGSB ɾ%FW1SPDFT ɾ4IPQ TUJDLFSUIFNF ɾ%FNBFDBO ɾ1FSTPOB ɾ'FBUVSF7FDUPS ɾ-*/&Ϊϑτ ɾ-*/&1BZ ɾ-*/&όΠτ ɾ3% ɾ-*/&0GGJDJBM"DDPVOU ※他にも担当している案件は多数 ɾτʔΫ ɾ-*/&Ϊϑτ

Slide 7

Slide 7 text

ͻͱ͜ͱͰ͍͏ͱʁ 不確実性が⾼くふんわりした案件のゴールを定めて、 MLエンジニアやデータサイエンティストとともにゴールを⽬指すお仕事。 ֓ཁ ΤϯδχΞྗ Ϗδωεྗ αΠΤϯεྗ ר͖ࠐΈྗ .- .-γεςϜΛ࡞͍ͬͯ͘1. ˕ ˛ ˛ ˕ %4 %BUB4DJFODF "OBMZTJTͷྗͰ ϏδωεΛਪਐͯ͘͠1. ˓ ˕ ˛ ˕ .-.-QSPEVDUʹඥͮ͘ .-FOHJOFFS .-1. ML Product Service Product ML Product Service Product ML Product Service Product 4FSWJDFFOHJOFFS 4FSWJDF1. ・・・ %4ࣄۀ 4FSWJDF ʹඥͮ͘ %4 %41. Service 4FSWJDFFOHJOFFS 4FSWJDF1MBOOFS 4FSWJDF.BSLFUFS MLとDSでは PM⼒に違い がある 開発 コンサル

Slide 8

Slide 8 text

.- %41.ͷ͓࢓ࣄ

Slide 9

Slide 9 text

.- 1.ͷ͓࢓ࣄ

Slide 10

Slide 10 text

։ൃαΠΫϧͱ1.ͷؔΘΓํ 1SPEVDUEJTDPWFSZ • ϓϩμΫτ՝୊ɾ໨ඪͷώΞϦϯάɾڞ༗ • .-׆༻ͷ࣮ݱՄೳੑͱՁ஋ʹ͍ͭͯݕ౼ %BUBJOHFTUVOEFSTUBOEJOH • ඞཁͳσʔλͷ࿈ܞਪਐ &YQFSJNFOU%FWFMPQNFOU • ࣮ݱՄೳੑͱՁ஋ʹ͍ͭͯ֬ೝɾ࠶ఆٛ "#ςετ • اըɾઃܭɾ࣮ࢪɾධՁ .POJUPSJOH • ධՁɾϑΟʔυόοΫ

Slide 11

Slide 11 text

։ൃαΠΫϧͱ1.ͷؔΘΓํ 1SPEVDUEJTDPWFSZ • ϓϩμΫτ՝୊ɾ໨ඪͷώΞϦϯάɾڞ༗ • .-׆༻ͷ࣮ݱՄೳੑͱՁ஋ʹ͍ͭͯݕ౼ %BUBJOHFTUVOEFSTUBOEJOH • ඞཁͳσʔλͷ࿈ܞਪਐ &YQFSJNFOU%FWFMPQNFOU • ࣮ݱՄೳੑͱՁ஋ʹ͍ͭͯ֬ೝɾ࠶ఆٛ "#ςετ • اըɾઃܭɾ࣮ࢪɾධՁ .POJUPSJOH • ධՁɾϑΟʔυόοΫ • ֤ϓϩηεΛԁ׈ʹϚωδϝϯτ͠ɺϓϩμΫτϦϦʔεʹ͍࣋ͬͯ͘ • Ձ஋ͷ͋ΔϓϩμΫτΛఏڙ͢Δ • ୭Ͱ΋ɺޮ཰త͔ͭ҆ఆతʹ։ൃɾӡ༻Ͱ͖Δঢ়ଶʹ͢Δ ཁ͸ɺ࣮૷Ҏ֎ͷશͯΛ୲౰

Slide 12

Slide 12 text

࣮ࡍͷࣄྫ

Slide 13

Slide 13 text

ελϯϓ(auto suggest) 1SPEVDUEJTDPWFSZ • ΩʔϘʔυೖྗʹ͓͚ΔϢʔβ՝୊ͷղফ • Ծઆݕূํ๏Λݕ౼ %BUBJOHFTUVOEFSTUBOEJOH • ՝୊ղܾɾԾઆݕূʹඞཁͳσʔλ֬ೝ • σʔλ׆༻ʹؔ͢Δ՝୊ղܾ &YQFSJNFOU%FWFMPQNFOU • ΦϑϥΠϯݕূɾ࣮૷ͷؾ͖͔ͮΒԾઆΛڧԽ • γεςϜؒͷσʔλ࿈ܞɾग़ྗ "#テスト • Ծઆݕূ .POJUPSJOH • Ϣʔβͷ՝୊͕ղܾͰ͖͍ͯΔͷ͔Λݟଓ͚Δ

Slide 14

Slide 14 text

1FSTPOB ଐੑਪఆ 1SPEVDUEJTDPWFSZ • どんな属性を推定したいかを広告チームなどと相談 • 属性の定義をすり合わせ • (開発後)プロダクトの広報活動 %BUBJOHFTUVOEFSTUBOEJOH • インサイトリサーチチームとアンケート設計 • データ管理、権限管理についてすり合わせ &YQFSJNFOU%FWFMPQNFOU • 学習データの精度、予測分布の確認 • 結果によっては属性の定義⾒直し • 書き出し先の検討、各種システムとのつなぎ合わせ "#テスト • ޿ࠂจ຺ͰͷΦϑϥΠϯɺΦϯϥΠϯςετ • ݁Ռͷղऍ .POJUPSJOH • ֶशਫ਼౓ɺ༧ଌ෼෍ͷϞχλϦϯά • ༧ظ͠ͳ͍Τϥʔͷ௨஌ͱͦͷ࣌ͷࣗಈରԠ

Slide 15

Slide 15 text

%4 1.ͷ͓࢓ࣄ

Slide 16

Slide 16 text

1+5͝ͱͷ%4νʔϜͷମ੍

Slide 17

Slide 17 text

1+5͝ͱͷ%4νʔϜͷମ੍ ࣄۀ෦ʹ 1.ͱͯ͠αϙʔτ

Slide 18

Slide 18 text

1.ͷ΍Δ͜ͱɺ΍Βͳ͍͜ͱ ΍Δ͜ͱ ɾࣄۀ෦ͱͷҊ݅اը ɾ֤छҊ݅ͷϑΝγϦςʔγϣϯ ɾ%4ͱ෼ੳ݁Ռʹ͍ͭͯนଧͪ ɾ%4ͷ։ൃ؀ڥ੔උ ΍Βͳ͍͜ͱ %4͕΍Δ͜ͱ ɾ࣮ࡍͷίʔσΟϯά ͪΐͬͱͨ͠ूܭ͸ͨ·ʹ΍Γ·͢

Slide 19

Slide 19 text

%41.ͱ͸ʁΛ·ͱΊΔͱ ϓϩμΫτΛཧղ͠ ɾNJTTJPOWJTJPOWBMVF ɾϏδωεߏ଄ ɾσʔλߏ଄ ࣄۀ෦ͷਓͱ஥ྑ͘ͳΓɺ͓ؾ࣋ͪΛཧղ͠ ɾࣄۀ෦ͷਓ͸Կʹ՝୊Λײ͍ͯ͡Δ͔ σʔλ෼ੳͷྗͰղܾͰ͖Δ͜ͱͷڮ౉͠໾ ɾٕज़஌ݟΛ׆͔ͨ͠ఏҊ ɾٕज़஌ݟΛ׆͔ͨ͠νʔϜϚωʔδϝϯτ ΍Δ΍Βͷ൑அɺ݁Ռͷนଧͪ ɾਖ਼͍͠ߟ࡯Λࣄۀ෦ʹ఻͑ɺωΫετΞΫγϣϯΛఏҊ

Slide 20

Slide 20 text

࣮ࡍͷࣄྫ

Slide 21

Slide 21 text

Ҋ݅ྫ,1*ϩδοΫπϦʔ ֓ཁ ɾαʔϏεάϩʔεΛاըͨ͠νʔϜͷൃ଍ ɾݱঢ়֬ೝ ߈Ίॴͷ೺Ѳ ɺ,1*ࡦఆͷͨΊʹϩδοΫπϦʔͷ࡞੒ΛఏҊ ɾࣄۀ෦ͱώΞϦϯάΛߦ͍,1*ࡦఆ ɾϢʔβηάϝϯτͷ੾Γํ͸%4ͷݕূ݁Ռʹج͖ܾͮఆ ٳ຾ɺҭ੒தͷఆٛ ɾϩδοΫπϦʔΛ༻͍ͨࢪࡦධՁํ๏ͷཱ֬ ɾؔ࿈࿩୊Ͱɺ/4.ͷࡦఆʹ΋ൃల 1.ͷؔΘΓ͸ʁ ɾखΛಈ͔͢ͱ͜ΖҎ֎ͷશͯʹؔΘΔ ɾࣄۀ෦ͱͷNUH ɾ,1*ͷࡦఆ ෼ੳ؍఺Ͱͷҙݟग़͠΋͋Δ ɾ%4ϝϯόʔͷΞαΠϯͱܦաͷนଧͪ ɾ޿ใ׆ಈ Α͘ݟΔͱπϦʔͷΑ͏ͳܗΛͨ͠5BCMFBV

Slide 22

Slide 22 text

Ҋ݅ྫͦͷଞ ݸผͷ෼ੳґཔ 1.ͷؔΘΓ ɾґཔϑϩʔͷҰݩԽ ɾґཔഎܠͷώΞϦϯά ͜Εͬͯຊ౰ʹඞཁͰ͔͢ʁΛฉ͘ͳͲ ɾґཔऀʹཁ݅ʹؔ͢Δ໌֬ͳݴޠԽΛଅ͢ σʔλఆٛɺظݶ ֤छϢʔβΞϯέʔτͷఏҊ࣮ࢪ 1.ͷؔΘΓ ɾࣄۀ෦ͱ՝୊੔ཧɺΞϯέʔτ࣮ࢪ֓ཁࡦఆ ɾৄࡉઃܭ ूܭ͸%4ͱࣄۀ෦͕୲౰ ɾ࠷ۙɺࣄۀ෦ͷਓ΋ר͖ࠐΜͰ69Ϧαʔν1+5Λ্ཱͪ͛த

Slide 23

Slide 23 text

࠷ޙʹ

Slide 24

Slide 24 text

ࠓ೔ͷൃද಺༰ ɾ-*/&ͷ%4$1MBOOJOH5FBNʹ͓͚Δ.- %41.ͷ͓࢓ࣄΛ঺հ ɾ&OHJOFFSͰ͸ͳ͍ٕज़৬ͱͯ͠.- %41.Λ঺հ ࠷ޙͷ࠷ޙʹ ɾ.- %4։ൃʹڵຯ͕͋Δ͕ɺ͕ͬͭΓखΛಈ͔͢ΑΓ͸ಋೖʹ޲͚ͨ׆ಈʹڵຯ͕͋Δͱ͍͏ํ͕ গ͠Ͱ΋ڵຯΛ࣋ͬͯ͘ΕͨΒخ͍͠Ͱ͢ɻ ࠷ޙʹ

Slide 25

Slide 25 text

THANK YOU