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
初めての機械学習PJを やってみて得た知見
Search
yaginuuun
November 05, 2019
Technology
2
4.5k
初めての機械学習PJを やってみて得た知見
Connehito Marché vol.6 〜機械学習・データ分析市〜 / 2019-11-05
にて発表
yaginuuun
November 05, 2019
Tweet
Share
More Decks by yaginuuun
See All by yaginuuun
メルカリホーム画面におけるレコメンド改善事例 - Long-tailを考慮した辞書拡張
shyaginuma
3
1.3k
メルカリにおけるA/Bテストワークフローの改善 これまでとこれから
shyaginuma
2
1.6k
メルカリにおけるA/Bテスト標準化への取り組み
shyaginuma
21
13k
A/BテストにおけるVariance reduction
shyaginuma
2
2.3k
過去コンペベースの学習をやってみたら意外と良かった話
shyaginuma
0
690
Kaggleもくもく会イントロ
shyaginuma
0
180
1on1 SQL Introduction at Globis
shyaginuma
1
1.3k
SlackへのKPI通知Botを作ったら いろいろ捗った話
shyaginuma
1
2.2k
BigQueryMLハンズオン勉強会
shyaginuma
3
910
Other Decks in Technology
See All in Technology
MIMEと文字コードの闇
hirachan
2
1.4k
目標と時間軸 〜ベイビーステップでケイパビリティを高めよう〜
kakehashi
PRO
5
390
リクルートのエンジニア組織を下支えする 新卒の育成の仕組み
recruitengineers
PRO
1
120
[OpsJAWS Meetup33 AIOps] Amazon Bedrockガードレールで守る安全なAI運用
akiratameto
1
100
【5分でわかる】セーフィー エンジニア向け会社紹介
safie_recruit
0
19k
JavaにおけるNull非許容性
skrb
2
2.7k
AI自体のOps 〜LLMアプリの運用、AWSサービスとOSSの使い分け〜
minorun365
PRO
7
480
偏光画像処理ライブラリを作った話
elerac
1
180
EDRの検知の仕組みと検知回避について
chayakonanaika
12
5.1k
AI Agent時代なのでAWSのLLMs.txtが欲しい!
watany
3
250
脳波を用いた嗜好マッチングシステム
hokkey621
0
290
IAMのマニアックな話2025
nrinetcom
PRO
6
1.2k
Featured
See All Featured
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
33
2.8k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
21
2.5k
The Straight Up "How To Draw Better" Workshop
denniskardys
232
140k
Side Projects
sachag
452
42k
It's Worth the Effort
3n
184
28k
Thoughts on Productivity
jonyablonski
69
4.5k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
129
19k
Unsuck your backbone
ammeep
669
57k
What's in a price? How to price your products and services
michaelherold
244
12k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
49k
The Language of Interfaces
destraynor
156
24k
Transcript
初めての機械学習PJを やってみて得た知見 Connehito Marché vol.6 〜機械学習・データ分析市〜 グロービス 柳沼慎哉 / 2019-11-05
自己紹介 • データサイエンティスト@グロービス ◦ DW保守運用 ◦ ダッシュボード構築 ◦ プロダクト分析 ◦
レコメンド開発 ⬅ Now • 2018新卒(もうすぐ三年目!!) • kaggleもくもく会@麹町 運営してます twitter: @yaginuuun
会社紹介 • 国内最大規模の経営大学院、ビジネススクールを運営 • 最近e-learningへ進出(グロービス学び放題) ◦ 時間、場所の制約なく学べるサービスの提供 • 他にも色々やってます ◦
ベンチャーキャピタルによる投資 ◦ 書籍の出版 ◦ G1サミット(経営者会議)の運営
何をやったか グロービス知見録という自社メディアに学び放題への導線が存在
どうやったのか 従来の仕組み:タグ一致 • 知見録と学び放題でタグが一致したコンテンツを表示 • タグ運用が手動(たまに漏れが発生) 改良後:コンテンツ同士の類似度 • 知見録と学び放題で類似度の高いコンテンツを表示 •
タグに寄らず、関連コンテンツを表示できる(漏れが発生しない)
結果
結果
得た知見
• リーン的な考え方に近い(Minimum Viable Product) • 改善のポテンシャルが見える • 結果を見せながら議論できるので担当者間の連携がしやすくなる 知見① 簡単でも良いのでまず結果を見える形にする
• エムスリーの西場さんがおっしゃっていて、自分でやって改めて実感 ◦ 成功確率高い ◦ 工数少ない 知見② ルール→アルゴリズムへの置き換えは有効 エムスリーの機械学習チームビルディングの考え方 by
@m_nishiba / @Machine Learning Team Building Pitchより引用
• 今回のPJの一部のコードは過去にメルカリコンペに取り組んだ時のものを 流用 知見③ kaggleは役に立つ
• 今回のPJの一部のコードは過去にメルカリコンペに取り組んだ時のものを 流用 • こんな資料もあります:カグルとジツム 知見③ kaggleは役に立つ
まとめ • いろんな知見が得られた ◦ 超シンプルでも良いので一旦アウトプットを見える形にすると進みが良 い ◦ ルールベース → アルゴリズムベースへの置き換えは有効
◦ kaggleは役に立つ • 一方でやらなきゃいけないこともたくさん ◦ モデルの運用周り ◦ パイプライン設計、構築 ◦ 後々手を入れやすい設計、コーディング • 常にやっていき