Upgrade to Pro — share decks privately, control downloads, hide ads and more …

サービスに機械学習を取り入れるコツ.pdf

Tomoaki Takamatsu
July 24, 2018
220

 サービスに機械学習を取り入れるコツ.pdf

Tomoaki Takamatsu

July 24, 2018
Tweet

More Decks by Tomoaki Takamatsu

Transcript

  1. サービスに機械学習を取り入れる サービスに機械学習を取り入れる サービスに機械学習を取り入れる サービスに機械学習を取り入れる サービスに機械学習を取り入れる サービスに機械学習を取り入れるコツ コツ コツ コツ コツ

    コツ - 2018/7/24 Housmart CTO 高松智明 - - 2018/7/24 Housmart CTO 高松智明 - - 2018/7/24 Housmart CTO 高松智明 - - 2018/7/24 Housmart CTO 高松智明 - - 2018/7/24 Housmart CTO 高松智明 - - 2018/7/24 Housmart CTO 高松智明 - 1 / 32
  2. 自己紹介 自己紹介 自己紹介 自己紹介 自己紹介 自己紹介 株式会社Housmart CTO / 高松智明(@t2kmt)

    株式会社Housmart CTO / 高松智明(@t2kmt) 株式会社Housmart CTO / 高松智明(@t2kmt) 株式会社Housmart CTO / 高松智明(@t2kmt) 株式会社Housmart CTO / 高松智明(@t2kmt) 株式会社Housmart CTO / 高松智明(@t2kmt) 2016 年~ 株式会社Housmart 2016 年~ 株式会社Housmart 2016 年~ 株式会社Housmart 2016 年~ 株式会社Housmart 2016 年~ 株式会社Housmart 2016 年~ 株式会社Housmart サーバーサイドエンジニア サーバーサイドエンジニア サーバーサイドエンジニア サーバーサイドエンジニア サーバーサイドエンジニア サーバーサイドエンジニア 機械学習・レコメンド 機械学習・レコメンド 機械学習・レコメンド 機械学習・レコメンド 機械学習・レコメンド 機械学習・レコメンド PM 〜ビジネスプランニング PM 〜ビジネスプランニング PM 〜ビジネスプランニング PM 〜ビジネスプランニング PM 〜ビジネスプランニング PM 〜ビジネスプランニング 2011 年~ 楽天株式会社 2011 年~ 楽天株式会社 2011 年~ 楽天株式会社 2011 年~ 楽天株式会社 2011 年~ 楽天株式会社 2011 年~ 楽天株式会社 広告・マーケティング x ビックデータ 広告・マーケティング x ビックデータ 広告・マーケティング x ビックデータ 広告・マーケティング x ビックデータ 広告・マーケティング x ビックデータ 広告・マーケティング x ビックデータ                                     2 / 32
  3. カウルって何? カウルって何? カウルって何? カウルって何? カウルって何? カウルって何? マンションを買いたい人向けのサービス マンションを買いたい人向けのサービス マンションを買いたい人向けのサービス マンションを買いたい人向けのサービス

    マンションを買いたい人向けのサービス マンションを買いたい人向けのサービス 希望条件を入れると自動でお部屋を提案 希望条件を入れると自動でお部屋を提案 希望条件を入れると自動でお部屋を提案 希望条件を入れると自動でお部屋を提案 希望条件を入れると自動でお部屋を提案 希望条件を入れると自動でお部屋を提案 リアクションからユーザーの嗜好を学習 リアクションからユーザーの嗜好を学習 リアクションからユーザーの嗜好を学習 リアクションからユーザーの嗜好を学習 リアクションからユーザーの嗜好を学習 リアクションからユーザーの嗜好を学習 過去の売買事例や推定相場など、客観的な情報を見てマンシ 過去の売買事例や推定相場など、客観的な情報を見てマンシ 過去の売買事例や推定相場など、客観的な情報を見てマンシ 過去の売買事例や推定相場など、客観的な情報を見てマンシ 過去の売買事例や推定相場など、客観的な情報を見てマンシ 過去の売買事例や推定相場など、客観的な情報を見てマンシ ョンを買える ョンを買える ョンを買える ョンを買える ョンを買える ョンを買える 家探しの正解がわかる! 家探しの正解がわかる! 家探しの正解がわかる! 家探しの正解がわかる! 家探しの正解がわかる! 家探しの正解がわかる!                         4 / 32
  4. 機械学習使ってるところ ① 機械学習使ってるところ ① 機械学習使ってるところ ① 機械学習使ってるところ ① 機械学習使ってるところ ①

    機械学習使ってるところ ① お部屋の提案 お部屋の提案 お部屋の提案 お部屋の提案 お部屋の提案 お部屋の提案 レコメンドアルゴリズムを応用 レコメンドアルゴリズムを応用 レコメンドアルゴリズムを応用 レコメンドアルゴリズムを応用 レコメンドアルゴリズムを応用 レコメンドアルゴリズムを応用 条件や属性に最適なお部屋を提案 条件や属性に最適なお部屋を提案 条件や属性に最適なお部屋を提案 条件や属性に最適なお部屋を提案 条件や属性に最適なお部屋を提案 条件や属性に最適なお部屋を提案 リアクションからの自動学習 リアクションからの自動学習 リアクションからの自動学習 リアクションからの自動学習 リアクションからの自動学習 リアクションからの自動学習                   5 / 32
  5. 機械学習使ってるところ ② 機械学習使ってるところ ② 機械学習使ってるところ ② 機械学習使ってるところ ② 機械学習使ってるところ ②

    機械学習使ってるところ ② 現在/ 過去の売買事例からマンションの相場価格を算出 現在/ 過去の売買事例からマンションの相場価格を算出 現在/ 過去の売買事例からマンションの相場価格を算出 現在/ 過去の売買事例からマンションの相場価格を算出 現在/ 過去の売買事例からマンションの相場価格を算出 現在/ 過去の売買事例からマンションの相場価格を算出 6 / 32
  6. 機械学習使ってるところ ③ 機械学習使ってるところ ③ 機械学習使ってるところ ③ 機械学習使ってるところ ③ 機械学習使ってるところ ③

    機械学習使ってるところ ③ 不動産データの信頼性向上 不動産データの信頼性向上 不動産データの信頼性向上 不動産データの信頼性向上 不動産データの信頼性向上 不動産データの信頼性向上 データの名寄せ データの名寄せ データの名寄せ データの名寄せ データの名寄せ データの名寄せ データA とデータB は同じマンションについての情報か? データA とデータB は同じマンションについての情報か? データA とデータB は同じマンションについての情報か? データA とデータB は同じマンションについての情報か? データA とデータB は同じマンションについての情報か? データA とデータB は同じマンションについての情報か? データのチェック データのチェック データのチェック データのチェック データのチェック データのチェック このデータは正しそうか? このデータは正しそうか? このデータは正しそうか? このデータは正しそうか? このデータは正しそうか? このデータは正しそうか? 異常データの検知 異常データの検知 異常データの検知 異常データの検知 異常データの検知 異常データの検知                               7 / 32
  7. これから先 これから先 これから先 これから先 これから先 これから先 アプリ/Web で機械学習は アプリ/Web で機械学習は

    アプリ/Web で機械学習は アプリ/Web で機械学習は アプリ/Web で機械学習は アプリ/Web で機械学習は 当たり前になります! 当たり前になります! 当たり前になります! 当たり前になります! 当たり前になります! 当たり前になります! 9 / 32
  8. 偉い人: 偉い人: 偉い人: 偉い人: 偉い人: 偉い人: AI でなんかやりたい! AI でなんかやりたい!

    AI でなんかやりたい! AI でなんかやりたい! AI でなんかやりたい! AI でなんかやりたい! 11 / 32
  9. 今日話すこと 今日話すこと 今日話すこと 今日話すこと 今日話すこと 今日話すこと 機械学習をサービスに活かすコツ 機械学習をサービスに活かすコツ 機械学習をサービスに活かすコツ 機械学習をサービスに活かすコツ

    機械学習をサービスに活かすコツ 機械学習をサービスに活かすコツ 何に使えばいいの? 何に使えばいいの? 何に使えばいいの? 何に使えばいいの? 何に使えばいいの? 何に使えばいいの? どんなスキルセットの人が必要なの? どんなスキルセットの人が必要なの? どんなスキルセットの人が必要なの? どんなスキルセットの人が必要なの? どんなスキルセットの人が必要なの? どんなスキルセットの人が必要なの? どうやったらプロジェクトがうまくいくの? どうやったらプロジェクトがうまくいくの? どうやったらプロジェクトがうまくいくの? どうやったらプロジェクトがうまくいくの? どうやったらプロジェクトがうまくいくの? どうやったらプロジェクトがうまくいくの?                   14 / 32
  10. 今日話さないこと 今日話さないこと 今日話さないこと 今日話さないこと 今日話さないこと 今日話さないこと 機械学習の中身の話 機械学習の中身の話 機械学習の中身の話 機械学習の中身の話

    機械学習の中身の話 機械学習の中身の話 数式 数式 数式 数式 数式 数式 実装 実装 実装 実装 実装 実装 アルゴリズムの詳細 アルゴリズムの詳細 アルゴリズムの詳細 アルゴリズムの詳細 アルゴリズムの詳細 アルゴリズムの詳細                   15 / 32
  11. 機械学習とは 機械学習とは 機械学習とは 機械学習とは 機械学習とは 機械学習とは 機械( コンピュータ) がデータから様々なパターンを学習する 機械(

    コンピュータ) がデータから様々なパターンを学習する 機械( コンピュータ) がデータから様々なパターンを学習する 機械( コンピュータ) がデータから様々なパターンを学習する 機械( コンピュータ) がデータから様々なパターンを学習する 機械( コンピュータ) がデータから様々なパターンを学習する こと こと こと こと こと こと 人間がやっているようなファジーな判断を機械ができる 人間がやっているようなファジーな判断を機械ができる 人間がやっているようなファジーな判断を機械ができる 人間がやっているようなファジーな判断を機械ができる 人間がやっているようなファジーな判断を機械ができる 人間がやっているようなファジーな判断を機械ができる テキストと写真から情報を読み取る テキストと写真から情報を読み取る テキストと写真から情報を読み取る テキストと写真から情報を読み取る テキストと写真から情報を読み取る テキストと写真から情報を読み取る if 文をがんばって書いても処理できない if 文をがんばって書いても処理できない if 文をがんばって書いても処理できない if 文をがんばって書いても処理できない if 文をがんばって書いても処理できない if 文をがんばって書いても処理できない 人間が処理しきれないような量を処理できる 人間が処理しきれないような量を処理できる 人間が処理しきれないような量を処理できる 人間が処理しきれないような量を処理できる 人間が処理しきれないような量を処理できる 人間が処理しきれないような量を処理できる 大量のデータを一度に考慮する 大量のデータを一度に考慮する 大量のデータを一度に考慮する 大量のデータを一度に考慮する 大量のデータを一度に考慮する 大量のデータを一度に考慮する 同じ判断を何億回も繰り返す 同じ判断を何億回も繰り返す 同じ判断を何億回も繰り返す 同じ判断を何億回も繰り返す 同じ判断を何億回も繰り返す 同じ判断を何億回も繰り返す                                           16 / 32
  12. 機械学習をやってる企業は2 通り 機械学習をやってる企業は2 通り 機械学習をやってる企業は2 通り 機械学習をやってる企業は2 通り 機械学習をやってる企業は2 通り

    機械学習をやってる企業は2 通り 機械学習技術を 機械学習技術を 機械学習技術を 機械学習技術を 機械学習技術を 機械学習技術を 作る企業 作る企業 作る企業 作る企業 作る企業 作る企業 Google, PFN(Prefeered Networks) Google, PFN(Prefeered Networks) Google, PFN(Prefeered Networks) Google, PFN(Prefeered Networks) Google, PFN(Prefeered Networks) Google, PFN(Prefeered Networks) 機械学習でできることを増やす 機械学習でできることを増やす 機械学習でできることを増やす 機械学習でできることを増やす 機械学習でできることを増やす 機械学習でできることを増やす 使う企業 使う企業 使う企業 使う企業 使う企業 使う企業 ハウスマート ハウスマート ハウスマート ハウスマート ハウスマート ハウスマート, その他多くのWeb 企業 , その他多くのWeb 企業 , その他多くのWeb 企業 , その他多くのWeb 企業 , その他多くのWeb 企業 , その他多くのWeb 企業 自分たちのビジネス課題を( 必要な時に適切な) 機械学習の手 自分たちのビジネス課題を( 必要な時に適切な) 機械学習の手 自分たちのビジネス課題を( 必要な時に適切な) 機械学習の手 自分たちのビジネス課題を( 必要な時に適切な) 機械学習の手 自分たちのビジネス課題を( 必要な時に適切な) 機械学習の手 自分たちのビジネス課題を( 必要な時に適切な) 機械学習の手 法を用いて解決する 法を用いて解決する 法を用いて解決する 法を用いて解決する 法を用いて解決する 法を用いて解決する                                     17 / 32
  13. 最先端の技術 <<< 課題を解決する 最先端の技術 <<< 課題を解決する 最先端の技術 <<< 課題を解決する 最先端の技術

    <<< 課題を解決する 最先端の技術 <<< 課題を解決する 最先端の技術 <<< 課題を解決する できれば低コストで できれば低コストで できれば低コストで できれば低コストで できれば低コストで できれば低コストで 18 / 32
  14. 機械学習を使う上でのコツ 機械学習を使う上でのコツ 機械学習を使う上でのコツ 機械学習を使う上でのコツ 機械学習を使う上でのコツ 機械学習を使う上でのコツ 本日は3 つお話しします 本日は3 つお話しします

    本日は3 つお話しします 本日は3 つお話しします 本日は3 つお話しします 本日は3 つお話しします どこに使うか? どこに使うか? どこに使うか? どこに使うか? どこに使うか? どこに使うか? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント                   19 / 32
  15. どこに機械学習を使うか? どこに機械学習を使うか? どこに機械学習を使うか? どこに機械学習を使うか? どこに機械学習を使うか? どこに機械学習を使うか? AI/ 機械学習で何する? AI/ 機械学習で何する?

    AI/ 機械学習で何する? AI/ 機械学習で何する? AI/ 機械学習で何する? AI/ 機械学習で何する? チャットボット!!!! チャットボット!!!! チャットボット!!!! チャットボット!!!! チャットボット!!!! チャットボット!!!! 犬猫の画像を分類 犬猫の画像を分類 犬猫の画像を分類 犬猫の画像を分類 犬猫の画像を分類 犬猫の画像を分類 ちょっと待って! ちょっと待って! ちょっと待って! ちょっと待って! ちょっと待って! ちょっと待って!             20 / 32
  16. どこに機械学習を使うか? どこに機械学習を使うか? どこに機械学習を使うか? どこに機械学習を使うか? どこに機械学習を使うか? どこに機械学習を使うか? ビジネスは基本的に ビジネスは基本的に ビジネスは基本的に ビジネスは基本的に

    ビジネスは基本的に ビジネスは基本的に 1 1 1 1 1 1. . . . . . 売上を上げる 売上を上げる 売上を上げる 売上を上げる 売上を上げる 売上を上げる 2 2 2 2 2 2. . . . . . コストを下げる コストを下げる コストを下げる コストを下げる コストを下げる コストを下げる その中で その中で その中で その中で その中で その中で 普通のプログラムで出来ないが人間は出来るファジーな判断 普通のプログラムで出来ないが人間は出来るファジーな判断 普通のプログラムで出来ないが人間は出来るファジーな判断 普通のプログラムで出来ないが人間は出来るファジーな判断 普通のプログラムで出来ないが人間は出来るファジーな判断 普通のプログラムで出来ないが人間は出来るファジーな判断 を伴うもの を伴うもの を伴うもの を伴うもの を伴うもの を伴うもの 人間がやるとコストがかかる or データ/ 回数が莫大でやりき 人間がやるとコストがかかる or データ/ 回数が莫大でやりき 人間がやるとコストがかかる or データ/ 回数が莫大でやりき 人間がやるとコストがかかる or データ/ 回数が莫大でやりき 人間がやるとコストがかかる or データ/ 回数が莫大でやりき 人間がやるとコストがかかる or データ/ 回数が莫大でやりき れないもの れないもの れないもの れないもの れないもの れないもの             21 / 32
  17. カウルの例で考えると カウルの例で考えると カウルの例で考えると カウルの例で考えると カウルの例で考えると カウルの例で考えると マンションの推定相場が機械学習でわかる! マンションの推定相場が機械学習でわかる! マンションの推定相場が機械学習でわかる! マンションの推定相場が機械学習でわかる!

    マンションの推定相場が機械学習でわかる! マンションの推定相場が機械学習でわかる! 機能で集客効果! 機能で集客効果! 機能で集客効果! 機能で集客効果! 機能で集客効果! 機能で集客効果! ユーザの不安を払拭して意思決定を後押し ユーザの不安を払拭して意思決定を後押し ユーザの不安を払拭して意思決定を後押し ユーザの不安を払拭して意思決定を後押し ユーザの不安を払拭して意思決定を後押し ユーザの不安を払拭して意思決定を後押し 人間が査定するのめっちゃ大変 人間が査定するのめっちゃ大変 人間が査定するのめっちゃ大変 人間が査定するのめっちゃ大変 人間が査定するのめっちゃ大変 人間が査定するのめっちゃ大変 人間が査定する時は似た案件を3-4 件参照 人間が査定する時は似た案件を3-4 件参照 人間が査定する時は似た案件を3-4 件参照 人間が査定する時は似た案件を3-4 件参照 人間が査定する時は似た案件を3-4 件参照 人間が査定する時は似た案件を3-4 件参照 機械学習なら大量の履歴データを全て参照 機械学習なら大量の履歴データを全て参照 機械学習なら大量の履歴データを全て参照 機械学習なら大量の履歴データを全て参照 機械学習なら大量の履歴データを全て参照 機械学習なら大量の履歴データを全て参照                               22 / 32
  18. 100% の精度が必要なものに使わない 100% の精度が必要なものに使わない 100% の精度が必要なものに使わない 100% の精度が必要なものに使わない 100% の精度が必要なものに使わない

    100% の精度が必要なものに使わない 100% の精度は出ない 100% の精度は出ない 100% の精度は出ない 100% の精度は出ない 100% の精度は出ない 100% の精度は出ない 精度を100% にしようとするとものすごくコストがかかる 精度を100% にしようとするとものすごくコストがかかる 精度を100% にしようとするとものすごくコストがかかる 精度を100% にしようとするとものすごくコストがかかる 精度を100% にしようとするとものすごくコストがかかる 精度を100% にしようとするとものすごくコストがかかる 23 / 32
  19. エラーを許容するために エラーを許容するために エラーを許容するために エラーを許容するために エラーを許容するために エラーを許容するために 確率的に怪しいものは人の目でチェック 確率的に怪しいものは人の目でチェック 確率的に怪しいものは人の目でチェック 確率的に怪しいものは人の目でチェック

    確率的に怪しいものは人の目でチェック 確率的に怪しいものは人の目でチェック 人間が結果を修正しやすい作りに 人間が結果を修正しやすい作りに 人間が結果を修正しやすい作りに 人間が結果を修正しやすい作りに 人間が結果を修正しやすい作りに 人間が結果を修正しやすい作りに ルールを設定できるところを作る ルールを設定できるところを作る ルールを設定できるところを作る ルールを設定できるところを作る ルールを設定できるところを作る ルールを設定できるところを作る 修正したデータを再度学習にフィードバック 修正したデータを再度学習にフィードバック 修正したデータを再度学習にフィードバック 修正したデータを再度学習にフィードバック 修正したデータを再度学習にフィードバック 修正したデータを再度学習にフィードバック                         24 / 32
  20. どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? 機械学習エンジニア 機械学習エンジニア 機械学習エンジニア 機械学習エンジニア

    機械学習エンジニア 機械学習エンジニア 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける                   25 / 32
  21. どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? 機械学習エンジニア 機械学習エンジニア 機械学習エンジニア 機械学習エンジニア

    機械学習エンジニア 機械学習エンジニア 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の タスクがいっぱい タスクがいっぱい タスクがいっぱい タスクがいっぱい タスクがいっぱい タスクがいっぱい                               26 / 32
  22. どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? 機械学習エンジニア 機械学習エンジニア 機械学習エンジニア 機械学習エンジニア

    機械学習エンジニア 機械学習エンジニア 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! 機械学習のアルゴリズムが分かる!実装できる! アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションが書ける アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の サービスに取り入れるには機械学習のアルゴリズム以外の タスクがいっぱい タスクがいっぱい タスクがいっぱい タスクがいっぱい タスクがいっぱい タスクがいっぱい アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ 機械学習とエンジニアリングとビジネスを結びつける 機械学習とエンジニアリングとビジネスを結びつける 機械学習とエンジニアリングとビジネスを結びつける 機械学習とエンジニアリングとビジネスを結びつける 機械学習とエンジニアリングとビジネスを結びつける 機械学習とエンジニアリングとビジネスを結びつける                                           27 / 32
  23. アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムのプロダクトマネージャ アルゴリズムのプロダクトマネージャ アルゴリズムのプロダクトマネージャ アルゴリズムのプロダクトマネージャ

    アルゴリズムのプロダクトマネージャ アルゴリズムのプロダクトマネージャ Scouty さんが提唱 Scouty さんが提唱 Scouty さんが提唱 Scouty さんが提唱 Scouty さんが提唱 Scouty さんが提唱 機械学習の技術的難しさ ↔ ビジネスへのインパクト 機械学習の技術的難しさ ↔ ビジネスへのインパクト 機械学習の技術的難しさ ↔ ビジネスへのインパクト 機械学習の技術的難しさ ↔ ビジネスへのインパクト 機械学習の技術的難しさ ↔ ビジネスへのインパクト 機械学習の技術的難しさ ↔ ビジネスへのインパクト おそらく今一番足りてない人材 おそらく今一番足りてない人材 おそらく今一番足りてない人材 おそらく今一番足りてない人材 おそらく今一番足りてない人材 おそらく今一番足りてない人材 ↓Scouty さんのブログ( 面白いので是非) ↓Scouty さんのブログ( 面白いので是非) ↓Scouty さんのブログ( 面白いので是非) ↓Scouty さんのブログ( 面白いので是非) ↓Scouty さんのブログ( 面白いので是非) ↓Scouty さんのブログ( 面白いので是非) https://ai-lab.scouty.co.jp/ai-biz/algorithm-manager/ https://ai-lab.scouty.co.jp/ai-biz/algorithm-manager/ https://ai-lab.scouty.co.jp/ai-biz/algorithm-manager/ https://ai-lab.scouty.co.jp/ai-biz/algorithm-manager/ https://ai-lab.scouty.co.jp/ai-biz/algorithm-manager/ https://ai-lab.scouty.co.jp/ai-biz/algorithm-manager/                         28 / 32
  24. アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ 求められるスキル 求められるスキル 求められるスキル 求められるスキル

    求められるスキル 求められるスキル 一通りの機械学習のアルゴリズムの知識 一通りの機械学習のアルゴリズムの知識 一通りの機械学習のアルゴリズムの知識 一通りの機械学習のアルゴリズムの知識 一通りの機械学習のアルゴリズムの知識 一通りの機械学習のアルゴリズムの知識 AI / ML 系のライブラリ・クラウドサービスの知識 AI / ML 系のライブラリ・クラウドサービスの知識 AI / ML 系のライブラリ・クラウドサービスの知識 AI / ML 系のライブラリ・クラウドサービスの知識 AI / ML 系のライブラリ・クラウドサービスの知識 AI / ML 系のライブラリ・クラウドサービスの知識 経営や事業上のKPI への理解 経営や事業上のKPI への理解 経営や事業上のKPI への理解 経営や事業上のKPI への理解 経営や事業上のKPI への理解 経営や事業上のKPI への理解 PDM に求められる能力( ビジョン設定/ 意思決定/ コミュニケー PDM に求められる能力( ビジョン設定/ 意思決定/ コミュニケー PDM に求められる能力( ビジョン設定/ 意思決定/ コミュニケー PDM に求められる能力( ビジョン設定/ 意思決定/ コミュニケー PDM に求められる能力( ビジョン設定/ 意思決定/ コミュニケー PDM に求められる能力( ビジョン設定/ 意思決定/ コミュニケー ション) ション) ション) ション) ション) ション)                         29 / 32
  25. カウルでの体制 カウルでの体制 カウルでの体制 カウルでの体制 カウルでの体制 カウルでの体制 機械学習エンジニア 機械学習エンジニア 機械学習エンジニア 機械学習エンジニア

    機械学習エンジニア 機械学習エンジニア 外部の副業の方 外部の副業の方 外部の副業の方 外部の副業の方 外部の副業の方 外部の副業の方 既存システムとの依存が少ない、タスクを切り出しやすい 既存システムとの依存が少ない、タスクを切り出しやすい 既存システムとの依存が少ない、タスクを切り出しやすい 既存システムとの依存が少ない、タスクを切り出しやすい 既存システムとの依存が少ない、タスクを切り出しやすい 既存システムとの依存が少ない、タスクを切り出しやすい アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア アプリケーションエンジニア 社員のエンジニア 社員のエンジニア 社員のエンジニア 社員のエンジニア 社員のエンジニア 社員のエンジニア アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ アルゴリズムマネージャ 社員のPDM( 自分でやることが多い) 社員のPDM( 自分でやることが多い) 社員のPDM( 自分でやることが多い) 社員のPDM( 自分でやることが多い) 社員のPDM( 自分でやることが多い) 社員のPDM( 自分でやることが多い)                                           30 / 32
  26. プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント 小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく

    小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく 普通の開発プロジェクトよりさらに「不確実性」が高い 普通の開発プロジェクトよりさらに「不確実性」が高い 普通の開発プロジェクトよりさらに「不確実性」が高い 普通の開発プロジェクトよりさらに「不確実性」が高い 普通の開発プロジェクトよりさらに「不確実性」が高い 普通の開発プロジェクトよりさらに「不確実性」が高い 実際のデータで試してみないと精度が出るかわからない 実際のデータで試してみないと精度が出るかわからない 実際のデータで試してみないと精度が出るかわからない 実際のデータで試してみないと精度が出るかわからない 実際のデータで試してみないと精度が出るかわからない 実際のデータで試してみないと精度が出るかわからない エラーケースの検知と修正 エラーケースの検知と修正 エラーケースの検知と修正 エラーケースの検知と修正 エラーケースの検知と修正 エラーケースの検知と修正 イテレーションで試していって不確実性を下げていく イテレーションで試していって不確実性を下げていく イテレーションで試していって不確実性を下げていく イテレーションで試していって不確実性を下げていく イテレーションで試していって不確実性を下げていく イテレーションで試していって不確実性を下げていく 実験 → 検証 → 実験 → 検証 →...→ プロジェクト化 実験 → 検証 → 実験 → 検証 →...→ プロジェクト化 実験 → 検証 → 実験 → 検証 →...→ プロジェクト化 実験 → 検証 → 実験 → 検証 →...→ プロジェクト化 実験 → 検証 → 実験 → 検証 →...→ プロジェクト化 実験 → 検証 → 実験 → 検証 →...→ プロジェクト化 許容の精度に入ったらプロダクションへ 許容の精度に入ったらプロダクションへ 許容の精度に入ったらプロダクションへ 許容の精度に入ったらプロダクションへ 許容の精度に入ったらプロダクションへ 許容の精度に入ったらプロダクションへ                                     31 / 32
  27. 機械学習をサービスに活かすには( まとめ) 機械学習をサービスに活かすには( まとめ) 機械学習をサービスに活かすには( まとめ) 機械学習をサービスに活かすには( まとめ) 機械学習をサービスに活かすには( まとめ)

    機械学習をサービスに活かすには( まとめ) どこに使うか? どこに使うか? どこに使うか? どこに使うか? どこに使うか? どこに使うか? ビジネスの売上を上げるか、コストを下げる ビジネスの売上を上げるか、コストを下げる ビジネスの売上を上げるか、コストを下げる ビジネスの売上を上げるか、コストを下げる ビジネスの売上を上げるか、コストを下げる ビジネスの売上を上げるか、コストを下げる 人間にしか出来ない難易度で人間に出来ない量 人間にしか出来ない難易度で人間に出来ない量 人間にしか出来ない難易度で人間に出来ない量 人間にしか出来ない難易度で人間に出来ない量 人間にしか出来ない難易度で人間に出来ない量 人間にしか出来ない難易度で人間に出来ない量 どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? どんなスキルセットの人が必要か? 機械学習エンジニア、アプリケーションエンジニア 機械学習エンジニア、アプリケーションエンジニア 機械学習エンジニア、アプリケーションエンジニア 機械学習エンジニア、アプリケーションエンジニア 機械学習エンジニア、アプリケーションエンジニア 機械学習エンジニア、アプリケーションエンジニア アルゴリズムマネージャ → ビジネスとのバランスをとる役割 アルゴリズムマネージャ → ビジネスとのバランスをとる役割 アルゴリズムマネージャ → ビジネスとのバランスをとる役割 アルゴリズムマネージャ → ビジネスとのバランスをとる役割 アルゴリズムマネージャ → ビジネスとのバランスをとる役割 アルゴリズムマネージャ → ビジネスとのバランスをとる役割 プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント プロジェクトにするときのポイント 小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく 小さく初めて実験しながら進めていく 少しずつ実験して「不確実性」を減らしていく 少しずつ実験して「不確実性」を減らしていく 少しずつ実験して「不確実性」を減らしていく 少しずつ実験して「不確実性」を減らしていく 少しずつ実験して「不確実性」を減らしていく 少しずつ実験して「不確実性」を減らしていく                                                       32 / 32