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
XP に取り組むデータサイエンティストが思うこと
Search
Kenji Tanaka
March 29, 2023
Programming
1
570
XP に取り組むデータサイエンティストが思うこと
Kenji Tanaka
March 29, 2023
Tweet
Share
Other Decks in Programming
See All in Programming
Perlで痩せる
yuukis
1
680
「ElixirでIoT!!」のこれまでとこれから
takasehideki
0
340
Haskell でアルゴリズムを抽象化する / 関数型言語で競技プログラミング
naoya
16
3.7k
ReadMoreTextView
fornewid
0
260
無関心の谷
kanayannet
0
160
ASP.NETアプリケーションのモダナイズ インフラ編
tomokusaba
0
150
Julia という言語について (FP in Julia « SIDE: F ») for 関数型まつり2025
antimon2
3
900
Gleamという選択肢
comamoca
6
670
SODA - FACT BOOK
sodainc
1
800
ワイがおすすめする新潟の食 / 20250530phpconf-niigata-eve
kasacchiful
0
300
インターフェース設計のコツとツボ
togishima
2
690
Practical Tips and Tricks for Working with Compose Multiplatform Previews (mDevCamp 2025)
stewemetal
0
120
Featured
See All Featured
BBQ
matthewcrist
89
9.7k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
46
9.6k
Code Reviewing Like a Champion
maltzj
524
40k
Agile that works and the tools we love
rasmusluckow
329
21k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
For a Future-Friendly Web
brad_frost
179
9.8k
Automating Front-end Workflow
addyosmani
1370
200k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
331
22k
Large-scale JavaScript Application Architecture
addyosmani
512
110k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
252
21k
Why Our Code Smells
bkeepers
PRO
337
57k
Java REST API Framework Comparison - PWX 2021
mraible
31
8.6k
Transcript
XP に取り組む データサイエンティストが思うこと 2023/03/28 田中 賢治
自己紹介 田中 賢治 • 2021/03 Uzabase 入社(3社目) • データサイエンスを始めたきっかけ: 2社目で悪質コメント分類のプロジェクト
を担当した時。それまでは Rails でバック エンドの開発をやってました。 • 趣味: 大学(UEC夜間在学中) • 最近ハマっていること: 大量の鶏皮から鶏油を抽出すること 2
3 初めての技術イベント登壇です。 暖かい目で見ていただけると嬉しいです。
この発表で伝えたいこと 4
データサイエンティストに対しても XP はいいぞ! 5
データサイエンティストのつらみ 6
1. PoC死 2. データを集めるのが大変 3. プロダクトへの組み込みが大変 4. … データサイエンティストのつらみ 7
1. PoC死 2. データを集めるのが大変 3. プロダクトへの組み込みが大変 4. … データサイエンティストのつらみ 8
XP で解消される 話をします
1. PoC死 9
1. PoC死 10 中島 洋一 . “AI導入の失敗あるある、「 PoC死」の罠とは。” . NewsPicks
. 2020/01/14 . https://newspicks.com/news/4494535/body/ “例えばよくあるのが「とりあえず作ってみよう。PoCの精度は 高ければ高いほどいいね!」とゴールが曖昧なままスタートす ることがあります。これでは、機械学習エンジニアとプラン ナー、マネージャーとで認識が違った状態でプロジェクトが進 んでしまいます。そしてPoCを作った後に、こうした認識の違い が明らかになり、炎上に近い「PoC死」を招くのです。”
1. PoC死 11 ゴールが曖昧なまま スタート ↓ 認識が違った状態で プロジェクトが進む ↓ PoC実装後に認識の違いが
明らかになり炎上
1. PoC死 12 XP があると なぜ「PoC死」しない??
1. PoC死 13 ストーリー 週次サイクル
1. PoC死 14 ゴールが曖昧なまま スタート ↓ 認識が違った状態で プロジェクトが進む ↓ PoC実装後に認識の違いが
明らかになり炎上 XP があると... 「ストーリー」でユーザーの価値 を明文化 ↓ 「週次サイクル」でゴールの認識 が揃った状態を保つ ↓ 「PoC死」しない
プロダクトマネー ジャーは mecab-ipadic-NEolo gd を辞書に指定した 業界推定モデルを訓 練した時のスコアを 知っている。 1. PoC死
15 ストーリー = ユーザーの価値を明文化したチケットのようなもの→ ビジ ネスサイドにも伝わる ユーザーは SPEEDA で企業情 報に新語を多く含む 企業に正しく業界が 紐づいていることを確 認できる。 実験のストーリーの例 実装のストーリーの例 NEologd を辞書にして実験 新語を扱うモデルになってる か確認 →
1. PoC死 16 週次サイクル → ゴールに向かってフィードバックサイクルを回す 実験 評価 フィードバック 実装
良い精度が出たら … … … … 施策のたびに実験のストーリーを書く ストーリー書く
1. PoC死 17 フィードバックサイクルを回して ユーザーに価値を届ける!
2. データを集めるのが大変 18
2. データを集めるのが大変 19 • データの居場所がわからない • アクセス権限をもらうための社内調整が大変 → チーム間連携の壁に阻まれる
2. データを集めるのが大変 XP はどうやって チーム間連携の壁を 超えているのか?? 20
全員同席 2. データを集めるのが大変 21
2. データを集めるのが大変 22 Product Team ソフトウェアエンジニア( SwE) データサイエンティスト( DS) サイトリライアビリティエンジニア(
SRE) テストエンジニア(TE) → Gather (リモートオフィス)に全員同席
23
24 SRE SwE + TE DS SwE + TE SwE
+ TE SwE + TE
わからないことは サクッと聞いて サクッと解決! → XP のバリューを共有しているからこそできること 2. データを集めるのが大変 25
2. データを集めるのが大変 26 XP のバリュー 1. コミュニケーション 2. シンプリシティ 3.
フィードバック 4. 勇気 5. リスペクト
3. プロダクトへの組み込みが大変 27
3. プロダクトへの組み込みが大変 28 • プロダクトによってインフラが違う • プロダクトによって言語が違う → スキルの壁に阻まれる
3. プロダクトへの組み込みが大変 29 XP はどうやって スキルの壁を 超えているのか??
3. プロダクトへの組み込みが大変 30 ペアプロ
3. プロダクトへの組み込みが大変 31 Product Team XP ソフトウェアエンジニア( SwE) データサイエンティスト( DS)
サイトリライアビリティエンジニア( SRE) テストエンジニア(TE)
3. プロダクトへの組み込みが大変 32 Product Team XP ソフトウェアエンジニア( SwE) テストエンジニア(TE) データサイエンティスト(
DS) サイトリライアビリティエンジニア( SRE) 「バリュー」「原則」「プラクティス」 の共有 • 常時ペアプロ • 常時 TDD • トランクベース開発 • 継続的デリバリー • ストーリー • 週次サイクル • 四半期サイクル • 朝会 • ふりかえり • …
3. プロダクトへの組み込みが大変 33 Product Team XP ソフトウェアエンジニア( SwE) テストエンジニア(TE) データサイエンティスト(
DS) サイトリライアビリティエンジニア( SRE) 「バリュー」「原則」「プラクティス」の 共有 • 常時ペアプロ • 常時 TDD • トランクベース開発 • 継続的デリバリー • ストーリー • 週次サイクル • 四半期サイクル • 朝会 • ふりかえり • … → 「プラクティス」を通じた連携 → 職種を超えたペアプロ
3. プロダクトへの組み込みが大変 34 スキルを補完し合い 相乗効果で成果を出す!
まとめ 35 データサイエンティストのつらみ PoC死 データを集めるのが大変 プロダクトへの組み込みが大変 ストーリー 週次サイクル 全員同席 ペアプロ
有効なプラクティス フィードバックサイクルを回して ユーザーに価値を届ける! わからないことは サクッと聞いてサクッと解決! スキルを補完し合い 相乗効果で成果を出す! 目指すもの
とはいえ、、 XP で全てが解決できるわけではない 36
37 精度を評価 R&D 実装 プロダクトマネージャー は mecab-ipadic-NEologd を辞書に指定した業界 推定モデルを訓練した 時のスコアを知ってい
る。 ユーザーは SPEEDA で企業情報に新語を多 く含む企業に正しく業界 が紐づいていることを 確認できる。 実験の実装 実験を実行し てスコアを出 力 精度が良かったら CD パイプライン - モデル訓練 - モデルリリース - API デプロイ TDD で実装 CI パイプライン - 自動テスト
38 精度を評価 R&D 実装 プロダクトマネージャー は mecab-ipadic-NEologd を辞書に指定した業界 推定モデルを訓練した 時のスコアを知ってい
る。 ユーザーは SPEEDA で企業情報に新語を多 く含む企業に正しく業界 が紐づいていることを 確認できる。 実験の実装 実験を実行し てスコアを出 力 精度が良かったら CD パイプライン - モデル訓練 - モデルリリース - API デプロイ TDD で実装 CI パイプライン - 自動テスト
39 精度を評価 R&D 実装 プロダクトマネージャー は mecab-ipadic-NEologd を辞書に指定した業界 推定モデルを訓練した 時のスコアを知ってい
る。 ユーザーは SPEEDA で企業情報に新語を多 く含む企業に正しく業界 が紐づいていることを 確認できる。 実験の実装 実験を実行し てスコアを出 力 精度が良かったら CD パイプライン - モデル訓練 - モデルリリース - API デプロイ TDD で実装 CI パイプライン - 自動テスト CD4ML ???