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
訪日観光客の激増と人口減少にいかに備えるか / How to cope with the r...
Search
Kiyota Yoji, Ph.D.
June 23, 2018
Science
0
74
訪日観光客の激増と人口減少に いかに備えるか / How to cope with the rapid increase of tourists visiting Japan and population decrease
The 9th Social Computing Symposium (SoC 2018)
第9回ソーシャルコンピューティングシンポジウム
June 23, 2018
at LIFULL
Kiyota Yoji, Ph.D.
June 23, 2018
Tweet
Share
More Decks by Kiyota Yoji, Ph.D.
See All by Kiyota Yoji, Ph.D.
AIの視点からみた不動産のフロンティア / Frontiers of Real Estate from the Perspective of Artificial Intelligence
ykiyota
0
76
INFOSTA AI利活用研究会 (AISG-INFOSTA)のご紹介 / Introduction to AISG-INFOSTA
ykiyota
0
76
不動産情報サービスの研究開発における共有データ資源 / Shared data resources in research and development of real estate information services
ykiyota
0
340
JSAI 2023企画セッション「AI哲学マップ」企画の振り返り / JSAI 2023 Reflections on the AI Philosophy Map lecture series project
ykiyota
0
180
住まい探しの利便性向上にデータベース・情報アクセス技術が 果たした役割 / The Role of Database and Information Access Technology in Improving the Convenience of Housing Search
ykiyota
0
120
デジタル社会の行き着く先にライブラリアンが果たしうる役割を考える / Thinking about the role librarians can play in the destination of the digital society
ykiyota
0
1.9k
LIFULLアジェンダ -社会課題の発見と解決に向けた研究開発活動の紹介- / LIFULL Agenda -Research and development activities to discover and solve social issues-
ykiyota
0
310
JSAI 2022チュートリアル講演 AI哲学マップ / JSAI 2022 Tutorial "AI Philosophy Map"
ykiyota
1
850
不動産コンテンツ研究における異分野研究者との協働の取り組み / Collaborative efforts with researchers from different fields for real estate content studies
ykiyota
1
120
Other Decks in Science
See All in Science
ガウス過程回帰とベイズ最適化
nearme_tech
PRO
1
200
Valuable Lessons Learned on Kaggle’s ARC AGI LLM Challenge (PyDataGlobal 2024)
ianozsvald
0
250
創薬における機械学習技術について
kanojikajino
16
5k
ベイズ最適化をゼロから
brainpadpr
2
1.1k
統計的因果探索: 背景知識とデータにより因果仮説を探索する
sshimizu2006
3
690
Machine Learning for Materials (Challenge)
aronwalsh
0
220
解説!データ基盤の進化を後押しする手順とタイミング
shomaekawa
1
410
位相的データ解析とその応用例
brainpadpr
1
1k
白金鉱業Meetup Vol.16_数理最適化案件のはじめかた・すすめかた
brainpadpr
3
1.4k
Analysis-Ready Cloud-Optimized Data for your community and the entire world with Pangeo-Forge
jbusecke
0
130
はじめてのバックドア基準:あるいは、重回帰分析の偏回帰係数を因果効果の推定値として解釈してよいのか問題
takehikoihayashi
2
1.4k
Coqで選択公理を形式化してみた
soukouki
0
300
Featured
See All Featured
Understanding Cognitive Biases in Performance Measurement
bluesmoon
27
1.6k
StorybookのUI Testing Handbookを読んだ
zakiyama
28
5.5k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
33
2.1k
VelocityConf: Rendering Performance Case Studies
addyosmani
328
24k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
193
16k
Documentation Writing (for coders)
carmenintech
68
4.6k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Designing for humans not robots
tammielis
250
25k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
How to Think Like a Performance Engineer
csswizardry
22
1.4k
BBQ
matthewcrist
87
9.5k
GraphQLの誤解/rethinking-graphql
sonatard
69
10k
Transcript
๚؍ޫ٬ͷܹ૿ͱਓޱݮগʹ ͍͔ʹඋ͑Δ͔ʁ ʵෆಈ࢈ࢿࢢͷมֵγΣΞϦϯάΤίϊϛʔ׆ੑԽʹ ιʔγϟϧίϯϐϡʔςΟϯά͕ՌͨͤΔׂʵ L I F UL L L
a bɹओ੮ݚڀһ ਗ਼ాɹཅ࢘ 2018.06.23ɹ ୈ9ճίϯϐϡʔςΟϯάγϯϙδϜ Copyright© LIFULL All Rights Reserved.
ਗ਼ా ཅ࢘ LIFULL Lab ओ੮ݚڀһ Ԭݝੜ·Ε→େֶ(Ӄ)ˏژ→౦ژ ؔ৺: ࣗવݴޠॲཧԠ༻ → ݕࡧɾਪન
→ ใϦςϥγʔ (ਤॻؗ) → ੜ׆ྖҬ (ෆಈ࢈ɺհޢ etc.) ͰͷϝσΟΞٕज़׆༻ (ը૾ղੳؚΉ) ܦྺ: େֶڭһ → ݉ۀͰىۀ → ͦͪΒ͕ຊۀʹ → ങऩ ର֎త׆ಈ • ใॲཧֶձσʔλϕʔεγεςϜݚڀձ װࣄʢ࢈ֶ࿈ܞɾࣾձ࿈ ܞʣ • WebDB Forum ࢈ֶ࿈ܞ୲װࣄ • ਓೳֶձ ฤूҕһձ ෭ҕһ • Code4Lib JAPANڞಉද etc. 2
LIFULLάϧʔϓʹ͍ͭͯ Ԋֵ • 1997 גࣜձࣾωΫετઃཱ • 2006 ౦ূϚβʔζ্ • 2010
౦ূୈҰ෦ʹࢢมߋ • 2017 גࣜձࣾLIFULLʹ໊ࣾมߋ ֓ཁ • ࿈݁ച্ߴɹ299ԯԁʢ20173݄ظʣ • ओྗࣄۀ • ૯ܝࡌ݅No.1ͷෆಈ࢈ɾॅใαΠτ ʮLIFULL HOME’SʯͷӡӦ • ͦͷଞࣄۀ • LIFULLϒϥϯυʹΑΔੜ׆ີணܕใαʔϏ εͷఏڙ • Trovit: ੈք50ϲࠃ͚ʹల։͢Δෆಈ࢈ɾத ݹंɾٻ৬ใͷΞάϦήʔγϣϯαʔϏε ɹʢຊࣾ: εϖΠϯɾόϧηϩφʣ 3
4
LIFULL Lab (ϦοςϧϥϘϥτϦʔ) • ϧʔπ2007ઃཱͷ ౦ژେֶൃελʔτ Ξοϓ (ג)Ϧοςϧ • ෆಈ࢈ςοΫͳͲʹؔ
ΘΔ࠷ઌٕज़ͷR&D • Ϩίϝϯσʔγϣϯ • AIؔ࿈ٕज़ʢσΟʔ ϓϥʔχϯάͳͲʣ • ϢʔβʔΠϯλ ϑΣʔε (UX) • VR / AR / MR ৽ײ͓֮෦୳͠ΞϓϦ )0.&`4ϔϠαΫʂ ෦࡞ΓγϛϡϨʔγϣϯ (3*%73*$, 5
ࠃͷିෆಈ࢈݅σʔλ 530ສ݅ • ॴࡏ (༣ศ൪߸ɺ࠷دΓӺͳͲ) • ྉɺ໘ੵɺஙɺ෦λΠϓ etc. • ݐߏ
(ɺమࠎɺమےίϯΫϦʔτ etc.) • ֤छͩ͜ΘΓ݅ (ϖοτՄɺָثɺΧ ϯλʔΩονϯɺόεɾτΠϨผ etc.) 物件画像 約8300万点 間取り図 約510万点 重厚な感じの エントランス 日当たりの 良いリビング • 国立情報学研究所(NII) の協力を得て2015年11 月より提供開始 • 学術機関の研究者であ れば無料で利用可能 LIFULL HOME’Sσʔληοτ 6
ָఱLIFULL STAYגࣜձࣾ 7
8
Agenda • ๚؍ޫ٬ͷݱঢ় • ॓ധࢪઃ͓Αͼෆಈ࢈ࢢͷݱঢ় • ຽധͷݱঢ় • ՝ͷཧ •
ιʔγϟϧίϯϐϡʔςΟϯάͷظ • LIFULL Labʹ͓͚ΔιʔγϟϧίϯϐϡʔςΟϯά ݚڀͷऔΓΈ • ·ͱΊ 9
๚؍ޫ٬ͷݱঢ় 10
11
12
13
؍ޫி. 2017. ग़ೖࠃऀ. http://www.mlit.go.jp/kankocho/siryou/toukei/in_out.html 14
؍ޫி. 2017. ೖࠃऀϥϯΩϯά. http://www.mlit.go.jp/kankocho/siryou/toukei/ranking.html 15
؍ޫி. 2016. ʮ໌ͷຊΛࢧ͑Δ؍ޫϏδϣϯʯ֓ཁ. http://www.mlit.go.jp/kankocho/topics01_000205.html 16
॓ധࢪઃ͓Αͼෆಈ࢈ࢢͷݱঢ় 17
LIFULL HOME’S PRESS. 2016. ϗςϧ͕Γͳ͍ʂʁ๚֎ࠃਓཱྀߦ٬ٸ૿ʹΑΔ॓ധࢪઃࣄͱʁʙ॓ധཱྀߦ౷ܭௐࠪʙ https://www.homes.co.jp/cont/press/report/report_00149/ 18
LIFULL HOME’S PRESS. 2016. ϗςϧ͕Γͳ͍ʂʁ๚֎ࠃਓཱྀߦ٬ٸ૿ʹΑΔ॓ധࢪઃࣄͱʁʙ॓ധཱྀߦ౷ܭௐࠪʙ https://www.homes.co.jp/cont/press/report/report_00149/ 19
ෆಈ࢈ূ݊ࢿֹͷਪҠ 20 ෆಈ࢈ࢿࢢࡦ࠙ஊձ. 2016.ෆಈ࢈ࢿࢢͷઓུ ʙ2020 ʹ͚ͨඪͱ۩ମతऔʙ.
21 ෆಈ࢈ࢿࢢࡦ࠙ஊձ. 2016.ෆಈ࢈ࢿࢢͷઓུ ʙ2020 ʹ͚ͨඪͱ۩ମతऔʙ.
ۭ͖ՈͷਪҠͱকདྷ༧ଌ ʢגʣଜ૯߹ݚڀॴɹʮ2018ɺ2023ɺ2028͓Αͼ2033ʹ͓͚Δຊͷ૯ॅɾۭ͖Ոɾۭ͖Ոʢ૯ॅʹΊΔۭ͖Ոͷׂ߹ʣͷ༧ଌʯ 22
ฏʢʣ൛ߴྸࣾձനॻʢશମ൛ʣਤදΑΓൈਮ 23
24
ಓݝผ ۭ͖Ո 25 ૯ল౷ܭہ. ฏ25ॅɾ౷ܭௐࠪ݁Ռ
LIFULL HOME’S PRESS. 2017. ିՈͷண͕ٸ૿ɻͦͷഎܠͱʁʙฏ28ݐஙண౷ܭௐࠪʙ https://www.homes.co.jp/cont/press/report/report_00173/ 26
ຽധͷݱঢ় 27
28
؍ޫܦࡁ৽ฉ 2017.11.27 ʮ֎ࠃਓ؍ޫ٬ ຽധར༻7ਓʹ1ਓʯ 29
http://www.mlit.go.jp/kankocho/minpaku/ 30
ຊʹ͓͚Δ߹๏ຽധͷ3ܗଶ • ৽๏ຽധʢॅ॓ധࣄۀ๏ʣ • Ոओډॅܕ • Ոओෆࡏܕ • ؆қ॓ॴʢཱྀؗۀ๏ʣ •
ಛ۠ຽധʢࠃՈઓུಛ۠ʣ • େࡕࢢɺେా۠ͳͲ 31
ຽധ৽๏͕ରͱ͢Δ 3छྨͷࣄۀऀ http://www.mlit.go.jp/kankocho/minpaku/overview/minpaku/law1.html 32
৽๏ຽധΛӦΉཁ݅ʢҰ෦ʣ • ಓݝࣄͳͲͷಧग़ • ʮॅʯͰ͋Δ͜ͱʢॴɺཋࣨɺτΠϨͳͲʣ • ू߹ॅͷ߹ɺཧنʹ͓͍ͯຽധ͕ېࢭ͞Ε ͍ͯͳ͍͜ͱ • ফ๏ྩద߹௨ॻͷೖख
• ॅ॓ധཧۀऀͷҕୗ • 5ࣨҎ্ɺ͘͠Ոओෆࡏܕͷ߹ʹඞཁ • ؒ॓ധ180Ҏ • ॓ധऀ໊ͷཧ • ۤͳͲͷରԠ • etc. etc. 33
՝ͷཧ 34
՝ͷཧ • ܹ૿͢Δ֎ࠃਓ؍ޫ٬Λड͚ೖΕΔ॓ധࢪઃΛͲ ͷΑ͏ʹ૿͍͔ͯ͘͠ʁ • ۭ͖Ոͷ૿ՃΛͲͷΑ͏ʹ੍͍͔ͯ͘͠ʁ • ෆಈ࢈ࢿࢢͷมֵΛͲͷΑ͏ʹਐΊΔ͔ʁ • Ҭ͝ͱͷ࣮ͱຽധࢪઃͷ૿ՃΛͲͷΑ͏ʹௐ
ͤ͞Δ͔ʁ 35
ιʔγϟϧίϯϐϡʔςΟϯά ͷظ 36
ιʔγϟϧίϯϐϡʔςΟϯά ͷظ • Ҭ͝ͱʹҟͳΔ࣮Λࣔ͢σʔλΛಘΒΕΔ ͔ʁ • ෆಈ࢈ͷࢿઌஅʹཱ͔ͭʁ • ຽധͳͲγΣΞϦϯάΤίϊϛʔͷ׆ੑԽʹͭͳ͛Β ΕΔ͔ʁ
• Ҭʹ͓͚Δ߹ҙܗʹཱͯΒΕΔ͔ʁ 37
ݚڀࣄྫ:SNS͓ΑͼΫϥυιʔ γϯάʹΑͬͯ֗ͷงғؾՄࢹԽ ژେֶ΄͔ 100ninmap projectͱͷ ڞಉݚڀ 38
100ninmap projectˏژ ୈ1ճ ࡾɾ࢛ฤ ୈ2ճ ळͷࠧեཛྷࢁฤ 39
ΫϥυιʔγϯάͰਘͶͨ֗ͷง ғؾࢦඪ (ژࢢ36ΤϦΞ) 1. ੩͔ͰΏͬͨΓͱ͠ ͨҬ 2. ձతͰݱతͳ Ҭ 3.
͠Έۙॴ͖ͮ͋ ͍ͷັྗ͕͋ΔҬ 4. ࣏͕҆Α҆͘৺ͯ͠ ॅΊΔҬ 5. ֗ฒΈ෩ܠ͕ඒ͠ ͍Ҭ 6. ॅΜͰΈ͍ͨҬ 7. ަ௨͕ศརͳҬ 8. ങ͍ʹศརͳҬ 9. ڭҭڥ͕͍ͬͯ ΔҬ 40
3ΤϦΞͷงғؾൺֱ 41
݅୳͠ʹϑΥʔΧεͨ͠ ֗า͖ϫʔΫγϣοϓ ֶͷಓ ਞ 42
งғؾʹΑΔ݅ݕࡧΠϯλ ϑΣʔεͷࢼ࡞ 43
ಘΒΕͨݟ • ΤϦΞؒͰࢦඪΛൺֱ͢Δ͜ͱͰ৽ͨͳؾ͖ͮ • ࣮ࡍʹ֗า͖Λߦ͏͜ͱͰ͞Βʹଟ͘ͷ֗ͷັྗ͕ ൃݟ͞ΕΔ • ICTΛ׆༻ͯ͠ͲͷΑ͏ʹߦಈม༰Λى͔͜͢ʁ • ଟ༷Խͨ͠ݸਓͷՁ؍Λөͤ͞ΔͨΊʹɺ
ͬͱͨ͘͞Μͷࢦඪ͕ඞཁ • ͩ͜ΘΓͷ٤ళ͕ଟ͍֗ • ҿΈา͖Λָ͠ΊΔ֗ • etc. 44
·ͱΊ 45
·ͱΊ • ؍ޫ࢈ۀΛ৳ͨ͢ΊʹɺҬͷଟ༷ੑͷର Ԡ͕ඞཁ • ιʔγϟϧίϯϐϡʔςΟϯάΛ௨ͨ͡Ҭͷ࣮ͷ ਖ਼֬ͳѲՄೳ͔ʁ • Πϊϕʔγϣϯ͕ͳ͍Ҭੜ͖Εͳ͍ •
DBίϛϡχςΟͱͯ͠ͲͷΑ͏ʹߩݙͰ͖Δ͔ʁ 46