2016年08月12日

TechFeed Live#1 「そろそろ本気で始める機械学習」 with CodeIQ #TechFeed

2016.08.10に開催されたTechFeedのイベント?
最近マイブームの機械学習の勉強会メモ

『 TechFeed Live#1 「そろそろ本気で始める機械学習」 with CodeIQ - connpass http://techfeed.connpass.com/event/36298/ 』

TechFeed Liveとは

TechFeedとは、「最先端が、ここにある。」をキャッチフレーズとした、ITエンジニア向けの情報キュレーションアプリです。 TechFeed Liveは、そんなTechFeedをリアルワールドに出現させたいという思いから始めたエンジニア向けイベント。 最先端テクノロジーに関心のある皆様にとっての「学べるお祭り」をコンセプトに、最新技術を楽しく学べる空間作りを目指しています。

今回のテーマは機械学習!

記念すべき第一回目のテーマは「そろそろ本気で始める機械学習」です。 機械学習や人工知能ってすごく気になっている、でも本格的に触るのはまだまだこれから…という方を全力で後押しするためのイベントです。

今回は、CodeIQさんとのコラボにより、初回にしては豪華すぎる(このクオリティがいつまで続くやら…)登壇者ラインナップが実現しました!(このクオリティがいつまで続くやら…)

リクルートAI研究所所長の石山洸さん、今ブレイク中のエンジニアアイドル池澤あやかさん、楽天技術研究所代表の森柾弥さん、ソネットMNのシニア・リサーチャー 舘野 啓さんといったメンバーによる、本気で硬派なエンジニア向けイベントです。



タイムテーブル

タイトル スピーカー
はじめに 白石 俊平(TechFeed編集長)
基調講演: AI/機械学習の「いま」を探る 石山 洸(リクルートAI研究所所長)
セレンディピティと機械学習 舘野 啓(ソネット・メディア・ネットワークス シニア・リサーチャー)
多様化された時代を征するためのAI・機械学習 〜 地球上を飛び回り、世界の大学・研究機関と連携し、自らの問題意識でインターネットに挑む集団を目指して 森 正弥(楽天技術研究所 代表)
パネルディスカッション: 機械学習の学びかた 池澤 あやか(エンジニア/タレント)、石山 洸、白石 俊平

TechFeed Live#1 「そろそろ本気で始める機械学習」 with CodeIQ

白石 俊平氏(TechFeed編集長)

TechFeed → エンジニア向けキュレーションアプリ

今のテクノロジーは広すぎ→自動化しよう→techfeed

TechFeed liveは?ツールからは想いが伝わらない、そこでlive

基調講演: AI/機械学習の「いま」を探る

石山 洸氏(リクルートAI研究所所長)

AI.日常をハックしたら面白いんじゃ?

ポケモンGOをA.I.使って自動操作→これっていわゆるチーターってやつじゃ?(;╹⌓╹)

データサイエンス3.0 誰でもA.I.が作れるインフラのある世界

データ取得の期間が長い!

一番難しいのはどう処理するか

データロボットはデータサイエンティストがやる仕事をしてくれる→レンジでチンするがごとく

リクルート、みんなで使いましょうとやったら3000個

活用、様々な情報を組み合わせ予測する事が可能

就職活動から退職予測なども、そして復職支援にも使える

セレンディピティと機械学習

舘野 啓氏(ソネット・メディア・ネットワークス シニア・リサーチャー)

自己紹介に好きな機械学習モデルを言っていた人初めて見ました(笑)

なんで学ぶのか?流行ってる、楽しそう、お金になりそう(笑)

情報推薦

因果関係を記述できる

推薦は似たようなものばかり、分かりきったものばかり等々に陥る事も...

満足度で重要な事は?→セレンディピティだった(という仮説でそもそも調査して、その通りとなった?w)

普段と違う視点からオススメしてくれるのがセレンディピティなのでは?

多様化された時代を征するためのAI・機械学習 〜 地球上を飛び回り、世界の大学・研究機関と連携し、自らの問題意識でインターネットに挑む集団を目指して

森 正弥氏(楽天技術研究所 代表)

楽天技術研究所でやってる事

今迄のドローン研究は姿勢制御だが、ドローンデリバリーではちょっと視点が違うw

画像認証→クラスタリング?

なぜ人工知能が必要?

人類の進化

2005はそこに居る人々、2013は常に世界と繋がった人々に『進化(個別化)』

ロングテールのテールが実際にマッピングするととんでもない距離に、いかにロングテールを征するか!

まずはNLP(自然言語処理)がECには必要

商品を検索するだけでも...

自然言語処理からカタログ化→ノイズの発見→売り上げの改善につなげられる

当然レビューの解析も売り上げ改善につなげられる

ユーザーの行動情報などからクラスタリング、LDAによる人手を介さない嗜好の発見

予測、個別化のプラットホーム

需要予測

バイヤーとコンペ、20回やって全勝w

クーポン戦略

価格の個別化、最適化

時間切れ...以下早回しw

パネルディスカッション: 機械学習の学びかた

池澤 あやか(エンジニア/タレント)、石山 洸、白石 俊平

とっかかり、ビッグなデータ持ってないし〜

池澤さん、toto big当てようw API叩いてとかwebからデータをクロールしてくる

石山さん、オープンデータまとめサイトとか作れば良いかも

Q. 選択肢多すぎ

石山さん、解きたい、やりたいから見つける。右から。A.I.は目的は見つけてくれない

データロボットオススメ(笑)

池澤さん、やってて楽しい。特徴点を見つけてくれるのを見るのは面白いw

Q. 仕事に使えるの?

石山さん、↑出来る...右からw データセット(入力)が大事

白石さん、今迄やってたのを教師にした方が良いの?

石山さん、機械学習の良いところは裏でガンガン回せる所、やってみたらいい

Q. 機械学習が最適なアプローチなの?

どういう問題を解いたらいい?

石山さん、精度でない問題、如何にローコストで精度出せるか。ヒット打てなそうなら打席立つの辞めるとかもあり

Q. いろいろ見積もれません

池澤さん、見積ったことありません(笑)知ってる人に

石山さん、コストとデリバリーはさほど難しくない。やってくううちに。人が学習していくw 精度でないのを前提にリスクを最小化していくのを

Q. 機械学習とDeepLeaningの差は?

池澤さん、DeepLeaningは機械学習の一種(?)(DeepLeaningはマシンがやってくれるけど)機械学習では特徴点抽出が手動

最後に

今回は初学者向けセッションという事でした。得たものといえば、楽天技術研究所が

むっちゃ面白い事してるなという事が分かったり、やっぱり何やりたいか、で、それは機械学習とかに向いてる?とかちゃんとイメージ出来てないとやっぱりうまく使えないとなっちゃうんだなぁと再確認。

実は何をしたいか?はあるんだけど元になるデータや教師となるデータをどう集めるかが最大規模のネック。個人の遊びだとその辺のモチベーションが維持できないw それに最新データを更新し続けるのもネックだと気がついちゃったしw

セッションの中でも語られたんだけど、データ集めは永遠の課題w



このエントリーをはてなブックマークに追加 Share on Tumblr Clip to Evernote
highfrontier at 16:54│Comments(0)study 

コメントする

このブログにコメントするにはログインが必要です。