Enviar pesquisa
Carregar
MOV お客さま探索ナビの GCP ML開発フローについて
•
Transferir como PPTX, PDF
•
0 gostou
•
1,600 visualizações
DeNA
Seguir
DeNAのAI本部AIシステム部 鈴木隆史 が 2019/10/31 に MOBILITY:dev で 登壇した内容をご紹介します。
Leia menos
Leia mais
Indústria automotiva
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 32
Baixar agora
Recomendados
MOVで実践したサーバーAPI実装の超最適化について [MOBILITY:dev]
MOVで実践したサーバーAPI実装の超最適化について [MOBILITY:dev]
DeNA
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
DeNA
LINE Bot 開発のための Azure Logic Apps 入門
LINE Bot 開発のための Azure Logic Apps 入門
拓将 平林
ノンコーディングでも!ここまでできるkintone
ノンコーディングでも!ここまでできるkintone
典子 松本
Only Logic Apps
Only Logic Apps
Tomoyuki Obi
Azure × LINE でクラウドを楽しもう
Azure × LINE でクラウドを楽しもう
拓将 平林
20180119_AIを支えるクラウド技術
20180119_AIを支えるクラウド技術
康平 秋山
Azure Webinar - Cognitive Services 概要[Demo編]_20180123
Azure Webinar - Cognitive Services 概要[Demo編]_20180123
Ayako Omori
Recomendados
MOVで実践したサーバーAPI実装の超最適化について [MOBILITY:dev]
MOVで実践したサーバーAPI実装の超最適化について [MOBILITY:dev]
DeNA
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
DeNA
LINE Bot 開発のための Azure Logic Apps 入門
LINE Bot 開発のための Azure Logic Apps 入門
拓将 平林
ノンコーディングでも!ここまでできるkintone
ノンコーディングでも!ここまでできるkintone
典子 松本
Only Logic Apps
Only Logic Apps
Tomoyuki Obi
Azure × LINE でクラウドを楽しもう
Azure × LINE でクラウドを楽しもう
拓将 平林
20180119_AIを支えるクラウド技術
20180119_AIを支えるクラウド技術
康平 秋山
Azure Webinar - Cognitive Services 概要[Demo編]_20180123
Azure Webinar - Cognitive Services 概要[Demo編]_20180123
Ayako Omori
AIの見方、AIとの付き合い方
AIの見方、AIとの付き合い方
Yoshitaka Seo
Serverlessconf Tokyo 2017 Biz serverless お客様のビジネスを支えるサーバーレスアーキテクチャーと開発としてのビジ...
Serverlessconf Tokyo 2017 Biz serverless お客様のビジネスを支えるサーバーレスアーキテクチャーと開発としてのビジ...
Hiroyuki Hiki
This is iPaas
This is iPaas
Tomoyuki Obi
進化を続けるBluemix 最新情報
進化を続けるBluemix 最新情報
softlayerjp
スマートスピーカーの提案時によく出てくる課題と、その処方箋のLine
スマートスピーカーの提案時によく出てくる課題と、その処方箋のLine
Hiroyuki Hiki
Data-centricなML開発
Data-centricなML開発
Takeshi Suzuki
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
Yuta Nakagawa
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
Naoki (Neo) SATO
AI プログラミング - OCA / 京都TECH オープンキャンパス 2021
AI プログラミング - OCA / 京都TECH オープンキャンパス 2021
Yoshitaka Seo
StrongLoopでサクっと始めるAPIエコノミー
StrongLoopでサクっと始めるAPIエコノミー
YUSUKE MORIZUMI
JAZUG に参加してMicrosoft MVP になった話
JAZUG に参加してMicrosoft MVP になった話
拓将 平林
Mobile Hubで変わる、アプリ開発最前線
Mobile Hubで変わる、アプリ開発最前線
akitsukada
Decode19 cd42 fixer_public_0601
Decode19 cd42 fixer_public_0601
Shotaro Suzuki
Azure IoT Edge で Custom Vision
Azure IoT Edge で Custom Vision
Yoshitaka Seo
使ってみよう!”人工知能パーツ” Microsoft Cognitive Services_20180216
使ってみよう!”人工知能パーツ” Microsoft Cognitive Services_20180216
Ayako Omori
IoTC -> Power Automate & Apps
IoTC -> Power Automate & Apps
Teruchika Yamada
LINE Commumity Microsoft_ConversationalAI_20200409
LINE Commumity Microsoft_ConversationalAI_20200409
Ayako Omori
API ペタペタしただけのお手軽 感情分析アプリ
API ペタペタしただけのお手軽 感情分析アプリ
Yoshitaka Seo
Azure Webinar: Microsoft Bot Framework と Cognitive Services LUIS で実現する自然言語解析B...
Azure Webinar: Microsoft Bot Framework と Cognitive Services LUIS で実現する自然言語解析B...
Ayako Omori
Softlayer と Bluemix (IaaS と PaaS) 適材適所でアプリケーション開発
Softlayer と Bluemix (IaaS と PaaS) 適材適所でアプリケーション開発
K Kimura
Microsoft AI と深層学習
Microsoft AI と深層学習
Shohei Nagata
今後10年の機械学習ビジネスの可能性
今後10年の機械学習ビジネスの可能性
tomohiro furukawa
Mais conteúdo relacionado
Mais procurados
AIの見方、AIとの付き合い方
AIの見方、AIとの付き合い方
Yoshitaka Seo
Serverlessconf Tokyo 2017 Biz serverless お客様のビジネスを支えるサーバーレスアーキテクチャーと開発としてのビジ...
Serverlessconf Tokyo 2017 Biz serverless お客様のビジネスを支えるサーバーレスアーキテクチャーと開発としてのビジ...
Hiroyuki Hiki
This is iPaas
This is iPaas
Tomoyuki Obi
進化を続けるBluemix 最新情報
進化を続けるBluemix 最新情報
softlayerjp
スマートスピーカーの提案時によく出てくる課題と、その処方箋のLine
スマートスピーカーの提案時によく出てくる課題と、その処方箋のLine
Hiroyuki Hiki
Data-centricなML開発
Data-centricなML開発
Takeshi Suzuki
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
Yuta Nakagawa
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
Naoki (Neo) SATO
AI プログラミング - OCA / 京都TECH オープンキャンパス 2021
AI プログラミング - OCA / 京都TECH オープンキャンパス 2021
Yoshitaka Seo
StrongLoopでサクっと始めるAPIエコノミー
StrongLoopでサクっと始めるAPIエコノミー
YUSUKE MORIZUMI
JAZUG に参加してMicrosoft MVP になった話
JAZUG に参加してMicrosoft MVP になった話
拓将 平林
Mobile Hubで変わる、アプリ開発最前線
Mobile Hubで変わる、アプリ開発最前線
akitsukada
Decode19 cd42 fixer_public_0601
Decode19 cd42 fixer_public_0601
Shotaro Suzuki
Azure IoT Edge で Custom Vision
Azure IoT Edge で Custom Vision
Yoshitaka Seo
使ってみよう!”人工知能パーツ” Microsoft Cognitive Services_20180216
使ってみよう!”人工知能パーツ” Microsoft Cognitive Services_20180216
Ayako Omori
IoTC -> Power Automate & Apps
IoTC -> Power Automate & Apps
Teruchika Yamada
LINE Commumity Microsoft_ConversationalAI_20200409
LINE Commumity Microsoft_ConversationalAI_20200409
Ayako Omori
API ペタペタしただけのお手軽 感情分析アプリ
API ペタペタしただけのお手軽 感情分析アプリ
Yoshitaka Seo
Azure Webinar: Microsoft Bot Framework と Cognitive Services LUIS で実現する自然言語解析B...
Azure Webinar: Microsoft Bot Framework と Cognitive Services LUIS で実現する自然言語解析B...
Ayako Omori
Softlayer と Bluemix (IaaS と PaaS) 適材適所でアプリケーション開発
Softlayer と Bluemix (IaaS と PaaS) 適材適所でアプリケーション開発
K Kimura
Mais procurados
(20)
AIの見方、AIとの付き合い方
AIの見方、AIとの付き合い方
Serverlessconf Tokyo 2017 Biz serverless お客様のビジネスを支えるサーバーレスアーキテクチャーと開発としてのビジ...
Serverlessconf Tokyo 2017 Biz serverless お客様のビジネスを支えるサーバーレスアーキテクチャーと開発としてのビジ...
This is iPaas
This is iPaas
進化を続けるBluemix 最新情報
進化を続けるBluemix 最新情報
スマートスピーカーの提案時によく出てくる課題と、その処方箋のLine
スマートスピーカーの提案時によく出てくる課題と、その処方箋のLine
Data-centricなML開発
Data-centricなML開発
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
[AI/ML] 機械学習における AWS を用いたマイクロサービスアーキテクチャ
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
[第37回 Machine Learning 15minutes!] Microsoft AI - Build 2019 Updates ~ Azure ...
AI プログラミング - OCA / 京都TECH オープンキャンパス 2021
AI プログラミング - OCA / 京都TECH オープンキャンパス 2021
StrongLoopでサクっと始めるAPIエコノミー
StrongLoopでサクっと始めるAPIエコノミー
JAZUG に参加してMicrosoft MVP になった話
JAZUG に参加してMicrosoft MVP になった話
Mobile Hubで変わる、アプリ開発最前線
Mobile Hubで変わる、アプリ開発最前線
Decode19 cd42 fixer_public_0601
Decode19 cd42 fixer_public_0601
Azure IoT Edge で Custom Vision
Azure IoT Edge で Custom Vision
使ってみよう!”人工知能パーツ” Microsoft Cognitive Services_20180216
使ってみよう!”人工知能パーツ” Microsoft Cognitive Services_20180216
IoTC -> Power Automate & Apps
IoTC -> Power Automate & Apps
LINE Commumity Microsoft_ConversationalAI_20200409
LINE Commumity Microsoft_ConversationalAI_20200409
API ペタペタしただけのお手軽 感情分析アプリ
API ペタペタしただけのお手軽 感情分析アプリ
Azure Webinar: Microsoft Bot Framework と Cognitive Services LUIS で実現する自然言語解析B...
Azure Webinar: Microsoft Bot Framework と Cognitive Services LUIS で実現する自然言語解析B...
Softlayer と Bluemix (IaaS と PaaS) 適材適所でアプリケーション開発
Softlayer と Bluemix (IaaS と PaaS) 適材適所でアプリケーション開発
Semelhante a MOV お客さま探索ナビの GCP ML開発フローについて
Microsoft AI と深層学習
Microsoft AI と深層学習
Shohei Nagata
今後10年の機械学習ビジネスの可能性
今後10年の機械学習ビジネスの可能性
tomohiro furukawa
Machine Learning Serviceを使ってみよう
Machine Learning Serviceを使ってみよう
Yoshitaka Seo
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Tsuyoshi Hirayama
Company Profile 2013 recruit
Company Profile 2013 recruit
Satoshi Matsumoto
ノンコーディングでビジネスアプリ作成 PowerApps入門
ノンコーディングでビジネスアプリ作成 PowerApps入門
Trainocate Japan, Ltd.
05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料
wagatuma
リクルート式サービス開発 カスタマーの本音×人工知能
リクルート式サービス開発 カスタマーの本音×人工知能
Recruit Technologies
Smfl20201001
Smfl20201001
三井住友ファイナンス&リース デジタル開発室
SharePointとAzure Functionsを組み合わせた マルチクラウドなサーバーレスアーキテクチャの展開方法 Japan share poin...
SharePointとAzure Functionsを組み合わせた マルチクラウドなサーバーレスアーキテクチャの展開方法 Japan share poin...
Kazuya Sugimoto
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
Cybozucommunity
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」
Nozomu Tannaka
SDGC2018 redux Tannaka
SDGC2018 redux Tannaka
Service Design Network Japan Chapter
メルペイの与信モデリングで安全・安心のために実践していること
メルペイの与信モデリングで安全・安心のために実践していること
Yuhi Kawakami
日本語データの活用までの道のり
日本語データの活用までの道のり
Hideto Masuoka
楽天エンジニアライフ
楽天エンジニアライフ
Rakuten Group, Inc.
ML Opsのススメ
ML Opsのススメ
紀彦 中林
ノーコードでAIサービスを使ってみよう!「AI Bulder」
ノーコードでAIサービスを使ってみよう!「AI Bulder」
典子 松本
Power Apps Startup Meeting@広島 モデル駆動型アプリを使用した 業務アプリの開発
Power Apps Startup Meeting@広島 モデル駆動型アプリを使用した 業務アプリの開発
Numakami Ayumu
PHPを使う理由
PHPを使う理由
Yohei Hamada
Semelhante a MOV お客さま探索ナビの GCP ML開発フローについて
(20)
Microsoft AI と深層学習
Microsoft AI と深層学習
今後10年の機械学習ビジネスの可能性
今後10年の機械学習ビジネスの可能性
Machine Learning Serviceを使ってみよう
Machine Learning Serviceを使ってみよう
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Company Profile 2013 recruit
Company Profile 2013 recruit
ノンコーディングでビジネスアプリ作成 PowerApps入門
ノンコーディングでビジネスアプリ作成 PowerApps入門
05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料
リクルート式サービス開発 カスタマーの本音×人工知能
リクルート式サービス開発 カスタマーの本音×人工知能
Smfl20201001
Smfl20201001
SharePointとAzure Functionsを組み合わせた マルチクラウドなサーバーレスアーキテクチャの展開方法 Japan share poin...
SharePointとAzure Functionsを組み合わせた マルチクラウドなサーバーレスアーキテクチャの展開方法 Japan share poin...
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018 redux Tannaka
SDGC2018 redux Tannaka
メルペイの与信モデリングで安全・安心のために実践していること
メルペイの与信モデリングで安全・安心のために実践していること
日本語データの活用までの道のり
日本語データの活用までの道のり
楽天エンジニアライフ
楽天エンジニアライフ
ML Opsのススメ
ML Opsのススメ
ノーコードでAIサービスを使ってみよう!「AI Bulder」
ノーコードでAIサービスを使ってみよう!「AI Bulder」
Power Apps Startup Meeting@広島 モデル駆動型アプリを使用した 業務アプリの開発
Power Apps Startup Meeting@広島 モデル駆動型アプリを使用した 業務アプリの開発
PHPを使う理由
PHPを使う理由
Mais de DeNA
DRIVE CHARTの裏側 〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
DRIVE CHARTの裏側 〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
DeNA
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
DeNA
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
DeNA
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
DeNA
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
DeNA
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
DeNA
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
DeNA
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
DeNA
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
DeNA
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
DeNA
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
DeNA
DeNA の Slack 導入と活用の事例紹介
DeNA の Slack 導入と活用の事例紹介
DeNA
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
DeNA
オートモーティブ領域における 位置情報関連アルゴリズムあれこれ
オートモーティブ領域における 位置情報関連アルゴリズムあれこれ
DeNA
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
DeNA
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
DeNA
DeNA の AWS アカウント管理とセキュリティ監査自動化
DeNA の AWS アカウント管理とセキュリティ監査自動化
DeNA
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
DeNA
知っててもいいかもしれない知財のこと(抜粋版)
知っててもいいかもしれない知財のこと(抜粋版)
DeNA
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
DeNA
Mais de DeNA
(20)
DRIVE CHARTの裏側 〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
DRIVE CHARTの裏側 〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
DeNA の Slack 導入と活用の事例紹介
DeNA の Slack 導入と活用の事例紹介
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
オートモーティブ領域における 位置情報関連アルゴリズムあれこれ
オートモーティブ領域における 位置情報関連アルゴリズムあれこれ
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
DeNA の AWS アカウント管理とセキュリティ監査自動化
DeNA の AWS アカウント管理とセキュリティ監査自動化
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
知っててもいいかもしれない知財のこと(抜粋版)
知っててもいいかもしれない知財のこと(抜粋版)
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
MOV お客さま探索ナビの GCP ML開発フローについて
1.
MOV お客さま探索ナビの GCP ML開発フローについて 鈴木
隆史 AI本部 AIシステム部 MLエンジニアリンググループ 株式会社ディー・エヌ・エー
2.
自己紹介 鈴木 隆史 |
Takashi Suzuki AI本部 AIシステム部 MLエンジニアリンググループ 前職では新卒でITメガベンチャーに入社し、サーバーサイドエンジニアとしてゲーム開発と ビッグデータを活用したサービス分析をリード。 その後、大規模データ基盤の新規構築と運用保守などのデータエンジニアリング業務と、レ コメンドアルゴリズムの設計開発やチャットボット開発などのMLエンジニアリング業務に 従事していた。 2019年にDeNAに入社し、オートモーティブ事業における機械学習の実験基盤やパイプライ ンの設計開発を行っている。 2
3.
アジェンダ 3 サービス システム概要 ML開発フロー 1 2 3 まとめ4
4.
サービス 4 1
5.
タクシー配車アプリ MOV 5
6.
お客さま探索ナビ 6 この車両にとって 最適な走行経路は何か?
7.
システム概要 7 2
8.
全体システム構成 8
9.
9 コンポーネント概要 リアルタイム データ処理 ● 車両データのETL ● DWH ●
データ前処理 需要供給予測 ● 特徴量作成 ● MLモデル予測 走行ルート推薦 ● 最適方策の獲得 ● 全体最適化
10.
リアルタイム需要供給予測 10 直近の乗車数 周辺の乗車数 各種統計量 MLモデル 直後30分に発生 する乗車数
11.
ML開発フロー 11 3
12.
本番環境 ● 推論パイプライン ● モデル精度監視 12 ML開発フロー 実験環境 ●
分析/モデル開発 ● 実験管理 CI/CD
13.
本番環境 ● 推論パイプライン ● モデル精度監視 13 ML開発フロー 実験環境 ●
分析/モデル開発 ● 実験管理 CI/CD
14.
分析/モデル開発における課題 14 01 セキュアなクラウド環境 権限・証跡がきちんと管理され ローカルPC以上に快適に メンバーと共有しやすい環境 02 学習時のスケール 一番メモリを必要とするモデル学習時に 他タスクに影響ないように スケールする環境
15.
ユーザ認証Jupyter環境 ● GKE構築でセキュア(SSL、IP制限)でスケールしやすい ● 個人認証(Cloud
IAP)をサポート ● Notebookを共有しやすい v.s. Datalab ● セキュア要件への柔軟さ ● 起動の速さ セキュアなクラウド環境:JupyterHub 15
16.
フルマネージド学習基盤 ● 1分単位の起動時間課金 ● Dockerカスタムイメージの学習をサポート ●
ジョブ実行までidle timeが発生する v.s. GKE ● 柔軟なインスタンス変更 ● クラスタ作成不要の手軽さ 学習時のスケール:AI Platform Training Job 16 AI Platform
17.
本番環境 ● 推論パイプライン ● モデル精度監視 17 ML開発フロー 実験環境 ●
分析/モデル開発 ● 実験管理 CI/CD
18.
実験管理における課題 18 01 各実験パラメータの管理 複数モデルの実験を行うため各実験のパラメータ管理が必要
19.
comet.ml - 豊富な視覚化/比較 - ハイパラ探索 -
コード管理 - Git Integration - 有料 各実験パラメータの管理 19 mlflow - 視覚化/比較 - 簡易ハイパラ探索 - 無料 BigQuery - 視覚化はDataPortal - リストはDataConnector - カスタムしやすい
20.
本番環境 ● 推論パイプライン ● モデル精度監視 20 ML開発フロー 実験環境 ●
分析/モデル開発 ● 実験管理 CI/CD
21.
CI/CDにおける課題 21 01 コードの再現性 データサイエンティストから MLエンジニアに渡された コード・モデルの実行/再現の 担保 02 ロールバック 新しいモデルにバグが あった場合の 以前のモデルに切り戻 したいとき 03 モデルのテスト パイプラインに反映する前の 簡易な動作テストと 小規模データの検証テスト
22.
コード・モデルの再現性 ● コミュニケーションギャップの解消 ● 再現性の担保 ●
GKEやTraining Jobのコンテナで利用しやすい モデルのロールバック ● DockerのImage Tag/Digestでversion管理 ● 切り戻す際には以前のImageへ 再現性とロールバック:Docker I/F 22
23.
動作・検証テスト ● 時間の関係でCircleCIでチェックするのは動作・検証テストのみ ● 小規模データでモデルの有効性と実装エラーを検証 ●
本番条件での連携と評価テストは専用Invoke モデルの簡易テスト:pytest 23
24.
本番環境 ● 推論パイプライン ● モデル精度監視 24 ML開発フロー 実験環境 ●
分析/モデル開発 ● 実験管理 CI/CD
25.
02 冪等性担保 パイプラインの再実行などにより データ重複やモデルの精度ズレが 発生しないようにする 推論パイプラインにおける課題 25 01 複雑な依存関係 学習に利用する各種特徴量の作成と データの前処理や推論や評価など 一連の依存関係を担保
26.
マネージドAirflow ● 複雑な依存関係定義によりヒューマンエラー防止 ● 冪等性なJob実行により再現性を担保 ●
定期的にJobを実行してモデルを更新 ● 重い処理はGKEやTraining Jobを利用 v.s. Kubeflow Pipeline ● 途中Jobから再実行可能 ● 外部トリガー・外部リソースの利用が容易 ● 評価指標は管理できない パイプラインにおける課題:Cloud Composer 26 Cloud Composer
27.
本番環境 ● 推論パイプライン ● モデル精度監視 27 ML開発フロー 実験環境 ●
分析/モデル開発 ● 実験管理 CI/CD
28.
モデル精度監視における課題 28 01 モデルの経年劣化 日々変化するタクシー需要トレンドに追従して 新しいデータでモデルを再学習させ、精度をモニタリングしたい
29.
モデル推論の精度を監視 ● モデルの定期更新はComposerで担保 ● モデル精度をカスタムメトリックでMonitoring ●
ベースモデルと比較して悪ければ通知 モデルの経年劣化:Stackdriver Monitoring 29 Stackdriver Monitoring
30.
まとめ 30 4
31.
MLOpsの立ち位置 ● 業務ごとに専門性が増し、生産性向上のために分業化が進むと、個々人が把握できる コンポーネントは減ってしまう ● 再現性の担保、依存関係の管理、精度やエラー監視する仕組みなどのMLOpsを事前 に準備することで、技術的負債を減らすことができる ●
チームごとの課題を把握し、予めI/Fや方針を握っておくことが重要 大事にしていること 31
32.
本説明会及び説明資料の内容は、発表日時点で入手可能な情報や判断に基づくも のです。将来発生する事象等により内容に変更が生じた場合も、当社が更新や変更 の義務を負うものではありません。 また、本説明会及び説明資料に含まれる将来の見通しに関する部分は、多分に 不確定な要素を含んでいるため、実際の業績等は、さまざまな要因の変化等により、 これらの見通しと異なる場合がありますことをご了承ください。 株式会社ディー・エヌ・エー 32
Notas do Editor
乗車予測を立てることで空車となる時間を短縮し、歩合制の契約が多いタクシー運転手の収入を安定させる
Baixar agora