Enviar pesquisa
Carregar
リクルート式AIの活用法
•
10 gostaram
•
5,453 visualizações
Recruit Technologies
Seguir
2017/02/17 Developers Summit 2017での、石川の講演資料になります
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 71
Baixar agora
Baixar para ler offline
Recomendados
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
Recruit Technologies
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
Recruit Technologies
ビックデータ分析基盤の成⻑の軌跡
ビックデータ分析基盤の成⻑の軌跡
Recruit Lifestyle Co., Ltd.
AWSではじめるMLOps
AWSではじめるMLOps
MariOhbuchi
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
Recomendados
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
リクルートグループの現場事例から見る AI/ディープラーニング ビジネス活用の勘所
Recruit Technologies
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
リクルートのビッグデータ活用基盤とビッグデータ活用のためのメタデータ管理Webのご紹介
Recruit Technologies
ビックデータ分析基盤の成⻑の軌跡
ビックデータ分析基盤の成⻑の軌跡
Recruit Lifestyle Co., Ltd.
AWSではじめるMLOps
AWSではじめるMLOps
MariOhbuchi
ビッグデータ処理データベースの全体像と使い分け 2018年version
ビッグデータ処理データベースの全体像と使い分け 2018年version
Tetsutaro Watanabe
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
cyberagent
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
Recruit Technologies
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
解説!30分で分かるLEAN ANALYTICS
解説!30分で分かるLEAN ANALYTICS
しくみ製作所
事業が対峙する現実からエンジニアリングを俯瞰する #devlove
事業が対峙する現実からエンジニアリングを俯瞰する #devlove
Itsuki Kuroda
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
Tetsutaro Watanabe
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
Deep Learning Lab(ディープラーニング・ラボ)
ITコミュニティと情報発信に共通する成長と貢献の要素
ITコミュニティと情報発信に共通する成長と貢献の要素
NISHIHARA Shota
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
Shintaro Fukushima
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
Rakuten Group, Inc.
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
Preferred Networks
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
ChatGPTの仕組みの解説と実務でのLLMの適用の紹介_latest.pdf
ChatGPTの仕組みの解説と実務でのLLMの適用の紹介_latest.pdf
Ginpei Kobayashi
ドコモオープンイノベーションの取り組みと提供APIのIoT展開について
ドコモオープンイノベーションの取り組みと提供APIのIoT展開について
API Meetup
とある受託ベンダの開発環境
とある受託ベンダの開発環境
Tomoki Hasegawa
Mais conteúdo relacionado
Mais procurados
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
cyberagent
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
Recruit Technologies
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
解説!30分で分かるLEAN ANALYTICS
解説!30分で分かるLEAN ANALYTICS
しくみ製作所
事業が対峙する現実からエンジニアリングを俯瞰する #devlove
事業が対峙する現実からエンジニアリングを俯瞰する #devlove
Itsuki Kuroda
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
Tetsutaro Watanabe
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
Deep Learning Lab(ディープラーニング・ラボ)
ITコミュニティと情報発信に共通する成長と貢献の要素
ITコミュニティと情報発信に共通する成長と貢献の要素
NISHIHARA Shota
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
Shintaro Fukushima
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
Rakuten Group, Inc.
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
Preferred Networks
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
ChatGPTの仕組みの解説と実務でのLLMの適用の紹介_latest.pdf
ChatGPTの仕組みの解説と実務でのLLMの適用の紹介_latest.pdf
Ginpei Kobayashi
Mais procurados
(20)
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
解説!30分で分かるLEAN ANALYTICS
解説!30分で分かるLEAN ANALYTICS
事業が対峙する現実からエンジニアリングを俯瞰する #devlove
事業が対峙する現実からエンジニアリングを俯瞰する #devlove
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
データ収集の基本と「JapanTaxi」アプリにおける実践例
データ収集の基本と「JapanTaxi」アプリにおける実践例
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
ITコミュニティと情報発信に共通する成長と貢献の要素
ITコミュニティと情報発信に共通する成長と貢献の要素
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
PFNにおける研究開発(2022/10/19 東大大学院「融合情報学特別講義Ⅲ」)
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
ChatGPTの仕組みの解説と実務でのLLMの適用の紹介_latest.pdf
ChatGPTの仕組みの解説と実務でのLLMの適用の紹介_latest.pdf
Destaque
ドコモオープンイノベーションの取り組みと提供APIのIoT展開について
ドコモオープンイノベーションの取り組みと提供APIのIoT展開について
API Meetup
とある受託ベンダの開発環境
とある受託ベンダの開発環境
Tomoki Hasegawa
151212_高専講演会用資料_菅野
151212_高専講演会用資料_菅野
Ryuhi Kanno
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Leading Edge Co.,Ltd.
Azure Bot!! Microsoft Bot Framework で簡単Bot開発
Azure Bot!! Microsoft Bot Framework で簡単Bot開発
Yuki Hattori
Googleのインフラ技術から考える理想のDevOps
Googleのインフラ技術から考える理想のDevOps
Etsuji Nakai
ウォーターフォール・アジャイル・DevOps どんなチームでも開発・テスト・リリースでVSTS/TFSをフル活用する方法
ウォーターフォール・アジャイル・DevOps どんなチームでも開発・テスト・リリースでVSTS/TFSをフル活用する方法
慎一 古賀
Azure serverless!! azure functionsでサーバーを意識しない開発
Azure serverless!! azure functionsでサーバーを意識しない開発
Yuki Hattori
[DO17] セゾン情報システムズの CTO 小野氏による、伝統的 Sier におけるモダン開発への挑戦
[DO17] セゾン情報システムズの CTO 小野氏による、伝統的 Sier におけるモダン開発への挑戦
de:code 2017
スタディサプリを支えるデータ分析基盤 ~設計の勘所と利活用事例~
スタディサプリを支えるデータ分析基盤 ~設計の勘所と利活用事例~
Tetsuo Yamabe
銀行ロビーアシスタント
銀行ロビーアシスタント
Recruit Technologies
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
Recruit Technologies
事業とUXデザイン
事業とUXデザイン
Recruit Technologies
EMRでスポットインスタンスの自動入札ツールを作成する
EMRでスポットインスタンスの自動入札ツールを作成する
Recruit Technologies
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
Recruit Technologies
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Recruit Technologies
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
Recruit Technologies
HadoopをBQにマイグレしようとしてる話
HadoopをBQにマイグレしようとしてる話
Recruit Technologies
Destaque
(20)
ドコモオープンイノベーションの取り組みと提供APIのIoT展開について
ドコモオープンイノベーションの取り組みと提供APIのIoT展開について
とある受託ベンダの開発環境
とある受託ベンダの開発環境
151212_高専講演会用資料_菅野
151212_高専講演会用資料_菅野
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Azure Bot!! Microsoft Bot Framework で簡単Bot開発
Azure Bot!! Microsoft Bot Framework で簡単Bot開発
Googleのインフラ技術から考える理想のDevOps
Googleのインフラ技術から考える理想のDevOps
ウォーターフォール・アジャイル・DevOps どんなチームでも開発・テスト・リリースでVSTS/TFSをフル活用する方法
ウォーターフォール・アジャイル・DevOps どんなチームでも開発・テスト・リリースでVSTS/TFSをフル活用する方法
Azure serverless!! azure functionsでサーバーを意識しない開発
Azure serverless!! azure functionsでサーバーを意識しない開発
[DO17] セゾン情報システムズの CTO 小野氏による、伝統的 Sier におけるモダン開発への挑戦
[DO17] セゾン情報システムズの CTO 小野氏による、伝統的 Sier におけるモダン開発への挑戦
スタディサプリを支えるデータ分析基盤 ~設計の勘所と利活用事例~
スタディサプリを支えるデータ分析基盤 ~設計の勘所と利活用事例~
銀行ロビーアシスタント
銀行ロビーアシスタント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
事業とUXデザイン
事業とUXデザイン
EMRでスポットインスタンスの自動入札ツールを作成する
EMRでスポットインスタンスの自動入札ツールを作成する
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
カーセンサーで深層学習を使ってUX改善を行った事例とそこからの学び
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
HadoopをBQにマイグレしようとしてる話
HadoopをBQにマイグレしようとしてる話
Semelhante a リクルート式AIの活用法
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Recruit Technologies
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Recruit Technologies
JSUG 2018 BTC
JSUG 2018 BTC
kazukiotomori
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
Recruit Technologies
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
DataWorks Summit/Hadoop Summit
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
Recruit Technologies
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
Natsutani Minoru
Coldfusionを活かすシステム企画をリーンスタートアップに学ぶ
Coldfusionを活かすシステム企画をリーンスタートアップに学ぶ
masashi takehara
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
Insight Technology, Inc.
ils2023
ils2023
恵 桂木
ils2023
ils2023
恵 桂木
ils.pptx
ils.pptx
恵 桂木
R&D部門におけるデータ共有・利活用 (AI,MI)は、なぜ難しいのか?
R&D部門におけるデータ共有・利活用 (AI,MI)は、なぜ難しいのか?
恵 桂木
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
ファーストアカウンティング会社説明資料 for engineer 2022年7月版
ファーストアカウンティング会社説明資料 for engineer 2022年7月版
ファーストアカウンティング 採用担当
エンジニア採用における技術広報の重要ポイント
エンジニア採用における技術広報の重要ポイント
Noriaki Kadota
リクルートにおける画像解析事例紹介
リクルートにおける画像解析事例紹介
Recruit Technologies
Redmineの情報を自分好みに見える化した話
Redmineの情報を自分好みに見える化した話
ToshiharuSakai
Semelhante a リクルート式AIの活用法
(20)
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
JSUG 2018 BTC
JSUG 2018 BTC
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
Coldfusionを活かすシステム企画をリーンスタートアップに学ぶ
Coldfusionを活かすシステム企画をリーンスタートアップに学ぶ
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
ils2023
ils2023
ils2023
ils2023
ils.pptx
ils.pptx
R&D部門におけるデータ共有・利活用 (AI,MI)は、なぜ難しいのか?
R&D部門におけるデータ共有・利活用 (AI,MI)は、なぜ難しいのか?
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
ファーストアカウンティング会社説明資料 for engineer 2022年7月版
ファーストアカウンティング会社説明資料 for engineer 2022年7月版
エンジニア採用における技術広報の重要ポイント
エンジニア採用における技術広報の重要ポイント
リクルートにおける画像解析事例紹介
リクルートにおける画像解析事例紹介
Redmineの情報を自分好みに見える化した話
Redmineの情報を自分好みに見える化した話
Mais de Recruit Technologies
新卒2年目が鍛えられたコードレビュー道場
新卒2年目が鍛えられたコードレビュー道場
Recruit Technologies
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Recruit Technologies
Tableau活用4年の軌跡
Tableau活用4年の軌跡
Recruit Technologies
LT(自由)
LT(自由)
Recruit Technologies
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
Recruit Technologies
ユーザーからみたre:Inventのこれまでと今後
ユーザーからみたre:Inventのこれまでと今後
Recruit Technologies
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
Recruit Technologies
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
Recruit Technologies
Spring “BigData”
Spring “BigData”
Recruit Technologies
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
Recruit Technologies
Case study of DevOps for Hadoop in Recruit.
Case study of DevOps for Hadoop in Recruit.
Recruit Technologies
Hadoop’s Impact on Recruit Company
Hadoop’s Impact on Recruit Company
Recruit Technologies
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズ
Recruit Technologies
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
Mais de Recruit Technologies
(14)
新卒2年目が鍛えられたコードレビュー道場
新卒2年目が鍛えられたコードレビュー道場
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Tableau活用4年の軌跡
Tableau活用4年の軌跡
LT(自由)
LT(自由)
ユーザー企業内製CSIRTにおける対応のポイント
ユーザー企業内製CSIRTにおける対応のポイント
ユーザーからみたre:Inventのこれまでと今後
ユーザーからみたre:Inventのこれまでと今後
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
運用で泣かないアーキテクチャで動く原稿作成支援システム ~リクルートにおけるDeepLearning活用事例~
リクルートにおける画像解析事例紹介と周辺技術紹介
リクルートにおける画像解析事例紹介と周辺技術紹介
Spring “BigData”
Spring “BigData”
Struggle against cross-domain data complexity in Recruit group
Struggle against cross-domain data complexity in Recruit group
Case study of DevOps for Hadoop in Recruit.
Case study of DevOps for Hadoop in Recruit.
Hadoop’s Impact on Recruit Company
Hadoop’s Impact on Recruit Company
DataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズ
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Último
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Último
(7)
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
リクルート式AIの活用法
1.
リクルート式AIの活用法 株式会社リクルートテクノロジーズ ITソリューション統括部 ビッグデータプロダクト開発グループ グループマネージャー 石川 信行 石川
信行 Nobuyuki Ishikawa #devsumi B 17-B-3
2.
2Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 1 2 A3RT概要3 4 本日の内容 プロダクトとそのユースケース 5 はじめに まとめと今後6 「AI」の捉え方 R&Dについて
3.
3Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. はじめに
4.
4Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 趣味etc 学歴 略歴 所属 リクルートテクノロジーズ ITソリューション統括部 ビッグデータプロダクト開発G グループマネージャー兼アドバンスドテクノロジーラボ 株式会社ミラセンシズ 代表取締役 CEO 神戸大学大学院農学研究科 害虫制御学専攻 リクルート新卒入社8年目。 カーセンサー.netで営業研修、Javaを用いたシステム開発に参加し、その後 Hadoopの導入検証に従事。 主要事業にHadoopを導入したのちビッグデータGに合流。現事業対応リー ダー、画像解析など技術開発に従事。 シニアアーキテクトとしてプロフェッショナル職になった後に、現職。 海水魚飼育 外国産昆虫飼育 スキューバダイビング 自己紹介
5.
5Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. リクルートのビジネスモデル さまざまなドメインでマッチングモデルに基づいたビジネスを展開。 Matching Business HR Bridal Group Buying Used Cars Travel Real Estate Beauty Gourmet Social Games E-Commerce Ad Network New Business Consumers Enterprise
6.
6Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. リクルートの事業領域 「選択」をサポートするような情報サービスを展開 Life event area Lifestyle Area Travel IT/ TrendLifestyle Health & Beauty Job Hunt Marriage Job Change Home Purchase Car Purchase Child Birth Education
7.
7Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. リクルートテクノロジーズの立ち位置 Infrastructure /Security Project Management UXD/SEO Internet Marketing Big Data Solutions Technology R&D Systems Development リクルートホールディングスは7つの主要事業会社と3つの機能会社から成り立っている。 Recruit Holdings Recruit Career Recruit Sumai Company Recruit Lifestyle Recruit Jobs Recruit Staffing Recruit Marketing Partners Staff service Holdings Recruit Technologies Recruit Administration Recruit Communications Business/ Service Function/ Support
8.
8Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. ビッグデータ解析部門の組織体制 ITソリューション統括部 ・ ・ ・ ビッグデータビジネス コンサルティング グループ ビッグデータ人材領域 グループ ビッグデータ販促・ バイト領域グループ ソリューションを軸 とした予測、BI、競 合分析 人材領域を軸とした 各種レコメンドの開 発 販促・バイトを軸と した各種レコメンド の開発 ビッグデータID・ ポイント領域グループ IDポイントを軸とし た各種レコメンドの 開発 ビッグデータプロダクト 開発グループ ビッグデータインフラ グループ IDポイントビッグ データシステムグルー プ ソリューションを軸 とした各種R&D系 プロダクトの開発 ビックデータ基盤の 構築・運用 ビックデータ部 IDポイントPRJの基 盤の 構築・運用
9.
9Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. プロダクト開発Gのミッション・ポリシー 最新技術をいち早く検証・実装し、誰でも早く簡単に利用できるビッグデータ・プロダクトまで 実装を深め、リクルートグループすべての人たちに提供する。最近は必然的にAIといわれる 領域の技術が多い。 基本的に、技術は使ってもらわないと意味がない。施策出口のアイディアは常に膨らませて おく。 各プロダクトごとにプロダクトオーナー制を敷く。プロダクトオーナーにはプロダクトに関するすべ ての責任と報酬が乗ってくる。 最終目的(導入件数やKPI目標)の設定後は、切り取り次第。手段も自走して考える。
10.
10Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 「AI」の捉え方
11.
11Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 『リアル・スティール』 映画のパッケージ 『A.I. 』 映画のパッケージ 昨今のAI事情 私自身、AIという言葉は好きでありません。 それでも自分をだましだまし使っています。説明が格段にわかりやすく なるからです。 出典:http://movies.yahoo.co.jp/movie/A.I./163028/ 出典:http://movies.yahoo.co.jp/movie/%E3%83%AA%E3%82%A2%E3%83%AB%E3%83%BB%E3%82%B9%E3%83%86%E3%82%A3%E3%83%BC%E3%83%AB/339986/
12.
12Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. AIとは 割愛
13.
13Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. AIのスコープをぎゅっと絞り、リクルート内では深層学習が得意とする特徴量抽出の自動化 にフォーカス。 例えば、 特徴量抽出にフォーカス (0,0,1,0,0,0・・・・ ・・・・・・・・・・・・・・ ・・・・・・・・・) 自動特徴抽出 ベクトル化 角がある 足が6本 茶色 ・・・ 無意識の 特徴抽出 ラベルと特徴 の紐付 predict カブトムシっぽい 例えば500枚以上 predict 似てるけど違う。
14.
14Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. AIの施策適応のスコープ 特徴抽出はテキストの分類や画像の分類、文章作成、校閲など人が無意識に頭の中で 行なっている作業。 この特徴抽出という作業は、社内を見渡せばあちらこちらに存在する。 人が属人的なルール、感覚で判断していて、なおかつルーチンな業務が多い。 特徴抽出の自動化ができれば、人の簡単な行動を機械で模倣ができる・・・はず。 人の単純作業の一部リプレイスを施策出口候補へ
15.
15Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. AI案件推進の際に必要な要素 AI案件推進のために必要なもの 教師データ アルゴリズム モデリング、チューニングノウハウ 施策適応 ・施策とモデル、アルゴリズムを結びつける知識が必要 ・AIとよばれるもののメリデメを説明することができる →重要であるが、実はこの層の人材が枯渇 ・機械学習やAIの仕組み理解 ・パラメータチューニングなどの勘所 ・アルゴリズムの選択 →採用や、他の企業ごと人を買収 Ex)salesforce社→metamind IBM社→AlchemyAPI • オープンソースの利用 • 社外の商用製品の利用 ・自社データ ・クラウドソーシングで集める ・データ購入 ・まだ取得できていないデータを収集・顕在化 プロダクト開発Gの メンバーがサポート。 リクルート内に ある豊富なデータ源 + プロダクト開発Gの 経験。
16.
16Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. A3RT概要
17.
17Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. A3RTの導入 リクルートテクノロジーズでは社内での機械学習並びにDeep Learningなどに代 表されるAI系ロジックを同一ブランドで統一・整備をし、社内に展開している。
18.
18Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 開発・構築にいたった理由 案件ごとのフルスクラッチ開発 一番自由度が高く最適な機能が作れる。 一方、一から検討・開発するため、ど うしても時間・コストがかかるので、 全てのケースに対応できない 外部のAPI群 一部は活用すべきだが、リクルートグ ループでの活用にそのまま使える機能 が不足。汎用性が仇になる。 【効果的な機能】リクルートグループ特化による効果的なソリューションの開発。 【導入しやすさ】リクルート汎用的な機能についてはAPI化。 導入の迅速化/低コスト化。 【最新技術】 バックエンドのアルゴリズム、インフラ環境も常に最新かつ適 切なものが適用できるよう継続的に検証。 【効率など付加価値】オペレーション部分にも最新技術を適応。 精度/運用効率向上に向けた取り組みを継続的に実施。 (DeepLearningの自動パラメータチューニング機能他) リクルートグループにおいて機械学習によるソリューション活用の敷居はまだまだ高く、活用をス ピードアップ・拡大するためには設計~開発~運用に工数が多くかかっていた。 データ活用・ロジック作成に気を取られ、ビジネス活用まで考えがいたらない状況。
19.
19Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. A3RTサービス一覧 A3RTでは現在、下記のようなAPIサービスを整備・開発。 これまでデータ活用が数多く進んでいるカスタマーサイドだけではなく、クライアントサイド、営業 シーン、制作業務などでの利用を想定し開発している。 レコメンド バナーターゲティング OCR 画像解析 原稿サジェスト 文章校閲文章要約 文章分類 音声テキスト化 屋内位置測位 ChatBot(協働開発) 転移学習 マルチモーダル データマスキング(協働開発)
20.
20Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. API化による効率化 リクルート内サービス モデル化 API API API モデル・技術共有 コール 再学習 モデル・ナレッジのプーリング APIによる設計効率化
21.
21Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. プロダクトとそのユースケース
22.
22Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. AI案件推進の際に必要な要素 AI案件推進のために必要なもの 教師データ アルゴリズム モデリング、チューニングノウハウ 施策適応 ・施策とモデル、アルゴリズムを結びつける知識が必要 ・AIとよばれるもののメリデメを説明することができる →重要であるが、実はこの層の人材が枯渇 ・機械学習やAIの仕組み理解 ・パラメータチューニングなどの勘所 ・アルゴリズムの選択 →採用や、他の企業ごと人を買収 Ex)salesforce社→metamind IBM社→AlchemyAPI • オープンソースの利用 • 社外の商用製品の利用 ・自社データ ・クラウドソーシングで集める ・データ購入 ・まだ取得できていないデータを収集・顕在化 プロダクト開発Gの メンバーがサポート。 リクルート内に ある豊富なデータ源 + プロダクト開発Gの 経験。
23.
23Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 施策接続の中でエンカウントする現場の勘違い 精度を100%にしたい。 そもそも人間が作った教師データが100%の精度ではないことを知るべし。 データあります。 ただ教師データがあるのと使える形式の教師データがあるというのは話が違う。 とにかくAIをやりたい病。 目的なくして、技術の意味なし。 一撃必殺の最強魔法の類と思っている。 何かパッと持ってきて、すぐできて、一発OK運用なし。
24.
24Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 今回ご紹介するプロダクト 画像解析 文章校閲 文章分類 一部転用
25.
25Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. Image Paradise 画像解析API
26.
26Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. Convolutional Neural Network Convolutional層 パッチごとに複数の特徴を抽出 Pooling層 周辺の特徴量をまとめ上げ、 新たな特徴量として再設計することで次元圧縮
27.
27Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 利用する環境とライブラリ インフラ CNN用ライブラリ
28.
28Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. カーセンサー:写真からの車種判別機能 事例紹介①
29.
29Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 背景 かっこいい! 名前は? 名前わかんね 大きな 機会損失
30.
30Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 自動車車種判定 自動車を良く知らない初心者の人間にとって、車種や自動車メーカーの名前を知ることは難しく、 より直感的に自動車を探すことができるインターフェースが必要と想定。 画像判別により車種を判別できる機能を開発し、初心者フレンドリーなインターフェースを実現。 判別精度は人気車種上位30種類において90%以上にものぼる。 既存の検索導線へ
31.
31Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 車種判別フロー … … … CNNで作成した 車種判別モデル車の写真 2674車種 ・ワゴンR ・プリウス ・フィット ・フェラーリ ・エスティマ ・ ・ ・2674車種の精度 68.2%
32.
32Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 学習データの作成に工夫 外装 ラベル名 画像例 内装 トランク ダッシュ ボード その他 学習枚数 約3500枚 約2000枚 約1000枚 約1000枚 約2500枚 内装〜その他を判別する モデルを先に作成。 カーセンサーの約40万物件 の画像を全て投入 外装と判別された約80万枚を そのまま学習に利用
33.
33Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 学習データの自動収集の仕組み作り 課題として流通量が少ない車種(=学習枚数少ない)は 精度が低く、継続的な学習の仕組みづくりが必要。 利用者に正解を フードバックしてもらう機能を実 装し、再学習のスピード。 画像とラベルがセットで蓄積で きるので、追加学習が可能! AIは一撃必殺の魔法ではなく、基本的に継続的に学習させ、改善していくものである。 このような認識を関係者各位に周知させ、継続的学習の仕組みを自ら推進し作っていと いった「AIの概念周知」は重要なファクターのひとつである。
34.
34Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 事例紹介② カーセンサー 色タグ付与 • カーセンサーでは、一物件 につき、20枚くらいの画像 が存在 • これに外装・トランク・ダッ シュボード・内装・その他な どラベルを振り、内装判別 用のモデルを作成 内装の確率が一番高い 画像を探索 色を抽出して、最も広範囲に利用 される色をシートの色として判別 範囲が多い順に ・ライトブルー ・黒 ・・・ →シート色のタグとして、 「ライトブルー」を付与! 学習データ収集 内装画像探索 内装色判別 内装判別をするための学習データ 収集 1 2 3 「メディアで不足・もっと見たかったクルマの情報」を調査したところ、1位が「クルマの内装の写真」であること、 また、約 35%の回答者が、中古車の「内装」を重視してクルマ選びをしていることが判明。 一方で既存メディアには内装色で検索という機能が存在しない。
35.
35Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. Linné 文章分類API
36.
36Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. リクルートにおいてテキストが持つ重要性 原稿に不備があると。。。 いい求人ないかなー?? 業界No1の実績を誇ります。 No1
37.
37Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne 今回はクチコミの審査効率化を目的として利用 大量のクチコミ 見きれない! ! チェック項目多す ぎ!! 掲載OK 掲載NG 大量のクチコミ 掲載OK 6% 掲載NG 94% たしかにNG !! 掲載NG
38.
38Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne 今回の学習データはテキストとラベルの対 私はタコです。 審査OK あなたが嫌いです。 審査NG あなたが嫌いではないです。 審査OK 赤ちゃんLinne 大量に教え込ませる 審査OK なんでこんなんもわからんのや 賢いLinne
39.
39Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne ConvNetは画像のためのモデル →入力は32×32(×3)の行列orテンソルで固定長 私はこの景色が好きだ。 Embedding 私 僕 女 男 景色 好き 各単語をn次元ベクトルに変換 私 は この だ 。 <eos> … n次元ベクトルを並べて行列作成
40.
40Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne 固定長に対応するために、パディングを行う 私はこの景色が好きだ。(8単語) 私は阪大出身です。(6単語) 小さいときから英語が得意でした。(9単語) 列数が9になるようにpadding
41.
41Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne 学習の手順 私はこの景色が好きだ。 形態素解析 [ 私, は, この, 景色, が, 好き, だ, 。] Embedding 学習データ [“私はこの景色が好きだ。”, 審査OK] 審査OK 掲載OK 78% 掲載NG 22%
42.
42Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. TEXT CLASSIFICATION API : Linne AWS cloud クチコミテキスト 掲載OK 78% 掲載NG 22% 各ラベルへの帰属確率 クチコミ審査者 掲載OK 実際の活用フロー 教師学習がまだまだ主流の今、100%の精度はありえない。まずは過度な期待をせず に、できるところからAIを用いて人の作業負担を減らし、 共に成長していく仕組みづくりが必要である。
43.
43Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. テキスト分類ロジックをChat-Botへ応用 によるQA分類ロジックを利用
44.
44Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 日常会話領域での最新技術の利用 感情指定返信学習 「〜な感情で応答せよ」という指令を質問文にラベル付けすることで、 所望の感情での回答を行う機能を実装。 対話破綻学習 質問文がそれにふさわしいかどうかをロジスティック回帰により判定す る仕組みを取り入れ、回答のふさわしさという観点で精度向上を 図っている。
45.
45Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. ARGON 文章校閲API
46.
46Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON Customer Client 原稿 原稿 原稿 求人原稿に間違いがあると、マッチングの機会損失に!! なので人手と時間をかけて大量の項目をチェックしている
47.
47Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 原稿の校閲の自動化 校閲項目 実現方法 説明会などの日付が過去の日付にな っていないか? ルールベース 日付と曜日がずれていないか? ルールベース 電話番号は正しいか? 桁数などをチェックする ルールベース 差別表現は含まれていないか? ルールベースと機械学習 誤字脱字 機械学習 住所は正しいか ルールベース *校閲項目の一部抜粋
48.
48Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON なぜ機械学習が必要か?? “私は妄奏する。” →“妄奏”という単語は存在しないので辞書と突き合わせればOK “税金を収める。” →”納める”が正解だが”収める”も辞書には存在している “税金が納める。” →文章として不自然。”が”ではなく”を”が適当。 単語ごとにみるのではなく文脈(系列)を読み取る必要
49.
49Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON “水は私達の生活は欠かせない。”input 文章としておかしくしている単語を検知 代わりとなる単語をサジェストoutput “水は私達の生活【は】欠かせない。” “に”ではありませんか?
50.
50Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON “水は私達の生活は欠かせない。” 形態素解析 水 は 私達 の 生活 は 欠かせ ない 。 x1 x2 x3 x4 x5 x6 x7 x8 x9 p(x2|x1) p(x3|x1,x2 ) p(x4|x1,… ,x3) p(x5|x1,… ,x4) p(x6|x1,… ,x5) p(x7|x1,… ,x6) p(x8|x1,… ,x7) p(x9|x1,… ,x8) 確率の低くなるものを検知し、代わりをサジェスト
51.
51Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON Recurrent Neural Network (系列データに対してのNeural Network) 例えば、 (1) 音声データ(波形) (2) 文書データ(単語) (3) 映像データ(画像)
52.
52Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 文書データに関しては、特定の文字列の後にくる単語の予測 ここには動詞がくるはず 主語がHeなので 三人称単数形 文章の構成に使われているルールを学習させて予測をする →誤字脱字の検知に使えるのでは??
53.
53Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON Recurrent Neural Network xt h1t h2t yt h2t-1 前の系列(t-1)の時の中間層の状態を利用して学習 考え方的には過去の系列全ての状態を考慮して学習できる
54.
54Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 何度も掛け算をするため重みが爆発したり、勾配が消失する 結果、長期的な依存性がなくなる input hidden output time t-q t-5 t-4 t-3 t-2 t-1 t 〜〜 …
55.
55Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 勾配消失問題を解消するために特殊な隠れノードを追加したモデル xt ht-1 xt ht-1 xt ht-1 ht ×1.0 tanh tanh sigmoidsigmoid input gate output gate Constant Error Carousel
56.
56Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON input embed LSTM output embed層では各単語の特徴ベクトルを算出する(次元削減) outputでは総和が1となる確率ベクトルを出す ネットワーク全体
57.
57Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON input embed LSTM output 学習フェーズ “私は野球が好きです。” “野球” target “が”
58.
58Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 予測フェーズ input embed LSTM output “私は野球に好きです。” “野球” “私は野球” “に”の確率 高い確率の単語は?
59.
59Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. document proofreading api : ArGON 48549units 400units 400units 48549units400units input embed LSTM (GRU) outputFeed Forward + Deep Residual Learning
60.
60Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. ArGonのデモ
61.
61Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. R&Dについて
62.
62Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. R&Dによるデータ解析活用ポリシー etc 内製開発、内製ロジック作成やオープンソース利用のみが、技術によるビジネス貢献ではない。 常に情報を探り、集め、あらゆる手段でデータ解析をビジネス貢献の手段として確立させるようベストを尽くす必要がある。 Etc…
63.
63Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. スタートアップ協業シリーズ 海外出張によって訪問した現地(イスラエル・US)の先進スタートアップ企業とディスカッション。 プロダクト利用だけではなく、協働検証・開発なども行っている。 社内検証 インフラ オペレーションAI 類似画像 アフィリエイト 屋内位置情報測位 説明会などイ ベントでの流 量分析想定 ビッグデータ 部内部Hadoop 環境での利用 画像を生かし た媒体間の クロスユース 屋内位置情報取得 によるカスタマー 情報リッチ化 社内インフラ運用 のモニタリングを 知見習得? インターネット中 の画像を集客元に
64.
64Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. Cotori –屋内位置測位 GPSではできない屋内の測位を正確に行うSDK。 屋内でGPSと同じようにトラッキングをしたり、非常 に小さいジオフェンスを貼ることが可能。 またwifiや地磁気の情報を使用するため非常に省電力 で動くことが特徴 オフラインイベントなどでの解析に利用できないかを 検討中。 ×
65.
65Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 半教師有り学習による精度向上 • VATを用いた半教師有り学習 • 半教師有り学習:少量の教師付きデータと大量の教師なしデータを用いて、比較的高精度のモデル 作成する手法。 mnist[0~9の手書きデータ]を利用し、 以下を検証。 ・60000万枚の画像を学習に使った精度 ・各枚数を学習に利用した時の精度 ・各枚数を教師有り、残りを教師なしと して学習した精度 教師有りを600枚使っただけで、ほぼ 60000枚全て利用した時と同様の精度が 得られていることがわかる。 学習利用枚数 誤 差 率 (%) 大量の画像全てに正解ラベルを付与しなくても良い。 よって、学習データの収集コストが大幅に下がることが期待できる。
66.
66Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. まとめと今後
67.
67Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. AI案件を回すのに必要な力 技術力 施策接続 コミット力 情報力
68.
68Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. データ解析の利用シーン拡大 customer Client Attracting customers Select Action Effect Information published Target client Matching cross tabulation Recommendation Image search Advertising expenses optimization Ad Targeting Manuscript reviewer Auto review Article creation support Sales support Competitive analysis
69.
69Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 大切にしたいこと データの活用周りの商品(エンタープライズ、オープンソース問わず)、 ロジック、活用事例などの最新情報をなるべくキャッチしておく。 どんなデータでも扱えるように知見を集約しておく、難しい技術や課題 にも積極的にチャレンジしていく。 コードのオープンソース化が進み、競合優位要因が「コード保有」から 「データ保有」「施策接続力」にパラダイムシフト。ビジネスの感覚も忘れ ずに、事業と二人三脚で案件を進める。 1 2 3
70.
70Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 速報 A3RT-APIの一部を社外公開すべく鋭意準備・開発中です! どうぞご期待ください。
71.
ご静聴ありがとうございました リクルートテクノロジーズ
Baixar agora