Enviar pesquisa
Carregar
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
•
9 gostaram
•
29,464 visualizações
Recruit Technologies
Seguir
2017/01/27 PyData.Tokyo Meetup #12 -強化学習での、舟木の講演資料になります
Leia menos
Leia mais
Tecnologia
Vista de apresentação de diapositivos
Denunciar
Compartilhar
Vista de apresentação de diapositivos
Denunciar
Compartilhar
1 de 45
Baixar agora
Baixar para ler offline
Recomendados
機械学習 / Deep Learning 大全 (1) 機械学習基礎編
機械学習 / Deep Learning 大全 (1) 機械学習基礎編
Daiyu Hatakeyama
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
Recomendados
機械学習 / Deep Learning 大全 (1) 機械学習基礎編
機械学習 / Deep Learning 大全 (1) 機械学習基礎編
Daiyu Hatakeyama
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
nlab_utokyo
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Preferred Networks
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
Deep Learning JP
MLOps入門
MLOps入門
Hiro Mura
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
「機械学習:技術的負債の高利子クレジットカード」のまとめ
「機械学習:技術的負債の高利子クレジットカード」のまとめ
Recruit Technologies
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例
NU_I_TODALAB
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
Deep Learning JP
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
MIRU2020長尾賞受賞論文解説:Attention Branch Networkの展開
MIRU2020長尾賞受賞論文解説:Attention Branch Networkの展開
Hironobu Fujiyoshi
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
BrainPad Inc.
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
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
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
Deep Learning JP
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
Mais conteúdo relacionado
Mais procurados
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Preferred Networks
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
Deep Learning JP
MLOps入門
MLOps入門
Hiro Mura
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
「機械学習:技術的負債の高利子クレジットカード」のまとめ
「機械学習:技術的負債の高利子クレジットカード」のまとめ
Recruit Technologies
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例
NU_I_TODALAB
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
Deep Learning JP
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
MIRU2020長尾賞受賞論文解説:Attention Branch Networkの展開
MIRU2020長尾賞受賞論文解説:Attention Branch Networkの展開
Hironobu Fujiyoshi
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
BrainPad Inc.
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
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
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
Deep Learning JP
Mais procurados
(20)
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
Optunaを使ったHuman-in-the-loop最適化の紹介 - 2023/04/27 W&B 東京ミートアップ #3
MLOpsはバズワード
MLOpsはバズワード
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
MLOps入門
MLOps入門
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
「機械学習:技術的負債の高利子クレジットカード」のまとめ
「機械学習:技術的負債の高利子クレジットカード」のまとめ
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
MIRU2020長尾賞受賞論文解説:Attention Branch Networkの展開
MIRU2020長尾賞受賞論文解説:Attention Branch Networkの展開
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
Destaque
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
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
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
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
Rist Inc.
ディープラーニング 今週の事例 Top 5
ディープラーニング 今週の事例 Top 5
NVIDIA Japan
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
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
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
[Ridge-i] Dll講演資料 2017616
[Ridge-i] Dll講演資料 2017616
Ridge-i
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
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
Deep inspectionの特徴
Deep inspectionの特徴
Rist Inc.
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
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
ビッグデータ処理データベースの全体像と使い分け - 2017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 - 2017年 Version -
Tetsutaro Watanabe
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
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
拡がるディープラーニングの活用
拡がるディープラーニングの活用
NVIDIA Japan
Hadoop’s Impact on Recruit Company
Hadoop’s Impact on Recruit Company
Recruit Technologies
Destaque
(20)
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
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
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
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-
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
ディープラーニング 今週の事例 Top 5
ディープラーニング 今週の事例 Top 5
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
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
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~
[Ridge-i] Dll講演資料 2017616
[Ridge-i] Dll講演資料 2017616
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
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
Deep inspectionの特徴
Deep inspectionの特徴
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
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
ビッグデータ処理データベースの全体像と使い分け - 2017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 - 2017年 Version -
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
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
拡がるディープラーニングの活用
拡がるディープラーニングの活用
Hadoop’s Impact on Recruit Company
Hadoop’s Impact on Recruit Company
Semelhante a リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルート式AIの活用法
リクルート式AIの活用法
Recruit Technologies
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
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
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
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
20150625 cloudera
20150625 cloudera
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
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
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤
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
20141003 webマーケティングエンジニアリング
20141003 webマーケティングエンジニアリング
Innova Inc.
SORACOM S+Cameraを利用して在庫チェックをやってみた
SORACOM S+Cameraを利用して在庫チェックをやってみた
Takanori Suzuki
Smfl20201001
Smfl20201001
三井住友ファイナンス&リース デジタル開発室
[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.
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
LeapMind Inc
ドライブレコーダの動画を使った道路情報の自動差分抽出
ドライブレコーダの動画を使った道路情報の自動差分抽出
Tetsutaro Watanabe
JJUG CCC リクルートの Java に対する取り組み
JJUG CCC リクルートの Java に対する取り組み
Recruit Technologies
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
Shigeyuki Kameda
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
appliedelectronics
Semelhante a リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
(20)
リクルート式AIの活用法
リクルート式AIの活用法
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
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
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
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
20150625 cloudera
20150625 cloudera
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」
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
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
変わる!? リクルートグループのデータ解析基盤
変わる!? リクルートグループのデータ解析基盤
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
20141003 webマーケティングエンジニアリング
20141003 webマーケティングエンジニアリング
SORACOM S+Cameraを利用して在庫チェックをやってみた
SORACOM S+Cameraを利用して在庫チェックをやってみた
Smfl20201001
Smfl20201001
[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』
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
20180831 [DeLTA TECH] DeLTA-Liteを支える技術(システム構成編)
ドライブレコーダの動画を使った道路情報の自動差分抽出
ドライブレコーダの動画を使った道路情報の自動差分抽出
JJUG CCC リクルートの Java に対する取り組み
JJUG CCC リクルートの Java に対する取り組み
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
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
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
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
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
LT(自由)
LT(自由)
Recruit Technologies
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Recruit Technologies
銀行ロビーアシスタント
銀行ロビーアシスタント
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
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
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
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
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
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
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
(20)
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
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
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
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
LT(自由)
LT(自由)
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
Company Recommendation for New Graduates via Implicit Feedback Multiple Matri...
銀行ロビーアシスタント
銀行ロビーアシスタント
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
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
RANCHERを使ったDev(Ops)
RANCHERを使ったDev(Ops)
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
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~
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.
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
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
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
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
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
Último
(8)
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)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
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)
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
1.
リクルートにおける マルチモーダル Deep Learning Web
API 開発事例 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 舟木 類佳
2.
2Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 自己紹介
3.
3Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 趣味etc 学歴 仕事 所属 氏名 RTC ITソリューション統括部 ビッグデータ部 ビッグデータプロダクト開発G 舟木 類佳(ふなき るか) 東京大学大学院情報理工学系研究科 創造情報学専攻 中山英樹研究室 新卒入社1年目 7月配属 uMean プロダクトオーナー 音楽(ピアノ・ドラム・作曲) 自己紹介
4.
4Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. アジェンダ リクルートについて A3RTについて マルチモーダル学習とは 開発事例の紹介 まとめ
5.
5Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. リクルートについて
6.
6Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. リクルートのビジネスモデル クライアントとカスタマーをつなぐサービスを提供
7.
7Copyright © 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
8.
8Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. リクルートテクノロジーズの立ち位置 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。 Infrastructure Large project promotions UI design/SEO Big Data Department Technology R&D IT Promotion 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 Operation Service
9.
9Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. ビッグデータ解析部門の組織体制 ビジネス コンサルティング グループ 人材領域グループ 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 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 プロダクト開発 グループ 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 IDポイントPRJの 基盤の構築・運用 ビックデータ部
10.
10Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. A3RTについて
11.
11Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. A3RTって何? Deep Learningなどに代表される 機械学習ロジックとそのAPIを A3RTというブランドで統一し、社内に展開
12.
12Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. A3RT のプロダクト データ分析や機械学習を社内向けに提供する APIプロダクト
13.
〜マルチモーダル機械学習を利用した 画像・テキストによる相互検索API〜
14.
14Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. マルチモーダル学習とは
15.
15Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 人の五感 体にはたくさんのセンサーが張り巡らされている 味覚 触覚 嗅覚 視覚 聴覚
16.
16Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 人は複数の情報の関係性を知っている 人は経験的複数の感覚を雨という概念と結びつけている 雨の音を 聞く 雨を見る 濡れる雨の匂い を嗅ぐ 雨だ!(知覚)
17.
17Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. コンピューターはわからない 17 0101010101010101 0101010101010101 0101010101010101 0101010101010..... ハワイに行きました。 海がとても青くて 陽の光が眩しかったです。 0101010101010101 0101010101010101 0101010101010101 0101010101010..... Icon: http://www.icondrawer.com/ 画素データ 文字列データ 画素データの 数値列 文字コードの 数値列 0101010101010101 0101010101010101 0101010101010101 0101010101010..... 波の音 波形データ 関係は?? 波データの 数値列
18.
18Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. マルチモーダル学習は情報間の隔たりを埋める 画像 テキスト 画像とテキストの セマンティックギャップ (意味的隔たり) コンピューターの世界 0101010101010101 0101010101010101 0101010101010101 0101010101010..... 0101010101010101 0101010101010101 0101010101010101 0101010101010..... ハワイに行きました。 海がとても青くて 陽の光が眩しかったです。 Icon: http://www.icondrawer.com/
19.
19Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 学習に必要なデータ 画像と画像に対する説明文のペアさえあれば学習可能 こういう画像はこういうテキスト 関係性を学習 クリスマスにワイングラスで乾杯。 赤い薔薇とオシャレなテーブル セッティングで素敵なディナーを お召し上がりください。
20.
20Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 結合空間へのデータのマッピング マルチモーダル学習は結合空間に複数の情報が関連性が高いも のを近くにマッピングするように学習する 距離が近ければ関連性が高い ・画像a x4 x1 ・画像b x2 x3 xd ︙ ・テキストc ・テキストd 結合空間 x4 x1 x2 x3 xd ︙ ・画像b ・画像a 画像空間 x4 x1 x2 x3 xd ︙ ・テキストd ・テキストc テキスト空間
21.
21Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 2つのDEMO Map DEMO 対話DEMO
22.
22Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. uMeanでできること〜「画像⇔テキスト」相互検索 画像 ............. 画像からテキスト: 画像から連想する テキストを検索する テキストから画像: テキストから連想する 画像を検索する テキスト 画像から画像: 画像から 類似する画像を検索する テキストからテキスト: テキストから 類似するテキストを検索する
23.
23Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. もっと赤い uMeanでできること〜もっと検索 もっと検索 画像 画像
24.
24Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. イメージを近づけていく 欲しかったもの かわいい かっこいい 和風 洋風
25.
25Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 開発事例の紹介
26.
26Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 7月に配属されてから行った多岐にわたる仕事 商品企画 データ解析 バックエンド開発 フロントエンド開発 インフラ開発 一緒に働く人探し、面接 売り込み チームマネジメント 事業会社との調整
27.
27Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 本番環境 http request Elastic Load Balancing prd_umean_web2 API サーバー prd_umean_web1 API サーバー Amazon Route 53 Internet umean_manager Jenkins サーバー umean_batch Batch サーバー prd-umean fabric ②学習 ①学習データをコピー ③モデル配布 モデル ファイル モデル ファイル 画像情報 テキスト情報 APIアーキテクチャ
28.
28Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 本番環境 http request Elastic Load Balancing prd_umean_web2 API サーバー prd_umean_web1 API サーバー Amazon Route 53 Internet umean_manager Jenkins サーバー umean_batch Batch サーバー prd-umean fabric ②学習 ①学習データをコピー ③モデル配布 モデル ファイル モデル ファイル 画像情報 テキスト情報 Web APIサーバー
29.
29Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. Webサーバー カスタマー APIサーバー マルチモーダル学習 プログラム uWSGI protocol WSGIサーバー Webサーバー Internet
30.
30Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. webフレームワークの選択 Django等のフレームワークは今回の機械学習API に対しては多機能すぎた BottleやFlaskで十分 今回はBottleを選択 軽量フレームワークを利用することで 早い開発スピードが実現できた
31.
31Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 本番環境 http request Elastic Load Balancing prd_umean_web2 API サーバー prd_umean_web1 API サーバー Amazon Route 53 Internet umean_manager Jenkins サーバー umean_batch Batch サーバー prd-umean fabric ②学習 ①学習データをコピー ③モデル配布 モデル ファイル モデル ファイル 画像情報 テキスト情報 バッチアーキテクチャ
32.
32Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. マルチモーダル学習アルゴリズム 今回検討したアルゴリズム 正準相関分析(CCA: Canonical Correlation Analysis) Visual-Semantic Embedding(VSE)
33.
33Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 正準相関分析(CCA) 相関が最大になるように射影する (相関が高くなることはすなわち距離が近くなる) x = (x1, … xp), y = (y1,…,yq)z = aT (x − x) w = bT (y − y) テキスト特徴空間画像特徴空間 結合空間
34.
34Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. Visual Semantic Embedding 内部状態 Vh をこのキャプションの表現とする。 損失関数 "Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models" (Kiros, Salakhutdinov, Zemel. 2014). 文章情報 画像情報
35.
35Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. CCAとVSEのどちらが良いか CCAよりもVSEの方が精度が高いためVSEを選択 しかし、VSEの場合は内積による最適化なので、 単純なユークリッド距離計算ができない (線形計算ができない)ので工夫が必要だった ・画像a x4 x1 ・画像b x2 x3 xd ︙ ・テキストc ・テキストd 結合空間 ※コサイン距離でしか測れない
36.
36Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 画像とテキストのペアを学習する 秋を感じる黄色いコスモスが風に なびいて・・・ 紅葉した木々がきれいな森林 で・・・ オーシャンブルーの海が広がる 沖縄の観光スポット・・・ 青々と茂る大根畑が・・・ ︙ ︙ 画像 キャプション
37.
37Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 学習と検索の流れ テキスト Caffeによる 特徴抽出 MeCabによる 形態素解析 画像特徴 VSE 分かち書きテキスト ピクセルデータ 文字列データ テキスト テキスト Caffeによる 特徴抽出 MeCabによる 形態素解析 Image encoder 画像特徴 Sentence encoder VSE分かち書きテキスト ピクセルデータ 文字列データ マルチモーダル空間 における画像特徴 最近傍探索 (コサイン 距離) 学習 モデル 学習 検索 学習画像 学習テキスト テキスト テキスト テキスト 検索画像 検索テキスト マルチモーダル空間 におけるテキスト特徴
38.
38Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 文章(または単語)からの画像検索 Image encoder Sentence encoder VSE 最近傍探索 (コサイン距離) テキスト クエリテキスト image_feature.npy sentence_feature.npy マルチモーダル空間 における画像特徴 マルチモーダル空間 におけるテキスト特徴 画像リスト ※クエリテキストは文章でも単語でもよい。 単語は1文字から成る文章と考える。 マルチモーダル空間 における画像特徴 マルチモーダル空間 におけるテキスト特徴
39.
40Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 画像から単語の検索 Image encoder Sentence encoder VSE マルチモーダル空間 における画像特徴 ? アップロード画像 image_feature.npy sentence_feature.npy 単語リスト ? 予め用意された単語データはないが、 どのようにすればよいか?
40.
41Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 画像から単語の検索 一番良かった方法(アドホックな方法) 単語を TF-IDF順に ソートして 上位を取得 画像に近い文章を20件検索してくる
41.
42Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 画像から単語の検索 Image encoder Sentence encoder VSE マルチモーダル空間 における画像特徴 最近傍探索 (コサイン距離) アップロード画像 image_feature.npy sentence_feature.npy マルチモーダル空間 におけるテキスト特徴 20件 TF-IDF 計算 単語リスト
42.
43Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. もっと検索(画像に単語を足す) ・赤い 単純な方法はうまくいかなかった ↓出てこない
43.
44Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. もっと検索 画像からテキストを10個検索してきて文頭に 「もっと○○」に当たる用語を追加する その後、センテンスエンコーダーに入力してきて平均を取ることで画 像を検索する +赤い +赤い +赤い +赤い +赤い Sentence Encoder 平均 目的の 画像ベクトル バラが敷き詰められた・・・赤い + 文字列の結合
44.
45Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. まとめ マルチモーダル機械学習を利用した画像・テキスト相互検索API、 「uMean」を開発した。 マルチモーダル学習を用いることでこれまでに 出来なかったような新しい探し方ができるようになった。 それを実現するために、アドホックな方法を含め、 色々な方法を試すことが必要だった。 今後もマルチモーダル空間を利用して様々な検索方法ができるよ うに改良していきたい。
45.
46Copyright © Recruit
Technologies Co., Ltd. All Rights Reserved. 私達は一緒に働く人を求めています 新しいテクノロジーを利用して ものづくりがしたい人は 是非、一緒に働きましょう!! リクルートテクノロジーズ 舟木 類佳(ふなき るか) ruka_funaki@r.recruit.co.jp 連絡先
Baixar agora