eviry tech & service blog

「株式会社エビリー」の社員ブログです。弊社では、クラウド型動画配信サービス「millvi」、ソーシャル動画データ及び分析サービス「kamui tracker」、YouTube総合メディア「かむなび」を開発・提供しています。https://eviry.com/

デブサミ2018夏のまとめ

これは旧eviry tech blogから移行した記事です。

millvi開発のtkです。
先日のDevelopers Summit 2018 Summerに参加してきましたので、その内容を主観でまとめます。 参加した人はアンケートに回答すると後日資料を共有してもらえますので、忘れずに回答しておきましょう。

Developers Summit 2018 Summer

ソニーが提供するディープラーニングの開発環境の紹介と活用事例

ソニー社の深層学習についての今までの取り組みと提供されているツールについての話。
これまで開発してきた深層学習ライブラリをオープン化し、これを組み込んだコンソールアプリを作成し公開している。
これは深層学習研究者の裾野を広げるのが目的とのこと。
深層学習は汎用性があり、学習のためのデータが有れば様々な分野に応用できるため、今後もっと活用されていくと考えている。

AI時代のエンジニア生存戦略

今後のAI人材の方向性についての話。
時代の変化とともに扱うデータの性質も変化し、様々な情報がログとして収集できるようになった。
人間と機械では認識の方法に似ている部分があるが、量と速度については機械のほうが優れている。
「データサイエンティスト」というものが、一人で担うものからチームで役割分担するものに変わってきた。
現在のデータサイエンティストの仕事は、ビジネス、データサイエンス、データエンジニアリングにまたがっている。
どれか一つに特化しているだけではなく、お互いがそれぞれの領域の内容について理解を示し、相互に作業することが重要。

加速するビッグデータ社会 〜Yahoo! JAPANにおけるデータ活用の事例とエンジニアの歩み〜

yahoo社のこれまでのアプリ開発における機械学習との関わりについての話。
レコメンドを始めとして、プッシュ通知や位置情報サービスなどに機械学習を応用してきた。
適切な情報を集めるためにサイエンスチームと協力して専用のAPIを開発。
それぞれの役割間で知識を共有し、お互いに理解しながら開発を進めることがうまくいくポイントだった。

「教えて!goo」 3000万件のQAデータから、世界初の長文生成AIが生まれるまで〜AIによる恋愛相談の裏側〜

「教えて!goo」サービス上で恋愛相談における長文生成AIの開発についての話。
恋愛相談という「解答のない問題」で、まだ研究の進んでいない長文生成という課題へのチャレンジ。
恋愛相談AIのために、新手法を開発。
提案手法を使うと、相談内容に対するイイネの数は人が答えた場合と遜色ない評価を得ている。
今後は対話をしながら相談に応じられるAIの開発も進めていく。

人脈の情報はどうやって蓄積されるのか?Sansan/Eightのデータエンジニアリング

Sansan社の名刺認識における機械学習と人力のハイブリッドシステムの話。
名刺という個人情報の塊を扱うので、名刺の画像そのものを分割して処理に回しそれらを結合する、ということを行っている。
機微情報は取り扱いが難しいが、うまく収集することでこれまでになかった価値を想像することができる。
情報の入口と出口によって収集方法も変わり活用の方法も変わってくる。
今後は、これまで蓄積した情報をもとに企業ブランドというものを再定義していきたい。

ソーシャルゲームを分析せよ!〜社内分析チームの立ち上げから学んだデータ分析のための組織と技術

Gumi社におけるデータ分析部門の立ち上げの話。
ソシャゲのレッドオーシャン化による売上の減少を食い止めるため、データを分析する必要があった。
外部委託も考えたが、社内の状況や情報伝達のコストなどを考慮し、社内に分析舞台を作ることに。
データ分析には、データ分析チームだけではなく、プロデューサーやインフラエンジニアとの連携も必要だった。

EdTechトップランナーに学ぶ!幸せに生きるための学び方

LoiLo社代表によるロイロノートを活用した学校教育現場の話。
近年では一斉授業から、それぞれが書いたり発表したりするアクティブラーニングという授業形態に移り変わってきている。
無料で提供される学習環境が充実し始めた現在、いかにしてモチベーションを保つかが重要。
ロイロノートを活用することで思考を可視化、さらに発表することで記憶の定着とモチベーションの維持が実現できる。
講義やセッションを受ける前に自分で問いを設定し、それに解答できるようになるために参加すると良い。

Kaggleで描く成長戦略〜個人編・組織編〜

結論: kaggleをやりなさい。

所感

今回はデータエンジニアリングが主題だったので、講演内容もデータ分析関連のものがほとんど。
データサイエンティストというものが、「特定の個人」から「主にデータ分析を担うチーム」に変わってきたのを感じました。
また、データ分析作業だけに閉じているのではなく、他の分野・部門とも積極的に関わっていくことが重要になってきています。
プロダクトとして新しいものを生み出している企業もあれば、既存のプロダクトや業務を改善するためにデータを活用する会社も増えてきているとのこと。

millviでも、既存の解析機能の改善を図りつつ、さらに業務改善に役立てられるようにデータ活用を行っているところです。