DeNAの機械学習・深層学習活用した 体験提供の挑戦

Koichi Hamada
Koichi HamadaSenior Staff Research Engineer, Artificial Intelligence at DeNA
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
Experience Design 2016 SPRING
- Data × Design -
DeNAの
機械学習・深層学習活用した
体験提供の挑戦
株式会社ディー・エヌ・エー
濱田晃一
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
2	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
3	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
4	
講師
2010年6月
Mobageプラットフォーム全体の
データマイニング・機械学習活用したサービス開発・洗練
2011年4月~
濱田晃一 (@hamadakoichi)
・執筆:Mobageを支える技術
DeNA入社
ソーシャルゲームのデータマイニングチーム立上げ
Analytics Architect
DeNA全サービスの
データマイニング・機械学習活用したサービス開発・洗練
2014年10月~
・DeNA全サービスを対象とした 大規模機械学習活用したサービス開発
・博士 : 量子統計場の理論 (理論物理)
・TokyoWebmining 主催者
- 機械学習の実活用コミュニティ。登録人数 1400人超。
- 6年継続、累積53回開催
- 体験設計から、分散学習アルゴリズムの設計・実装まで
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
5	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
6	
個性
感性 創作
に寄りそう
ユーザーひとりひとりの感性・創作
体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
7	
何の数値?
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
8	
3.8倍
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
9	
※注意) DeNA実績: 表示位置等、同一表示条件での比較数値。	
同一条件表示での
インストール数
ユーザーひとりひとりに体験最適化
効果数値例
3.8倍
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
10	
ユーザーひとりひとりに体験最適化
興味にあったゲームに出会い楽しめるレコメンド
行動・反応から興味を学習。使えば使うほど推薦内容が洗練されていく
自分の興味にあい 楽しみ継続利用する確率が高いゲーム
・各ユーザごとに、各レコメンド表示に
対する反応から興味を強化学習
自分がはまっているゲーム
User Reaction Log
Personalized Data
for Each User
Impression
Game Play Install
user_id, recdata
・ゲームプレイ特徴、ゲームインストー
ル特徴、インストール後継プレイ特徴、
の条件付き確率構造を学習
・各ユーザーごとに、プレイ特徴に応じ
た、各ゲームの継続利用確率を算出
分散処理: 機械学習
Click
Install
プレイ・継続特徴学習
リアクション学習
Play Continuity
after install
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
11	
ユーザーひとりひとりに体験最適化
ゲーム
(Mobage)
ニュース
(Mobage)
友達
(Mobage)
アニメ・マンガ・ゲーム・声優・ラノベ 情報
(ハッカドール)
マンガ
(マンガボックス)
健康情報
(KenCoM)
提供例
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
12	
個性
感性
に寄りそう
ユーザーひとりひとりの感性
体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
13	
感性
どのサングラスが
スタイル・テイストが似たアイテムか?
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
14	
感性
どのサングラスが
スタイル・テイストが似たアイテムか?
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
15	
感性
どのサングラスが
スタイル・テイストが似たアイテムか?
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
16	
感性に関する体験提供の挑戦例
スタイル・テイストが似ている商品にたくさん出会える
ファッションを楽しむ自由度を上げる
商品 スタイル・テイスト類似商品
・距離算出に適した空間を構成できる構造追加した、Convolutional Neural Networkの学習
・商品に関係しない領域に引きずられず、スタイル・テイストが似ている商品を算出
「商品を着用したモデル画像」「商品画像」区別なく、類似商品算出
商品 スタイル・テイスト類似商品
ファッションのスタイル・テイストが似ているものを算出
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
17	
実際のアプリ画面動画
スタイル・テイストが似ている商品をたどれる
「商品を着用した モデル画像」「商品画像」 区別なく
類似スタイル・テイストの商品をたどれる
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
18	
個性
創作
に寄りそう
ユーザーひとりひとりの創作
体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
19	
創作
本物のアバターアイテムはどれか?
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
20	
創作
本物のアバターアイテムはどれか?
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
21	
創作
本物のアバターアイテムはどれか?
本物アイテム
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
22	
創作
本物のアバターアイテムはどれか?
深層学習により生成されたアイテム本物アイテム
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
23	
創作に関する体験提供の挑戦例
アバターアイテム画像の構造を学習
世界に存在しない新たなアバターアイテム画像を生成する
Deep
Generative

Model	
学習
アバターアイテム
生成
新たなアバターアイテム
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
24	
創作に関する体験提供の挑戦例
アバターアイテムの合成生成
ユーザーひとりひとりが世界に1つしかない自分だけのアバター生成
アイテム1 アイテム2合成生成されたアイテム
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
25	
新たな価値ある体験提供の
ポテンシャルを持っている
機械学習
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
26	
本日は
実際の機械学習活用した
体験提供の挑戦
に関し、お話しします
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
27	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
28
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
広告
Eコマースゲーム
コミュニケーション
スポーツ
エンターテインメント
オートモーティブキュレーション
ヘルスケア
DeNAの事業ポートフォリオ	
29
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
30	
50億超/Day
(2TB/Day)
数千万人月間利用ユーザー
ユーザ行動
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
1日50億超の行動情報
統計的有意な結果を
多くのユーザー体験へ還元
数千万人
1日50億超アクション
31
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
1日50億超の行動情報
統計的有意な結果を
多くのユーザー体験へ還元
統計的有意
機械学習の
結果の統計的有意性
数千万人
1日50億超アクション
32
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
1日50億超の行動情報
統計的有意な結果を
多くのユーザー体験へ還元
統計的有意 多くの人へ還元
機械学習の
結果の統計的有意性
多くのユーザー体験へ
還元できる
数千万人
1日50億超アクション
33
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
個性
感性 創作
に寄りそう
ユーザーひとりひとりの感性・創作
体験提供
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
提供
Social Graph
Data Mining
Machine Learning
ClusteringPatternMining
Classification Regression Recommendation
of Fun
Social
Experience
TimeSeriesAnalysis StatisticalAnalysis
Detailed Actions
Social Communications
Changes of Status
NaturalLanguageProcessing ..etc
Personality ..etc
活動・ソーシャル情報の活用により
ひとりひとりそれぞれの興味・つながりにあった
より適切な情報・サービスの提供
37
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
提供
Social Graph
Data Mining
Machine Learning
ClusteringPatternMining
Classification Regression Recommendation
of Fun
Social
Experience
TimeSeriesAnalysis StatisticalAnalysis
Detailed Actions
Social Communications
Changes of Status
NaturalLanguageProcessing ..etc
Personality ..etc
活動・ソーシャル情報の活用により
ひとりひとりそれぞれの興味・つながりにあった
より適切な情報・サービスの提供
自ら探さなくてもそれらを得ることができる世界を実現したい
38
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
ユーザーひとりひとりにあった体験提供例
39	
ゲーム
(Mobage)
ニュース
(Mobage)
友達
(Mobage)
アニメ・マンガ・ゲーム・声優・ラノベ 情報
(ハッカドール)
マンガ
(マンガボックス)
健康情報
(KenCoM)
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
ユーザーひとりひとりにあった体験提供例
40	
ゲーム
(Mobage)
ニュース
(Mobage)
友達
(Mobage)
アニメ・マンガ・ゲーム・声優・ラノベ 情報
(ハッカドール)
マンガ
(マンガボックス)
健康情報
(KenCoM)
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
体験提供例
日々サービスを利用しているだけで
ユーザひとりひとりが
41
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
興味にあったゲームに出会え
親しい人と一緒に楽しめる情報・機会の提供
体験提供例
日々サービスを利用しているだけで
ユーザひとりひとりが
42
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
興味にあったゲームに出会え
親しい人と一緒に楽しめる情報・機会の提供
体験提供例
日々サービスを利用しているだけで
数千万人ひとりひとりに対し学習・算出し
サービス提供する
ユーザひとりひとりが
43
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
体験提供例
各ユーザーに対し興味・サービス横断で親しいユーザを学習・算出
サービスを使えば使うほど内容が洗練されていく
興味のあるゲームに出会う 親しい人と一緒に楽しむ
友達を増やし一緒にゲーム・
ココミュニティを楽しむ
(個別の学習、及び、ユーザ状況に応じたアルゴリズム自体の組合せ・選択)
44
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
45	
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
46	
興味にあったゲームに出会え
親しい仲間と複数ゲームを楽しめる
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
47	
興味にあったゲームに出会え
親しい仲間と複数ゲームを楽しめる
User
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
48	
興味にあったゲームに出会え
親しい仲間と複数ゲームを楽しめる
User
興味 興味 興味
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
49	
興味にあったゲームに出会え
親しい仲間と複数ゲームを楽しめる
User
興味 興味
User
興味
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
50	
興味にあったゲームに出会え
親しい仲間と複数ゲームを楽しめる
User
興味
親しさ
興味
User
興味
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
51	
興味にあったゲームに出会え
親しい仲間と複数ゲームを楽しめる
User
興味
親しさ
興味
User
興味 興味
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
52	
PF
Friend
Game
Friend
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
興味にあったゲームを
楽しめる
Interests
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
PF
Friend
Game
Friend
体験提供例
53
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
興味にあったゲームを
楽しめる
Interests
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
54	
PF
Friend
Game
Friend
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
55	
Familiarities
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests Familiarities
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
56	
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests Familiarities
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
57	
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests Familiarities
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
58	
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests Familiarities
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
59	
親しいユーザが
増える
興味があうユーザと
出会い・親しくなれる
機会を提供する (友
達推薦・コミュニケー
ション推薦、等)
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests Familiarities
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
60	
親しいユーザが
増える
興味があうユーザと
出会い・親しくなれる
機会を提供する (友
達推薦・コミュニケー
ション推薦、等)
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
親しいユーザが
増える
興味があうユーザと
出会い・親しくなれる
機会を提供する (友
達推薦・コミュニケー
ション推薦、等)
Familiarities
61	
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
親しいユーザが
増える
興味があうユーザと
出会い・親しくなれる
機会を提供する (友
達推薦・コミュニケー
ション推薦、等)
Familiarities
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Social
PF
Friend
Game
Friend
Game
Communication
FriendCommunication
PF
Communication
PF
Activity
Game
Activity
Game
Impression
Game
Click
Game
Install
User
Impression
User
Click
AttentionActivity
興味にあったゲームに出会え、親しい仲間と複数ゲームを楽しめる
親しいユーザと
一緒に楽しめる
興味にあったゲームを
楽しめる
Interests
興味にあった
ゲームに出会う機会提供する
(興味軸でのゲームとの出会い)
親しいユーザが楽しんでいる
ゲームに出会う機会を提供する
(親しいユーザ軸でのゲームとの出会い)
親しいユーザが
増える
興味があうユーザと
出会い・親しくなれる
機会を提供する (友
達推薦・コミュニケー
ション推薦、等)
Familiarities
体験提供例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
64	
興味にあったゲームに出会い楽しむ
提供体験例
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
分散処理: 機械学習
パーソナルレコメンデーション例
興味にあったゲームに出会い楽しめるレコメンド
行動・反応から興味を学習。使えば使うほど推薦内容が洗練されていく
自分の興味にあい 楽しみ継続利用する確率が高いゲーム
・各ユーザごとに、各レコメンドに対す
る反応から興味を学習 (強化学習)
自分がはまっているゲーム
User Reaction Log
Personalized Data
for Each User
Impression
Game Play Install
user_id, recdata
・ゲームプレイ特徴、ゲームインストー
ル特徴、インストール後継プレイ特徴、
の条件付き確率構造を学習
・各ユーザーごとに、プレイ特徴に応じ
た、各ゲームの継続利用確率を算出
Click
Install
プレイ・継続特徴学習、利用継続確率
リアクション学習
Play Continuity
after install
65
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
解決した課題
66
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
解決する課題
既存の全員一様の表示では、ゲーム枠・表示数を追加しても
インストール数は伸びていない
デモグラセグメントごとに
全員一様のゲームを
40game以上
表示ゲーム数を増やしても
インストール数は
全く伸びなかった
67
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
解決する課題
ユーザーがインストールしないゲームを表示し続け
他ゲームでのインストール機会を失っている
68
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
解決する課題
ユーザーがインストールしないゲームを表示し続け
他ゲームでのインストール機会を失っている
ユーザそれぞれが興味ないゲームは
何度みてもやっぱり興味ない
69
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
課題解決
・ユーザーがインストールしないゲームを表
示し続け、他ゲームでのインストール機会
を失っている
行動学習 リアクション学習
課題
行動特徴・リアクション特徴の学習による Personal Recommendation
ユーザごとにInstall・利用継続 確率最大のゲームを理由をつけ推薦する
・全員一様のゲーム表示では、枠どうしで
奪いあうだけで、全体インストール数は増
加していない
Personal Recommendation
・ユーザーごとに表示ゲームのリアク
ション学習(強化学習)。キューザごと
により興味あり、リアクションしやすい
ゲームを表示
・ユーザごとに各行動履歴から、各
ゲームの開始・利用継続の確率の確
率を算出。
※各ゲームがなぜ推薦されているか
の理由も合わせて表示
解決
70
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Bayesian Network
複数の事象の発生確率のネットワーク
⇒ ある事象が起こったとき、発生確率・期待値が最大となる事象を算出できる
Aが起こったら、Bが起こる確率:P(B|A)
例:
 SG Play⇒SG Install:
  事象A        事象B
  ・怪盗 Play   ⇒ バルキリーズInstall
  ・ラグナ Play   ⇒ アヴァロン Install
  SG Play⇒SG Install & 利用継続:
  ・ガンロワ Play ⇒ GCC Install & 利用継続
  ・ Play   ⇒ GCC Install & 利用継続
A
B
C
D
E
F
G
H
I
J
K
…
P(E|A)
P(F|A)
P(H|E)
※入門資料:Personal Recommendation と Bayesian Network
http://www.slideshare.net/hamadakoichi/ss-4113135
http://www.slideshare.net/hamadakoichi/ss-4552939・Bayesian Network入門      :
・Personal Recommendation入門:
確率ネットワーク: Bayesian Network
71
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
処理概要
各ユーザ行動とインストール・利用継続の Bayesian Networkとリアクション強化学習
インストール・利用継続期待値が最大化となるゲームを推薦する
①全ユーザのアクション履歴から、
  「各アクションとGame Yを Installし利用継続、確率ネットワーク」 を算出
②個々のユーザのアクション
imp
③Reaction学習からの興味算出Probability
= ProbabilityByAction x ProbabilityByReaction
例: 行動特徴からのInstall 確率算出による算出
Probabilityの高い順に表示
user Title Ac-on
12345678 Game	A	プレイ 30
12345678 Game	B	プレイ 10
12345678 News	Topic	X		閲覧 30
user Title Interest
12345678 ガンロワ 0.8
12345678 バハムー
ト
0.2
A
B
C
D
E
F
G
H
I
J
Game Install Y
…
P(E|A)
P(F|A)
P(H|E)
Y1
Y2
72
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
分散処理: 機械学習
パーソナルレコメンデーション例
興味にあったゲームに出会い楽しめるレコメンド
行動・反応から興味を学習。使えば使うほど推薦内容が洗練されていく
自分の興味にあい 楽しみ継続利用する確率が高いゲーム
・各ユーザごとに、各レコメンドに対す
る反応から興味を学習 (強化学習)
自分がはまっているゲーム
User Reaction Log
Personalized Data
for Each User
Impression
Game Play Install
user_id, recdata
・ゲームプレイ特徴、ゲームインストー
ル特徴、インストール後継プレイ特徴、
の条件付き確率構造を学習
・各ユーザーごとに、プレイ特徴に応じ
た、各ゲームの継続利用確率を算出
Click
Install
プレイ・継続特徴学習、利用継続確率
リアクション学習
Play Continuity
after install
73
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
28.2	
25.8	
16.4	
11.7	
6.7	
5.1	 4.94	 4.82	
3.57	
3.08	
0.0	
5.0	
10.0	
15.0	
20.0	
25.0	
30.0	
2010	
(NEC)	
2011	
(Xerox)	
2012	
(AlexNet)	
2013	
(Clarifai)	
2014	
(GoogleNet)	
Human	 Arxiv	
2015/2/6		
(PReLU-Net)	
Arxiv	
2015/3/2		
(BN-	
IncepNon)	
2015	
(ResNet)	
Arxiv	
2016/2/23	
(IncepNon-	
ResNet)	
ILSVRC	top-5	Classifica7on	Error	on	ImageNet	
深層学習の認識能力は人を超えている
Deep Learning の進展
ImageNet Large Scale Visual Recognition Challenge(ILSVRC)
画像認識の世界コンテスト、画像を1,000物体カテゴリに判別
2015年2月に Deep Neural Network が人の判別精度を超えた
http://www.image-net.org/challenges/LSVRC/
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
150層をこえる深い Neural Network
Deep Learning の進展
http://research.microsoft.com/en-us/um/people/kahe/ilsvrc15/ilsvrc2015_deep_residual_learning_kaiminghe.pdf
76
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
認識だけではなく
知能的なタスクも解かれ始めている
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
認識だけではなく
知能的なタスクも解かれ始めている
新たな体験提供の可能性が
拡がっている
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
画像の見出し文生成
Image Caption Generation with Visual Attention(Xu+2015)
Kelvin Xu, Jimmy Ba, Ryan Kiros, Kyunghyun Cho, Aaron
Courville, Ruslan Salakhutdinov, Richard Zemel, Yoshua
Bengio.
Show, Attend and Tell: Neural Image Caption Generation with
Visual Attention.
arXiv:1502.03044. In ICML 2015.
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
画像とテキストの表現ベクトル空間の学習
画像とテキストの演算
Semantic Embeddings with Multimodal Neural LM(Kiros+2014)
Ryan Kiros, Ruslan Salakhutdinov, Richard S.
Zemel.
Unifying Visual Semantic Embeddings with
Multimodal Neural Language Models.
arXiv:1411.2539. In TACL 2015.
80
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Generating Images from Captions with Attention(Mansimov+2015)
Elman Mansimov, Emilio Parisotto, Jimmy Lei Ba,
Ruslan Salakhutdinov.
Generating Images from Captions with Attention.
arXiv:1511.02793. In ICLR 2016.
見出し文からの画像生成
81
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
画像に対する質問応答
Image Question Answering (Ma+2015, Noh+2015)
Lin Ma, Zhengdong Lu, Hang Li.
Learning to Answer Questions From Image Using
Convolutional Neural Network.
arXiv:1506.00333. In AAAI 2016.
Hyeonwoo Noh, Paul Hongsuck Seo, Bohyung Han.
Image Question Answering using Convolutional Neural Network with
Dynamic Parameter Prediction. arXiv:1511.05756. In CVPR 2016. 82
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
画像に対する質問応答
Image Question Answering with Attention(Ren+2015,Chen+2015)
Zichao Yang, Xiaodong He, Jianfeng Gao, Li Deng, Alex
Smola. Stacked Attention Networks for Image Question
Answering. arXiv:1511.02274.
Kan Chen, Jiang
Wang, Liang-Chieh
Chen, Haoyuan Gao,
Wei Xu, Ram
Nevatia.
ABC-CNN: An
Attention Based
Convolutional Neural
Network for Visual
Question Answering.
arXiv:1511.05960.
83
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
複数文に対する質問応答
End-To-End Memory Networks(Sukhbaatar+2015)
Sainbayar Sukhbaatar, Arthur Szlam,
Jason Weston, Rob Fergus.
End-To-End Memory Networks.
arXiv:1503.08895. In NIPS 2015.
84
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
文の表現ベクトル空間の学習・キャラクター性変換
Skip Thought Vector/Neural Story Teller(Kryros+2015)
R. Kiros, Y. Zhu, R. Salakhutdinov, R. S. Zemel, A. Torralba, R. Urtasun, S. Fidler.
Skip-Thought Vectors.
arXiv:1506.06726. In NIPS 2015.
画像からロマンティックノベル風の文章生成
Captions
Skip Thought
(ST) Vectors
RNN
Decoder
- Mean of ST vectors from COCOS
+ Mean of ST vectors from Romance Novels
output
Romantic
Novels
https://medium.com/@samim/generating-stories-about-images-d163ba41e4ed
Neural Story Teller: https://github.com/ryankiros/neural-storyteller
85
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
対話
Neural Conversational Model(Vinyals+2015)
Oriol Vinyals, Quoc Le.
A Neural Conversational Model.
arXiv:1506.05869. In ICML2015.
86
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
対話
Attention with Intention for Neural Conversation Model(Yao+2015)
Kaisheng Yao, Geoffrey Zweig, Baolin Peng.
Attention with Intention for a Neural Network
Conversation Model.
arXiv:1510.08565. In NIPS2015.
87
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
画像スタイル変換
A Neural Algorithm of Artistic Style (Gatys+2015)
Leon A. Gatys, Alexander S. Ecker, Matthias Bethge.
A Neural Algorithm of Artistic Style.
arXiv:1508.06576. In NIPS 2015.
88
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
画像スタイル変換
Chuan Li, Michael Wand.
Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis.
arXiv:1601.04589.
MRF and CNN for Image Synthesis(Li+2016)
89
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Two-Bit Doodles into Fine Artworks(Champandard 2016)
Alex J. Champandard.
Semantic Style Transfer and Turning Two-Bit Doodles into Fine
Artworks.
arXiv:1603.01768.
スタイル・レイアウトの学習、指定レイアウトでのスタイル画像生成
オリジナル画像
指定レイアウト
オリジナル画像のレイアウト
指定レイアウトで
オリジナル画像風の画像生成
90
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Learning to Generate Chairs, Tables and Cars(Dosovitskiy+2014)
3Dモデルの表現ベクトル空間学習・演算・画像生成
Alexey Dosovitskiy, Jost Tobias Springenberg, Maxim Tatarchenko, Thomas Brox.
Learning to Generate Chairs, Tables and Cars with Convolutional Networks.
arXiv:1411.5928. In CVPR 2015
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Deep Convolutional Inverse Graphics Network(Kulkarni+2015)
3Dモデルの表現ベクトル空間学習・演算・画像生成
Tejas D. Kulkarni, Will Whitney, Pushmeet Kohli, Joshua B. Tenenbaum.
Deep Convolutional Inverse Graphics Network.
arXiv:1503.03167. In NIPS2015.
92
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
自然画像の表現ベクトル空間学習・演算・画像生成
Deep Convolutional GAN (Radford+2015)
自然画像のクリアな画像生成 画像演算
Alec Radford, Luke Metz, Soumith Chintala.
Unsupervised Representation Learning with Deep Convolutional
Generative Adversarial Networks.
arXiv:1511.06434. In ICLR 2016.
93
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Autoencoding beyond pixels (Larsen+2015)
Anders Boesen Lindbo Larsen, Søren Kaae Sønderby, Hugo Larochelle,
Ole Winther.
Autoencoding beyond pixels using a learned similarity metric.
arXiv:1512.09300. In ICML 2016.
自然画像の表現ベクトル空間学習・演算・画像生成
94
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Laplacian Pyramid of GAN(Denton+2015)
Emily Denton, Soumith
Chintala, Arthur Szlam,
Rob Fergus.
Deep Generative
Image Models using a
Laplacian Pyramid of
Adversarial Networks.
arXiv:1506.05751. In
NIPS2015.
学習 生成
低解像度 高解像度 元画像 生成画像サンプル
40%の生成画像に関して、人が本物画像と見間違う
解像度ごとの画像生成による大きな画像生成
95
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
Style and Structure Adversarial Networks(Wang+2016)
Xiaolong Wang, Abhinav Gupta.
Generative Image Modeling using Style and Structure Adversarial Networks.
arXiv:1603.05631.
画像の構造・スタイルの生成
96
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
個性
感性
に寄りそう
ユーザーひとりひとりの感性
体験提供
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
101	
ユーザーひとりひとりが
好きなスタイル・テイストの商品に出会え
ファッションを楽しめる
体験提供例
深層学習による
ファッション画像の表現ベクトル空間の学習
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
102
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
ショップをめぐり、好きなスタイル・テイストのアイテムを見つけた
でも自分はもう少し袖口は春らしい雰囲気がいい
103
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
好きなスタイル・テイストのアイテムを見つけた
でも価格的に手を出せない
ショップをめぐり、好きなスタイル・テイストのアイテムを見つけた
でも自分はもう少し袖口は春らしい雰囲気がいい
104
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
好きなスタイル・テイストのアイテムを見つけた
でも価格的に手を出せない
深層学習による
ファッション画像の表現ベクトル空間の学習
膨大なアイテムの中から
スタイル・テイストの似ているものをたどれる
ショップをめぐり、好きなスタイル・テイストのアイテムを見つけた
でも自分はもう少し袖口は春らしい雰囲気がいい
105
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
好きなスタイル・テイストのアイテムを見つけた
でも価格的に手を出せない
深層学習による
ファッション画像の表現ベクトル空間の学習
自分が好きなアイテムに出会え、手に入れ、身につけられ
ファッションを楽しめる
膨大なアイテムの中から
スタイル・テイストの似ているものをたどれる
ショップをめぐり、好きなスタイル・テイストのアイテムを見つけた
でも自分はもう少し袖口は春らしい雰囲気がいい
106
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなスタイル・テイストの商品に出会え
ファッションを楽しめる
商品 スタイル・テイスト類似商品
ファッションのスタイル・テイストの類似商品算出
107
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなスタイル・テイストの商品に出会え
ファッションを楽しめる
・距離算出に適した空間を構成できる構造追加した、Convolutional Neural Networkの学習
商品 スタイル・テイスト類似商品
ファッションのスタイル・テイストの類似商品算出
108
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなスタイル・テイストの商品に出会え
ファッションを楽しめる
・距離算出に適した空間を構成できる構造追加した、Convolutional Neural Networkの学習
・商品に関係しない領域に引きずられず、スタイル・テイストが似ている商品をたどれる
商品 スタイル・テイスト類似商品
「商品を着用したモデル画像」「商品画像」区別なく、類似商品算出
商品 スタイル・テイスト類似商品
ファッションのスタイル・テイストの類似商品算出
109
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
実際のアプリ画面動画
ファッションのスタイル・テイストが似ている
商品をたどれる
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
実際のアプリ画面動画
「商品を着用した モデル画像」 「商品画像」 区別なく
類似スタイル・テイストの商品をたどれる
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
マンガボックス
1,000万人以上が使う無料のマンガ雑誌アプリ
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
114	
ユーザーひとりひとりが
好きなイラスト画風のマンガに出会い楽しむ
体験提供例
深層学習による
マンガ・イラストの表現ベクトル空間の学習
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなイラスト画風のマンガに出会い楽しむ
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなイラスト画風のマンガに出会い楽しむ
− 劇画 −作品
類似画像スタイル・テイスト作品 : 類似度: 高 ← → 類似度: 低作品
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなイラスト画風のマンガに出会い楽しむ
− 少女漫画 −作品
類似画像スタイル・テイスト作品 : 類似度: 高 ← → 類似度: 低作品
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなイラスト画風のマンガに出会い楽しむ
− 癒やし −作品作品
類似画像スタイル・テイスト作品 : 類似度: 高 ← → 類似度: 低作品
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなイラスト画風のマンガに出会い楽しむ
− BL −作品作品
類似画像スタイル・テイスト作品 : 類似度: 高 ← → 類似度: 低作品
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
感性に関する体験提供の挑戦例
好きなイラスト画風のマンガに出会い楽しむ
作品
類似画像スタイル・テイスト作品 : 類似度: 高 ← → 類似度: 低作品
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
個性
創作
に寄りそう
ユーザーひとりひとりの創作
体験提供
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
123	
ユーザーひとりひとりが
自分にあった世界に一つだけのアバターを作る
体験提供例
深層学習による
アバターアイテムの表現ベクトル空間の学習・演算・生成
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
創作に関する体験提供の挑戦例
アバターアイテムの表現ベクトル空間を学習
アバターアイテム
124
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
創作に関する体験提供の挑戦例
アバターアイテムの表現ベクトル空間を学習
Deep
Generative
Model
学習
アバターアイテム
125
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
創作に関する体験提供の挑戦例
Deep
Generative
Model
学習
生成
アバターアイテム 新たなアバターアイテム
アバターアイテムの表現ベクトル空間を学習
世界に存在しない新たなアバターアイテム画像を生成する
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
創作に関する体験提供の挑戦例
アバターアイテムの合成生成
ユーザーひとりひとりが世界に1つしかない自分だけのアバター生成
127
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
創作に関する体験提供の挑戦例
アバターアイテムの合成生成
ユーザーひとりひとりが世界に1つしかない自分だけのアバター生成
アイテム1 アイテム2
128
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
創作に関する体験提供の挑戦例
アバターアイテムの合成生成
ユーザーひとりひとりが世界に1つしかない自分だけのアバター生成
アイテム1 アイテム2合成生成されたアイテム
129
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
創作に関する体験提供の挑戦例
アバターアイテムの合成生成
ユーザーひとりひとりが世界に1つしかない自分だけのアバター生成
130
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
対話
131
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
対話
ユーザーひとりひとりが楽しめる話をできる
体験提供例
132
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
対話
ユーザーひとりひとりが楽しめる話をできる
体験提供例
長い文脈・過去の対話記憶を踏まえた返答
ひとりひとりの興味にあった話題
各種個性をもったキャラクターたち
133
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
対話
ユーザーひとりひとりが楽しめる話をできる
体験提供例
自然言語処理に強みをもつ
Preferred Infrastructure社
と共同開発
長い文脈・過去の対話記憶を踏まえた返答
ひとりひとりの興味にあった話題
各種個性をもったキャラクターたち
134
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
創作に関する体験提供の挑戦例
雑談生成例
Mobage上での公開コミュニケーションを活用した生成
2.7億の質問/応答データを用いた学習・生成例
サッカーの話題 野球の話題 ⼈⽣の話題
135
Copyright	(C)	2016	DeNA	Co.,Ltd.	All	Rights	Reserved.	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
137	
機械学習 活用し
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
138	
機械学習 活用し
楽しんでもらえるサービスをつくる
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
139	
提供したいのは
新たな価値ある体験・サービス
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
140	
提供したいのは
新たな価値ある体験・サービス
機械学習はあくまで手段
だが、新たな価値提供の 大きな源泉となる
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
141	
提供したいのは
新たな価値ある体験・サービス
機械学習を活用し
体験提供・サービスとして よいものをつくる
機械学習はあくまで手段
だが、新たな価値提供の 大きな源泉となる
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
142	
提供したいのは
新たな価値ある体験・サービス
機械学習を活用し
体験提供・サービスとして よいものをつくる
機械学習はあくまで手段
だが、新たな価値提供の 大きな源泉となる
実際にどのくらい価値があるのかは提供してみないとわからない
わからないことはやってみる。挑戦する
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
143	
提供したいのは
新たな価値ある体験・サービス
機械学習を活用し
体験提供・サービスとして よいものをつくる
機械学習はあくまで手段
だが、新たな価値提供の 大きな源泉となる
実際にどのくらい価値があるのかは提供してみないとわからない
わからないことはやってみる。挑戦する
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
144	
機械学習活用した
サービス開発
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
145	
体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
146	
分析
解決価値・効果高い課題設定を行う
新たな価値提供の余地・効果が高い、対象領域・ユーザクラスタ・特徴を明らかにする
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
147	
ユーザ体験設計・サービス設計
新たな提供体験・価値を考える
どのような新たな体験提供ができるか、どのような価値があるか、考え抜く
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
体験提供
2. ユーザ体験設計
Service
Front End
3. サービス設計
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
148	
ユーザ体験設計・サービス設計
新たな提供体験・価値を考える
どのような新たな体験提供ができるか、どのような価値があるか、考え抜く
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
体験提供
2. ユーザ体験設計
Service
Front End
3. サービス設計
機械学習は新たな体験提供の大きな源泉となる
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
149	
ユーザ体験設計・サービス設計
新たな提供体験・価値を考える
実際にどのくらい価値があるのかは提供してみないとわからない
体験提供
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析 2. ユーザ体験設計
Service
Front End
3. サービス設計
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
150	
ユーザ体験設計・サービス設計
新たな提供体験・価値を考える
実際にどのくらい価値があるのかは提供してみないとわからない
体験提供
わからないことはやってみる。挑戦する
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析 2. ユーザ体験設計
Service
Front End
3. サービス設計
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
151	
洗練サイクル設計・ログ設計・連携データ設計
洗練サイクルを設計する
ユーザが日々利用しているだけで、体験洗練されていくサイクルを設計する
体験提供
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
Feedback Log
Personalized Data
For each user
Service
Front End
2. ユーザ体験設計
4. 洗練サイクル設計
3. サービス設計
6. ログ設計
5. 連携データ設計
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
152	
洗練サイクル設計・ログ設計・連携データ設計
洗練サイクルを設計する
ユーザが日々利用しているだけで、体験洗練されていくサイクルを設計する
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
体験提供
Feedback Log
Personalized Data
For each user
Service
Front End
2. ユーザ体験設計
4. 洗練サイクル設計
3. サービス設計
6. ログ設計
5. 連携データ設計
学習アルゴリズム、学習に必要なログ、連携データ、等、一連のサイクルをつくる
Distributed
Applications
YARN
HDFS
GPU
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
153	
分散アルゴリズム設計
学習方法の分散アルゴリズムを設計する
大規模データでもスケールする学習アルゴリズム設計する
体験提供
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
Feedback Log
6. ログ設計
Personalized Data
For each user
Service
Front End
2. ユーザ体験設計
4. 洗練サイクル設計
5. 連携データ設計
3. サービス設計
7.分散アルゴリズム設計
Distributed
Applications
YARN
HDFS
GPU
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
154	
分散アルゴリズム設計
学習方法の分散アルゴリズムを設計する
大規模データでもスケールする学習アルゴリズム設計する
体験提供
学習アルゴリズムを、分散可能なアルゴリズムに再構成する
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
Feedback Log
6. ログ設計
Personalized Data
For each user
Service
Front End
2. ユーザ体験設計
4. 洗練サイクル設計
5. 連携データ設計
3. サービス設計
7.分散アルゴリズム設計
Distributed
Applications
YARN
HDFS
GPU
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
155	
分散アルゴリズム実装
体験提供
体験・サービス提供に適した形で実装・チューニングしていく
サービスに適した形で分散アルゴリズム実装する
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
Feedback Log
6. ログ設計
7.分散アルゴリズム設計
Personalized Data
For each user
Service
Front End
2. ユーザ体験設計
4. 洗練サイクル設計
8.分散実装
5. 連携データ設計
3. サービス設計
Distributed
Applications
YARN
HDFS
GPU
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
156	
分散アルゴリズム実装
体験提供
体験・サービス提供に適した形で実装・チューニングしていく
サービスに適した形で分散アルゴリズム実装する
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
Feedback Log
6. ログ設計
7.分散アルゴリズム設計
Personalized Data
For each user
Service
Front End
2. ユーザ体験設計
4. 洗練サイクル設計
8.分散実装
5. 連携データ設計
3. サービス設計
各種アルゴリズムチューニングのトライを多く行いたい。必要なものは自分でつくる
Distributed
Applications
YARN
HDFS
GPU
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
157	
分散アルゴリズム実装
体験提供
体験・サービス提供に適した形で実装・チューニングしていく
結果を分析し、体験・サービス・学習サイクルともに洗練していく
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
Feedback Log
6. ログ設計
7.分散アルゴリズム設計
Personalized Data
For each user
Service
Front End
2. ユーザ体験設計
4. 洗練サイクル設計
8.分散実装
5. 連携データ設計
3. サービス設計
Distributed
Applications
YARN
HDFS
GPU
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
158	
機械学習活用したサービス開発
新たな価値ある体験・サービス提供を考え、作り、挑戦し続ける
・効果高い課題設定
・高影響要素解明
Activity 1
Activity N, …
F1
F2
E1
E1
F3
F4
F5
1. 分析
体験提供
Feedback Log
6. ログ設計
Personalized Data
For each user
Service
Front End
2. ユーザ体験設計
4. 洗練サイクル設計
5. 連携データ設計
3. サービス設計
7.分散アルゴリズム設計
8.分散実装
Distributed
Applications
YARN
HDFS
GPU
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
159	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
160	
個性
感性 創作
に寄りそう
ユーザーひとりひとりの感性・創作
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
161	
個性
感性 創作
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
162	
個性
感性 創作
機械学習・深層学習活用した体験提供
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
163	
個性
感性 創作
機械学習・深層学習活用した体験提供
新たな価値提供のポテンシャルを持っている
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
164	
個性
感性 創作
機械学習・深層学習活用した体験提供
新たな価値提供のポテンシャルを持っている
DeNAも新たな挑戦を続けます
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
165	
個性
感性 創作
機械学習・深層学習活用した体験提供
何か一緒に挑戦できたら嬉しいです
新たな価値提供のポテンシャルを持っている
DeNAも新たな挑戦を続けます
Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
166	
AGENDA
◆DeNAのサービス
◆講師紹介
◆最後に
◆深層学習の進展
◆深層学習活用した体験提供
◆機械学習活用した体験提供の挑戦
◆機械学習活用したサービス開発
◆はじめに
◆機械学習活用した体験提供
1 of 166

Recommended

DeNAのAI活用したサービス開発 by
DeNAのAI活用したサービス開発DeNAのAI活用したサービス開発
DeNAのAI活用したサービス開発Koichi Hamada
8.4K views51 slides
Laplacian Pyramid of Generative Adversarial Networks (LAPGAN) - NIPS2015読み会 #... by
Laplacian Pyramid of Generative Adversarial Networks (LAPGAN) - NIPS2015読み会 #...Laplacian Pyramid of Generative Adversarial Networks (LAPGAN) - NIPS2015読み会 #...
Laplacian Pyramid of Generative Adversarial Networks (LAPGAN) - NIPS2015読み会 #...Koichi Hamada
12.1K views47 slides
『MobageのAnalytics活用したサービス開発』 - データマイニングCROSS2014 #CROSS2014 by
『MobageのAnalytics活用したサービス開発』 - データマイニングCROSS2014 #CROSS2014『MobageのAnalytics活用したサービス開発』 - データマイニングCROSS2014 #CROSS2014
『MobageのAnalytics活用したサービス開発』 - データマイニングCROSS2014 #CROSS2014Koichi Hamada
6.6K views40 slides
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換 by
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換
Generative Adversarial Networks (GAN) の学習方法進展・画像生成・教師なし画像変換Koichi Hamada
28.2K views30 slides
DeNAのAIとは #denatechcon by
DeNAのAIとは #denatechconDeNAのAIとは #denatechcon
DeNAのAIとは #denatechconDeNA
4.1K views72 slides
【機械学習勉強会】画像の翻訳 ”Image-to-Image translation” by
【機械学習勉強会】画像の翻訳 ”Image-to-Image translation” 【機械学習勉強会】画像の翻訳 ”Image-to-Image translation”
【機械学習勉強会】画像の翻訳 ”Image-to-Image translation” yoshitaka373
849 views16 slides

More Related Content

What's hot

データマイニングCROSS 第2部-機械学習・大規模分散処理 by
データマイニングCROSS 第2部-機械学習・大規模分散処理データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理Koichi Hamada
8.5K views23 slides
Goodfellow先生おすすめのGAN論文6つを紹介 by
Goodfellow先生おすすめのGAN論文6つを紹介Goodfellow先生おすすめのGAN論文6つを紹介
Goodfellow先生おすすめのGAN論文6つを紹介Katsuya Ito
9.1K views70 slides
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点- by
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点- 『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点- Koichi Hamada
7.9K views130 slides
Inverse Reward Design の紹介 by
Inverse Reward Design の紹介Inverse Reward Design の紹介
Inverse Reward Design の紹介Chihiro Kusunoki
4.5K views18 slides
データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望 by
データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望 データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望
データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望 Koichi Hamada
9.5K views130 slides
iOSレガシーコード改善ガイド〜マンガボックス開発における事例〜 by
iOSレガシーコード改善ガイド〜マンガボックス開発における事例〜iOSレガシーコード改善ガイド〜マンガボックス開発における事例〜
iOSレガシーコード改善ガイド〜マンガボックス開発における事例〜Kentaro Matsumae
19.9K views177 slides

What's hot(20)

データマイニングCROSS 第2部-機械学習・大規模分散処理 by Koichi Hamada
データマイニングCROSS 第2部-機械学習・大規模分散処理データマイニングCROSS 第2部-機械学習・大規模分散処理
データマイニングCROSS 第2部-機械学習・大規模分散処理
Koichi Hamada8.5K views
Goodfellow先生おすすめのGAN論文6つを紹介 by Katsuya Ito
Goodfellow先生おすすめのGAN論文6つを紹介Goodfellow先生おすすめのGAN論文6つを紹介
Goodfellow先生おすすめのGAN論文6つを紹介
Katsuya Ito9.1K views
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点- by Koichi Hamada
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点- 『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
Koichi Hamada7.9K views
データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望 by Koichi Hamada
データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望 データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望
データマイニングCROSS 2012 Opening Talk - データマイニングの実サービス・ビジネス適用と展望
Koichi Hamada9.5K views
iOSレガシーコード改善ガイド〜マンガボックス開発における事例〜 by Kentaro Matsumae
iOSレガシーコード改善ガイド〜マンガボックス開発における事例〜iOSレガシーコード改善ガイド〜マンガボックス開発における事例〜
iOSレガシーコード改善ガイド〜マンガボックス開発における事例〜
Kentaro Matsumae19.9K views
リクルートのWebサービスを支える共通インフラ「RAFTEL」 by Recruit Technologies
リクルートのWebサービスを支える共通インフラ「RAFTEL」リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」
Recruit Technologies11.5K views
爆速でAndroidアプリを ビルドするための仕組み DeNA TechCon #denatechcon by Yosaku Toyama
爆速でAndroidアプリを ビルドするための仕組み DeNA TechCon #denatechcon爆速でAndroidアプリを ビルドするための仕組み DeNA TechCon #denatechcon
爆速でAndroidアプリを ビルドするための仕組み DeNA TechCon #denatechcon
Yosaku Toyama11.7K views
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法 by Daisuke Nogami
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
Daisuke Nogami74.8K views
FINAL FANTASY Record Keeperのマスターデータを支える技術 by dena_study
FINAL FANTASY Record Keeperのマスターデータを支える技術FINAL FANTASY Record Keeperのマスターデータを支える技術
FINAL FANTASY Record Keeperのマスターデータを支える技術
dena_study85.6K views
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え... by Recruit Technologies
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...
[Developers Summit 2015 講演資料] リクルートテクノロジーズ 14,000件/秒の配信を実現した リクルートのモバイルアプリを支え...
Recruit Technologies10.8K views
大規模スマートフォンサービス開発の世界 〜無料通話アプリcommの現場から〜 by Ichito Nagata
大規模スマートフォンサービス開発の世界 〜無料通話アプリcommの現場から〜大規模スマートフォンサービス開発の世界 〜無料通話アプリcommの現場から〜
大規模スマートフォンサービス開発の世界 〜無料通話アプリcommの現場から〜
Ichito Nagata4.9K views
リクルートのWebサービスを支える「RAFTEL」 by Recruit Technologies
リクルートのWebサービスを支える「RAFTEL」リクルートのWebサービスを支える「RAFTEL」
リクルートのWebサービスを支える「RAFTEL」
Anyca におけるUIフレームワークと スマホによるドア操作の仕組み by Shuhei Kawasaki
Anyca におけるUIフレームワークとスマホによるドア操作の仕組みAnyca におけるUIフレームワークとスマホによるドア操作の仕組み
Anyca におけるUIフレームワークと スマホによるドア操作の仕組み
Shuhei Kawasaki5.4K views
SPADE :Semantic Image Synthesis with Spatially-Adaptive Normalization by Tenki Lee
SPADE :Semantic Image Synthesis with Spatially-Adaptive NormalizationSPADE :Semantic Image Synthesis with Spatially-Adaptive Normalization
SPADE :Semantic Image Synthesis with Spatially-Adaptive Normalization
Tenki Lee2.4K views
ECCV2018 Everybody dance now論文紹介 (CV勉強会@関東) by Tenki Lee
ECCV2018 Everybody dance now論文紹介 (CV勉強会@関東)ECCV2018 Everybody dance now論文紹介 (CV勉強会@関東)
ECCV2018 Everybody dance now論文紹介 (CV勉強会@関東)
Tenki Lee2K views
『逆転オセロニア』における バンディットアルゴリズムおよび強化学習を用いた 対戦環境のバランス設計支援 by TakumaYoshimura
『逆転オセロニア』における バンディットアルゴリズムおよび強化学習を用いた 対戦環境のバランス設計支援『逆転オセロニア』における バンディットアルゴリズムおよび強化学習を用いた 対戦環境のバランス設計支援
『逆転オセロニア』における バンディットアルゴリズムおよび強化学習を用いた 対戦環境のバランス設計支援
TakumaYoshimura4K views
虎の穴ラボ エンジニア採用説明資料 by 虎の穴 開発室
虎の穴ラボ エンジニア採用説明資料虎の穴ラボ エンジニア採用説明資料
虎の穴ラボ エンジニア採用説明資料

Viewers also liked

Deep Learning with GPUs in Production - AI By the Bay by
Deep Learning with GPUs in Production - AI By the BayDeep Learning with GPUs in Production - AI By the Bay
Deep Learning with GPUs in Production - AI By the BayAdam Gibson
4.8K views15 slides
20170721 future of reactive architectures by
20170721 future of reactive architectures20170721 future of reactive architectures
20170721 future of reactive architecturesJamie Allen
3.9K views26 slides
強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjp by
強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjp強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjp
強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjpcocodrips
129.1K views63 slides
バイナリニューラルネットとハードウェアの関係 by
バイナリニューラルネットとハードウェアの関係バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係Kento Tajiri
23.4K views107 slides
Scala の関数型プログラミングを支える技術 by
Scala の関数型プログラミングを支える技術Scala の関数型プログラミングを支える技術
Scala の関数型プログラミングを支える技術Naoki Aoyama
9.9K views59 slides
iOSエンジニアのためのScala入門 by
iOSエンジニアのためのScala入門iOSエンジニアのためのScala入門
iOSエンジニアのためのScala入門Masaya Dake
5.3K views64 slides

Viewers also liked(11)

Deep Learning with GPUs in Production - AI By the Bay by Adam Gibson
Deep Learning with GPUs in Production - AI By the BayDeep Learning with GPUs in Production - AI By the Bay
Deep Learning with GPUs in Production - AI By the Bay
Adam Gibson4.8K views
20170721 future of reactive architectures by Jamie Allen
20170721 future of reactive architectures20170721 future of reactive architectures
20170721 future of reactive architectures
Jamie Allen3.9K views
強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjp by cocodrips
強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjp強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjp
強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjp
cocodrips129.1K views
バイナリニューラルネットとハードウェアの関係 by Kento Tajiri
バイナリニューラルネットとハードウェアの関係バイナリニューラルネットとハードウェアの関係
バイナリニューラルネットとハードウェアの関係
Kento Tajiri23.4K views
Scala の関数型プログラミングを支える技術 by Naoki Aoyama
Scala の関数型プログラミングを支える技術Scala の関数型プログラミングを支える技術
Scala の関数型プログラミングを支える技術
Naoki Aoyama9.9K views
iOSエンジニアのためのScala入門 by Masaya Dake
iOSエンジニアのためのScala入門iOSエンジニアのためのScala入門
iOSエンジニアのためのScala入門
Masaya Dake5.3K views
元インフラエンジニアが
Scalaを触ってつまづいたところ。 by takako onoue
元インフラエンジニアが
Scalaを触ってつまづいたところ。元インフラエンジニアが
Scalaを触ってつまづいたところ。
元インフラエンジニアが
Scalaを触ってつまづいたところ。
takako onoue6.5K views
CTFはとんでもないものを 盗んでいきました。私の時間です… by Hiromu Yakura
CTFはとんでもないものを 盗んでいきました。私の時間です…CTFはとんでもないものを 盗んでいきました。私の時間です…
CTFはとんでもないものを 盗んでいきました。私の時間です…
Hiromu Yakura140.4K views
TensorFlow XLAの可能性 by Mr. Vengineer
TensorFlow XLAの可能性 TensorFlow XLAの可能性
TensorFlow XLAの可能性
Mr. Vengineer15.3K views
Using Raspberry Pi GPU for DNN by notogawa
Using Raspberry Pi GPU for DNNUsing Raspberry Pi GPU for DNN
Using Raspberry Pi GPU for DNN
notogawa19.1K views
モデルアーキテクチャ観点からのDeep Neural Network高速化 by Yusuke Uchida
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
Yusuke Uchida38.7K views

Similar to DeNAの機械学習・深層学習活用した 体験提供の挑戦

20160425定期通販セミナー「商品企画&LP制作のイロハ」 by
20160425定期通販セミナー「商品企画&LP制作のイロハ」20160425定期通販セミナー「商品企画&LP制作のイロハ」
20160425定期通販セミナー「商品企画&LP制作のイロハ」真吾 大塚
536 views57 slides
はじめてのアプリUI、実践的プロトタイピング by
はじめてのアプリUI、実践的プロトタイピングはじめてのアプリUI、実践的プロトタイピング
はじめてのアプリUI、実践的プロトタイピングJunichi Izumi
7.1K views36 slides
採用単価を大幅に下げる、攻めのインバウンド採用戦略 by
採用単価を大幅に下げる、攻めのインバウンド採用戦略採用単価を大幅に下げる、攻めのインバウンド採用戦略
採用単価を大幅に下げる、攻めのインバウンド採用戦略Sonoko Tezuka
2K views63 slides
デザイン思考による価値創造 by
デザイン思考による価値創造デザイン思考による価値創造
デザイン思考による価値創造UX Academy
2.5K views60 slides
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ... by
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...Insight Technology, Inc.
1.9K views32 slides

Similar to DeNAの機械学習・深層学習活用した 体験提供の挑戦(20)

20160425定期通販セミナー「商品企画&LP制作のイロハ」 by 真吾 大塚
20160425定期通販セミナー「商品企画&LP制作のイロハ」20160425定期通販セミナー「商品企画&LP制作のイロハ」
20160425定期通販セミナー「商品企画&LP制作のイロハ」
真吾 大塚536 views
はじめてのアプリUI、実践的プロトタイピング by Junichi Izumi
はじめてのアプリUI、実践的プロトタイピングはじめてのアプリUI、実践的プロトタイピング
はじめてのアプリUI、実践的プロトタイピング
Junichi Izumi7.1K views
採用単価を大幅に下げる、攻めのインバウンド採用戦略 by Sonoko Tezuka
採用単価を大幅に下げる、攻めのインバウンド採用戦略採用単価を大幅に下げる、攻めのインバウンド採用戦略
採用単価を大幅に下げる、攻めのインバウンド採用戦略
Sonoko Tezuka2K views
デザイン思考による価値創造 by UX Academy
デザイン思考による価値創造デザイン思考による価値創造
デザイン思考による価値創造
UX Academy2.5K views
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ... by Insight Technology, Inc.
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
ジェスチャ認識・物体形状取得がもたらす新たな未来 by Kaoru NAKAMURA
ジェスチャ認識・物体形状取得がもたらす新たな未来ジェスチャ認識・物体形状取得がもたらす新たな未来
ジェスチャ認識・物体形状取得がもたらす新たな未来
Kaoru NAKAMURA1.4K views
Startup Science - スタートアップ立ち上げに使える9つのビジネスモデルフレームワーク by Masa Tadokoro
Startup Science - スタートアップ立ち上げに使える9つのビジネスモデルフレームワークStartup Science - スタートアップ立ち上げに使える9つのビジネスモデルフレームワーク
Startup Science - スタートアップ立ち上げに使える9つのビジネスモデルフレームワーク
Masa Tadokoro11.3K views
JASPULeast(20111208) by 真 岡本
JASPULeast(20111208)JASPULeast(20111208)
JASPULeast(20111208)
真 岡本716 views
kintoneCafe関東女子会Vol.1_appresso對馬 by yoko tsushima
kintoneCafe関東女子会Vol.1_appresso對馬kintoneCafe関東女子会Vol.1_appresso對馬
kintoneCafe関東女子会Vol.1_appresso對馬
yoko tsushima859 views
2016年2月4日 マンガ駆動開発によるデザインプロセス:協働プロジェクトのためのシナリオ設計 by aitc_jp
2016年2月4日 マンガ駆動開発によるデザインプロセス:協働プロジェクトのためのシナリオ設計2016年2月4日 マンガ駆動開発によるデザインプロセス:協働プロジェクトのためのシナリオ設計
2016年2月4日 マンガ駆動開発によるデザインプロセス:協働プロジェクトのためのシナリオ設計
aitc_jp798 views
DeNAのプログラミング教育の取り組み #denatechcon by DeNA
DeNAのプログラミング教育の取り組み #denatechconDeNAのプログラミング教育の取り組み #denatechcon
DeNAのプログラミング教育の取り組み #denatechcon
DeNA1.4K views
Learning over education by libraryD
Learning over educationLearning over education
Learning over education
libraryD103 views
アジャイルマインドの重要性(長野) by Akiyah
アジャイルマインドの重要性(長野)アジャイルマインドの重要性(長野)
アジャイルマインドの重要性(長野)
Akiyah1.5K views
YuhoKai(20140116) by 真 岡本
YuhoKai(20140116)YuhoKai(20140116)
YuhoKai(20140116)
真 岡本970 views
海外通販楽しい! for Engineer by nbihibashi
海外通販楽しい! for Engineer海外通販楽しい! for Engineer
海外通販楽しい! for Engineer
nbihibashi825 views
クライアント事例から導き出すマトリックス×クライアントインタビュー by EC_Orange
クライアント事例から導き出すマトリックス×クライアントインタビュークライアント事例から導き出すマトリックス×クライアントインタビュー
クライアント事例から導き出すマトリックス×クライアントインタビュー
EC_Orange8.3K views
もうパワポやめませんか? by Tamotsu Kamata
もうパワポやめませんか?もうパワポやめませんか?
もうパワポやめませんか?
Tamotsu Kamata297 views

More from Koichi Hamada

Anime Generation with AI by
Anime Generation with AIAnime Generation with AI
Anime Generation with AIKoichi Hamada
6.1K views152 slides
Generative Adversarial Networks @ ICML 2019 by
Generative Adversarial Networks @ ICML 2019Generative Adversarial Networks @ ICML 2019
Generative Adversarial Networks @ ICML 2019Koichi Hamada
5.7K views72 slides
AIによるアニメ生成の挑戦 by
AIによるアニメ生成の挑戦AIによるアニメ生成の挑戦
AIによるアニメ生成の挑戦Koichi Hamada
69.8K views160 slides
Generative Adversarial Networks (GANs) and Disentangled Representations @ N... by
Generative Adversarial Networks (GANs) and Disentangled Representations @ N...Generative Adversarial Networks (GANs) and Disentangled Representations @ N...
Generative Adversarial Networks (GANs) and Disentangled Representations @ N...Koichi Hamada
6.8K views75 slides
対話返答生成における個性の追加反映 by
対話返答生成における個性の追加反映対話返答生成における個性の追加反映
対話返答生成における個性の追加反映Koichi Hamada
14.9K views54 slides
NIPS 2016 Overview and Deep Learning Topics by
NIPS 2016 Overview and Deep Learning Topics  NIPS 2016 Overview and Deep Learning Topics
NIPS 2016 Overview and Deep Learning Topics Koichi Hamada
14.6K views38 slides

More from Koichi Hamada(20)

Anime Generation with AI by Koichi Hamada
Anime Generation with AIAnime Generation with AI
Anime Generation with AI
Koichi Hamada6.1K views
Generative Adversarial Networks @ ICML 2019 by Koichi Hamada
Generative Adversarial Networks @ ICML 2019Generative Adversarial Networks @ ICML 2019
Generative Adversarial Networks @ ICML 2019
Koichi Hamada5.7K views
AIによるアニメ生成の挑戦 by Koichi Hamada
AIによるアニメ生成の挑戦AIによるアニメ生成の挑戦
AIによるアニメ生成の挑戦
Koichi Hamada69.8K views
Generative Adversarial Networks (GANs) and Disentangled Representations @ N... by Koichi Hamada
Generative Adversarial Networks (GANs) and Disentangled Representations @ N...Generative Adversarial Networks (GANs) and Disentangled Representations @ N...
Generative Adversarial Networks (GANs) and Disentangled Representations @ N...
Koichi Hamada6.8K views
対話返答生成における個性の追加反映 by Koichi Hamada
対話返答生成における個性の追加反映対話返答生成における個性の追加反映
対話返答生成における個性の追加反映
Koichi Hamada14.9K views
NIPS 2016 Overview and Deep Learning Topics by Koichi Hamada
NIPS 2016 Overview and Deep Learning Topics  NIPS 2016 Overview and Deep Learning Topics
NIPS 2016 Overview and Deep Learning Topics
Koichi Hamada14.6K views
DeNAの大規模データマイニング活用したサービス開発 by Koichi Hamada
DeNAの大規模データマイニング活用したサービス開発DeNAの大規模データマイニング活用したサービス開発
DeNAの大規模データマイニング活用したサービス開発
Koichi Hamada51.2K views
複雑ネットワーク上の伝搬法則の数理 by Koichi Hamada
複雑ネットワーク上の伝搬法則の数理複雑ネットワーク上の伝搬法則の数理
複雑ネットワーク上の伝搬法則の数理
Koichi Hamada4K views
Large Scale Data Mining of the Mobage Service - #PRMU 2011 #Mahout #Hadoop by Koichi Hamada
Large Scale Data Mining of the Mobage Service - #PRMU 2011 #Mahout #HadoopLarge Scale Data Mining of the Mobage Service - #PRMU 2011 #Mahout #Hadoop
Large Scale Data Mining of the Mobage Service - #PRMU 2011 #Mahout #Hadoop
Koichi Hamada9.5K views
"Mahout Recommendation" - #TokyoWebmining 14th by Koichi Hamada
"Mahout Recommendation" -  #TokyoWebmining 14th"Mahout Recommendation" -  #TokyoWebmining 14th
"Mahout Recommendation" - #TokyoWebmining 14th
Koichi Hamada5.5K views
Mahout JP - #TokyoWebmining 11th #MahoutJP by Koichi Hamada
Mahout JP -  #TokyoWebmining 11th #MahoutJP Mahout JP -  #TokyoWebmining 11th #MahoutJP
Mahout JP - #TokyoWebmining 11th #MahoutJP
Koichi Hamada2.9K views
10回開催記念 「データマイニング+WEB ~データマイニング・機械学習活用による継続進化~」ー第10回データマイニング+WEB勉強会@東京ー #Toky... by Koichi Hamada
10回開催記念 「データマイニング+WEB ~データマイニング・機械学習活用による継続進化~」ー第10回データマイニング+WEB勉強会@東京ー #Toky...10回開催記念 「データマイニング+WEB ~データマイニング・機械学習活用による継続進化~」ー第10回データマイニング+WEB勉強会@東京ー #Toky...
10回開催記念 「データマイニング+WEB ~データマイニング・機械学習活用による継続進化~」ー第10回データマイニング+WEB勉強会@東京ー #Toky...
Koichi Hamada2.9K views
『モバゲーの大規模データマイニング基盤におけるHadoop活用』-Hadoop Conference Japan 2011- #hcj2011 by Koichi Hamada
『モバゲーの大規模データマイニング基盤におけるHadoop活用』-Hadoop Conference Japan 2011- #hcj2011 『モバゲーの大規模データマイニング基盤におけるHadoop活用』-Hadoop Conference Japan 2011- #hcj2011
『モバゲーの大規模データマイニング基盤におけるHadoop活用』-Hadoop Conference Japan 2011- #hcj2011
Koichi Hamada14.2K views
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR #11 by Koichi Hamada
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR  #11「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR  #11
「R言語による Random Forest 徹底入門 -集団学習による分類・予測-」 - #TokyoR #11
Koichi Hamada25.1K views
Mahout Canopy Clustering - #TokyoWebmining 9 by Koichi Hamada
Mahout Canopy Clustering - #TokyoWebmining 9Mahout Canopy Clustering - #TokyoWebmining 9
Mahout Canopy Clustering - #TokyoWebmining 9
Koichi Hamada10.5K views
Apache Mahout - Random Forests - #TokyoWebmining #8 by Koichi Hamada
Apache Mahout - Random Forests - #TokyoWebmining #8 Apache Mahout - Random Forests - #TokyoWebmining #8
Apache Mahout - Random Forests - #TokyoWebmining #8
Koichi Hamada4.7K views
「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー by Koichi Hamada
「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー
「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー
Koichi Hamada11.7K views
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京 by Koichi Hamada
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada289K views
Introduction to Mahout Clustering - #TokyoWebmining #6 by Koichi Hamada
Introduction to Mahout Clustering - #TokyoWebmining #6Introduction to Mahout Clustering - #TokyoWebmining #6
Introduction to Mahout Clustering - #TokyoWebmining #6
Koichi Hamada9.2K views
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京 by Koichi Hamada
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
Koichi Hamada23.6K views

Recently uploaded

さくらのひやおろし2023 by
さくらのひやおろし2023さくらのひやおろし2023
さくらのひやおろし2023法林浩之
96 views58 slides
JJUG CCC.pptx by
JJUG CCC.pptxJJUG CCC.pptx
JJUG CCC.pptxKanta Sasaki
6 views14 slides
Keycloakの全体像: 基本概念、ユースケース、そして最新の開発動向 by
Keycloakの全体像: 基本概念、ユースケース、そして最新の開発動向Keycloakの全体像: 基本概念、ユースケース、そして最新の開発動向
Keycloakの全体像: 基本概念、ユースケース、そして最新の開発動向Hitachi, Ltd. OSS Solution Center.
60 views26 slides
The Things Stack説明資料 by The Things Industries by
The Things Stack説明資料 by The Things IndustriesThe Things Stack説明資料 by The Things Industries
The Things Stack説明資料 by The Things IndustriesCRI Japan, Inc.
58 views29 slides
Windows 11 information that can be used at the development site by
Windows 11 information that can be used at the development siteWindows 11 information that can be used at the development site
Windows 11 information that can be used at the development siteAtomu Hidaka
88 views41 slides

Recently uploaded(11)

さくらのひやおろし2023 by 法林浩之
さくらのひやおろし2023さくらのひやおろし2023
さくらのひやおろし2023
法林浩之96 views
The Things Stack説明資料 by The Things Industries by CRI Japan, Inc.
The Things Stack説明資料 by The Things IndustriesThe Things Stack説明資料 by The Things Industries
The Things Stack説明資料 by The Things Industries
CRI Japan, Inc.58 views
Windows 11 information that can be used at the development site by Atomu Hidaka
Windows 11 information that can be used at the development siteWindows 11 information that can be used at the development site
Windows 11 information that can be used at the development site
Atomu Hidaka88 views
SSH応用編_20231129.pdf by icebreaker4
SSH応用編_20231129.pdfSSH応用編_20231129.pdf
SSH応用編_20231129.pdf
icebreaker4335 views
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20... by NTT DATA Technology & Innovation
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...
今、改めて考えるPostgreSQLプラットフォーム - マルチクラウドとポータビリティ -(PostgreSQL Conference Japan 20...
SNMPセキュリティ超入門 by mkoda
SNMPセキュリティ超入門SNMPセキュリティ超入門
SNMPセキュリティ超入門
mkoda355 views
速習! PostgreSQL専用HAソフトウェア: Patroni(PostgreSQL Conference Japan 2023 発表資料) by NTT DATA Technology & Innovation
速習! PostgreSQL専用HAソフトウェア: Patroni(PostgreSQL Conference Japan 2023 発表資料)速習! PostgreSQL専用HAソフトウェア: Patroni(PostgreSQL Conference Japan 2023 発表資料)
速習! PostgreSQL専用HAソフトウェア: Patroni(PostgreSQL Conference Japan 2023 発表資料)

DeNAの機械学習・深層学習活用した 体験提供の挑戦