Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

DeNAの機械学習・深層学習活用した 体験提供の挑戦

28,022 views

Published on

Experience Design 2016 SPRING の登壇資料です。深層学習活用したファッション・マンガ・画像生成・対話 等の各種体験提供の挑戦、開発で行っている8つのこと・心がけていること等紹介しています。

Published in: Technology
  • Be the first to comment

DeNAの機械学習・深層学習活用した 体験提供の挑戦

  1. 1. 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.
  2. 2. 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
  3. 3. 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
  4. 4. 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
  5. 5. 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
  6. 6. 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
  7. 7. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 7 何の数値?
  8. 8. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 8 3.8倍
  9. 9. 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
  10. 10. 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
  11. 11. 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
  12. 12. 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
  13. 13. 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?
  14. 14. 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?
  15. 15. 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?
  16. 16. 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
  17. 17. 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
  18. 18. 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
  19. 19. 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?
  20. 20. 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?
  21. 21. 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
  22. 22. 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
  23. 23. 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
  24. 24. 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
  25. 25. 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
  26. 26. 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
  27. 27. 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
  28. 28. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 28
  29. 29. 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
  30. 30. 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
  31. 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 数千万人 1日50億超アクション 31
  32. 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 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
  33. 33. 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
  34. 34. 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
  35. 35. 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
  36. 36. 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
  37. 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 37
  38. 38. 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
  39. 39. 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)
  40. 40. 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)
  41. 41. 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
  42. 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 ユーザひとりひとりが 42
  43. 43. 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
  44. 44. 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
  45. 45. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 45 体験提供例
  46. 46. 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
  47. 47. 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
  48. 48. 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
  49. 49. 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
  50. 50. 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
  51. 51. 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
  52. 52. 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
  53. 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) PF Friend Game Friend 体験提供例 53
  54. 54. 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
  55. 55. 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
  56. 56. 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
  57. 57. 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
  58. 58. 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
  59. 59. 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
  60. 60. 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
  61. 61. 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
  62. 62. 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
  63. 63. 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
  64. 64. 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
  65. 65. 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
  66. 66. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 解決した課題 66
  67. 67. 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
  68. 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 68
  69. 69. 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
  70. 70. 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
  71. 71. 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
  72. 72. 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
  73. 73. 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
  74. 74. 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
  75. 75. 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/
  76. 76. 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
  77. 77. 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
  78. 78. 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
  79. 79. 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.
  80. 80. 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
  81. 81. 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
  82. 82. 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
  83. 83. 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
  84. 84. 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
  85. 85. 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
  86. 86. 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
  87. 87. 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
  88. 88. 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
  89. 89. 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
  90. 90. 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
  91. 91. 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
  92. 92. 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
  93. 93. 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
  94. 94. 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
  95. 95. 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
  96. 96. 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
  97. 97. 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
  98. 98. 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
  99. 99. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
  100. 100. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
  101. 101. 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
  102. 102. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 102
  103. 103. 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
  104. 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 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
  105. 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 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
  106. 106. 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
  107. 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 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
  108. 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 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
  109. 109. 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
  110. 110. 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
  111. 111. 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
  112. 112. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
  113. 113. 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
  114. 114. 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
  115. 115. 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
  116. 116. 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
  117. 117. 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
  118. 118. 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
  119. 119. 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
  120. 120. 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
  121. 121. 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
  122. 122. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved.
  123. 123. 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
  124. 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 アバターアイテム 124
  125. 125. 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
  126. 126. 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
  127. 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 127
  128. 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2 128
  129. 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 アイテム1 アイテム2合成生成されたアイテム 129
  130. 130. 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
  131. 131. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 対話 131
  132. 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 132
  133. 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 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
  134. 134. 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
  135. 135. 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
  136. 136. 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
  137. 137. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 137 機械学習 活用し
  138. 138. 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
  139. 139. 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
  140. 140. 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
  141. 141. 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
  142. 142. 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
  143. 143. 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
  144. 144. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 144 機械学習活用した サービス開発
  145. 145. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 145 体験提供
  146. 146. 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
  147. 147. 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
  148. 148. 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
  149. 149. 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
  150. 150. 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
  151. 151. 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
  152. 152. 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
  153. 153. 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
  154. 154. 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
  155. 155. 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
  156. 156. 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
  157. 157. 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
  158. 158. 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
  159. 159. 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
  160. 160. 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
  161. 161. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 161 個性 感性 創作
  162. 162. 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
  163. 163. 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
  164. 164. 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
  165. 165. 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
  166. 166. 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

×