Akira shibata at developer summit 2016

Akira Shibata
Akira ShibataChief Data Scientist
エンジニアなら使える深層学習
TensorFlowやDataRobotで機械学習がもっと身近に
by シバタアキラ
copyright @2016 by DataRobot, Inc. All Rights Reserved
シバタアキラ, Ph.D. @madyagi
2004 - 2007::Ph.D. 高エネルギー物理学 @London大学
● Pythonを使い始めた頃(C++もがっつり)
2007 - 2010::データサイエンティスト @NYU
● ヒッグス粒子の発見のためのデータ解析 @LHC, CERN
2010 - 2013:戦略コンサル @BCG “ボスコン”
2013 - 2015:CEO @白ヤギコーポレーション
● ニュースキュレーションアプリ「カメリオ」
2015 - :データサイエンティスト @ DataRobot
2014 - :オーガナイザー @ PyData.Tokyo
copyright @2016 by DataRobot, Inc. All Rights Reserved 3
2012 2H 2013 1H 2013 2H 2014 1H 2014 2H 2015 1H 2015 2H 2016 1H
June ‘12
Founded
June ‘13
Seed Funding
$3.3M
July ‘14
Series A $21M
Nov ‘15
Series B $33M
データロボット会社紹介
copyright @2016 by DataRobot, Inc. All Rights Reserved 4
世界で30万人以上が登録する、データサイエンティストのコンペプラットフォーム。
数多くの企業がデータを公開し、予測精度で上位成績者には賞金が渡される。
Jeremy Achin
CEO & Co-Founder
Highest† 20th
Xavier Conort
Chief Data Scientist
Highest† 1st
Tom DeGody
CTO & Co-Founder
Highest† 20th
Peter Prettenhofer
Data Scientist
Highest† 14th
Core Contributor
Owen Zhang
Chief Product Officer
Highest† 1st
Sergey Yurgenson
Data Scientist
Highest† 1st
Viktor Gal
Data Scientist
Core Contributor
トップKagglerが多数在籍
copyright @2016 by DataRobot, Inc. All Rights Reserved
データサイエン
ティストのたま
り場
Python じゃな
い方もどうぞ
copyright @2016 by DataRobot, Inc. All Rights Reserved
PyData.Tokyoでは、開始当初から深層学習を追ってきた
copyright @2016 by DataRobot, Inc. All Rights Reserved
お仕事 オーガナイザー 連載
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
今日お伝えしたいこと
あなたも人工知能使えます
つかってっください
copyright @2016 by DataRobot, Inc. All Rights Reserved
深層学習(ディープラーニング)アルゴリズムの画像処理における性能がすごすぎ
機械って人間超えちゃったりするんじゃね?人間置き換えちゃうんじゃね?
とりあえずその辺の技術全般を指すハイプ用語として成立
メディアもネタになって嬉しいし、そっち系のスタートアップなんかもとりあえず波にのることに
した。
そもそも...人工知能ってなに?
copyright @2016 by DataRobot, Inc. All Rights Reserved
人工知能作ろうとしてる人、増えてます
copyright @2016 by DataRobot, Inc. All Rights Reserved
人工知能 機械学習 深層学習(ディープラーニング)
もう少しだけ正確に
copyright @2016 by DataRobot, Inc. All Rights Reserved
機械学習ってなに?
コンピューターアルゴリズムにデータを分析させ、
パターンを学習させることで、
予測や識別などの問題を解かせること。
種類
● 教師あり
● 教師なし
手法
● 回帰
● 決定木
● ベイジアンモデル
● クラスタリング
● ニューラルネットワーク
● 深層学習
copyright @2016 by DataRobot, Inc. All Rights Reserved
機械学習への入力データと解ける問題
分類
● 2値分類:True/False
● 多値分類:カテゴリー・タグ
回帰
● 連続値:数値
時系列
● 数値 x 時間
レコメンデーション
● 数値 x アイテム
クラスタリング
● ブーリアン
● 数値
● カテゴリ
● テキスト
copyright @2016 by DataRobot, Inc. All Rights Reserved
既に広くビジネスに応用されている
● 金融
○ この人お金貸したら返ってくる?
○
● 保険
○ この人が来年事故に遭う確率は?
● マーケティング
○ この広告はどれくらいクリックされる?
○ どのマーケティングキャンペーンが一番効果的?
● 人事・採用
○ この候補者は自社で活躍できるか?
○ どの従業員が辞めそう?
● スポーツ
○ この選手はいくつの試合でヒットを打てる??
● ヘルスケア
○ 退院した患者がまた悪くなって再入院する確率は?
copyright @2016 by DataRobot, Inc. All Rights Reserved
どんどん進化してる
研究者が自分でアルゴリズ
ムを考案して論文を発表
オープンソースライブラリで
コーディングができる人はつ
かえる
● Pythonならscikit-learn
ボタンをポチッと押すだけで、
誰でも使える
● DataRobot
深層学習前の機械学習技術は
イマココ
copyright @2016 by DataRobot, Inc. All Rights Reserved
深層学習ってなに?
神経回路にインスパイアされたニューラルネットワーク型アルゴリズムの「隠れ層」
を多段にすることで、学習能力を高めたもの。特に画像識別分野で高い精度を発
揮している。
学習手法
● オートエンコーダー
● Restricted Boltzmann Machine などなど
ネットワークタイプ
● Convolutional
● Recurrent などなど
HWの進歩
● GPUを使った効率化
そもそも...
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
● ブーリアン
● 数値
● カテゴリ
● テキスト
● 画像
● 音声
深層学習への入力データと解ける問題
分類
● 2値分類:True/False
● 多値分類:カテゴリー
回帰
● 連続値:数値
時系列
● 数値 x 時間
レコメンデーション
● 数値 x アイテム
クラスタリング
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
TensorFlowとは
深層学習の構築に必要な線形代数を
表現し、GPUなどの分散処理技術を
使って高速に計算するためのライブラ
リ。
エンジニアならPython/C++からわりと簡
単に使える。
copyright @2016 by DataRobot, Inc. All Rights Reserved
● 手書き文字の認識
● テキストのベクトル化(Word2Vec)
● 機械翻訳
● 自然言語のモデリング
● イメージ内にある物体の識別
● などなど
TensorFlowで既にできる深層学習の応用例
Googleの物体識別アルゴリズム、
Inception3は96%以上のtop5正答
率で、世界最高精度かつ、人間より
も精度が高い。
既にTensorFlowで使える。
copyright @2016 by DataRobot, Inc. All Rights Reserved
pip install --upgrade https://storage.googleapis.
com/tensorflow/mac/tensorflow-0.7.0-py2-none-any.
whl
プラス幾つかのコマンドで
デモ:
わりと簡単につかえる... エンジニアなら
copyright @2016 by DataRobot, Inc. All Rights Reserved
http://kivantium.hateblo.jp/entry/2015/11/18/233834
じぶんで応用すると...
copyright @2016 by DataRobot, Inc. All Rights Reserved
Deep Dreamも、もうすぐ
TensorFlowから使える
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
どんどん進化してる
研究者が自分でアルゴリズ
ムを考案して論文を発表
オープンソースライブラリで
コーディングができる人はつ
かえる
● TensorFlow!
ボタンをポチッと押すだけで、
誰でも使える
● ???
深層学習は
イマココ
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
みんなが使うとすごいことがおこる
copyright @2016 by DataRobot, Inc. All Rights Reserved
みんなが使うとすごいことがおこる
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
copyright @2016 by DataRobot, Inc. All Rights Reserved
1 of 37

Recommended

LHCにおける素粒子ビッグデータの解析とROOTライブラリ(Big Data Analysis at LHC and ROOT) by
LHCにおける素粒子ビッグデータの解析とROOTライブラリ(Big Data Analysis at LHC and ROOT)LHCにおける素粒子ビッグデータの解析とROOTライブラリ(Big Data Analysis at LHC and ROOT)
LHCにおける素粒子ビッグデータの解析とROOTライブラリ(Big Data Analysis at LHC and ROOT)Akira Shibata
6.7K views79 slides
20150421 日経ビッグデータカンファレンス by
20150421 日経ビッグデータカンファレンス20150421 日経ビッグデータカンファレンス
20150421 日経ビッグデータカンファレンスAkira Shibata
1.7K views24 slides
PyData.Tokyo Hackathon#2 TensorFlow by
PyData.Tokyo Hackathon#2 TensorFlowPyData.Tokyo Hackathon#2 TensorFlow
PyData.Tokyo Hackathon#2 TensorFlowAkira Shibata
2.6K views17 slides
DataRobot活用状況@リクルートテクノロジーズ by
DataRobot活用状況@リクルートテクノロジーズDataRobot活用状況@リクルートテクノロジーズ
DataRobot活用状況@リクルートテクノロジーズRecruit Technologies
6.3K views10 slides
vCenter Operations Management Suite 検証支援プログラム結果報告とその後 by
 vCenter Operations Management Suite 検証支援プログラム結果報告とその後 vCenter Operations Management Suite 検証支援プログラム結果報告とその後
vCenter Operations Management Suite 検証支援プログラム結果報告とその後Recruit Technologies
2.9K views54 slides
2018 e-patentトークセッション資料 株式会社ライズ by
2018 e-patentトークセッション資料 株式会社ライズ2018 e-patentトークセッション資料 株式会社ライズ
2018 e-patentトークセッション資料 株式会社ライズtomoro_azu
1K views25 slides

More Related Content

What's hot

Retty recommendation project by
Retty recommendation projectRetty recommendation project
Retty recommendation projectJiro Iwanaga
9.7K views72 slides
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~ by
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~Recruit Technologies
2.6K views28 slides
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング- by
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Recruit Technologies
3.5K views72 slides
Business Innovation cases driven by AI and BigData technologies by
Business Innovation cases driven by AI and BigData technologiesBusiness Innovation cases driven by AI and BigData technologies
Business Innovation cases driven by AI and BigData technologiesDataWorks Summit/Hadoop Summit
3.4K views37 slides
LT(自由) by
LT(自由)LT(自由)
LT(自由)Recruit Technologies
3.9K views13 slides
20170419PFNオープンハウス インターンと採用 公開用 by
20170419PFNオープンハウス  インターンと採用 公開用20170419PFNオープンハウス  インターンと採用 公開用
20170419PFNオープンハウス インターンと採用 公開用Preferred Networks
2.8K views13 slides

What's hot(20)

Retty recommendation project by Jiro Iwanaga
Retty recommendation projectRetty recommendation project
Retty recommendation project
Jiro Iwanaga9.7K views
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~ by Recruit Technologies
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング- by Recruit Technologies
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
20170419PFNオープンハウス インターンと採用 公開用 by Preferred Networks
20170419PFNオープンハウス  インターンと採用 公開用20170419PFNオープンハウス  インターンと採用 公開用
20170419PFNオープンハウス インターンと採用 公開用
Preferred Networks2.8K views
グローバル企業の中で「変化」を仕掛ける楽天技術研究所 Rakuten Institute of Technology の挑戦 by Rakuten Group, Inc.
グローバル企業の中で「変化」を仕掛ける楽天技術研究所 Rakuten Institute of Technology の挑戦グローバル企業の中で「変化」を仕掛ける楽天技術研究所 Rakuten Institute of Technology の挑戦
グローバル企業の中で「変化」を仕掛ける楽天技術研究所 Rakuten Institute of Technology の挑戦
Rakuten Group, Inc.20.9K views
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか? by BrainPad Inc.
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
エンジニア勉強会資料_①ブレインパッドの中で僕たちは何を開発しているのか?
BrainPad Inc. 1.8K views
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介 by Chigusa Junichiro
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Rustに触れて私のPythonはどう変わったか by ShunsukeNakamura17
Rustに触れて私のPythonはどう変わったかRustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
日本のアニメ産業を爆速させるアニメAPIの開発と活用事例 (ニコニコ超会議2016 大和証券ステージ) by Junichi Noda
日本のアニメ産業を爆速させるアニメAPIの開発と活用事例 (ニコニコ超会議2016 大和証券ステージ)日本のアニメ産業を爆速させるアニメAPIの開発と活用事例 (ニコニコ超会議2016 大和証券ステージ)
日本のアニメ産業を爆速させるアニメAPIの開発と活用事例 (ニコニコ超会議2016 大和証券ステージ)
Junichi Noda4.2K views
秋葉原IT戦略研究所のご紹介(2016/05/04) by Junichi Noda
秋葉原IT戦略研究所のご紹介(2016/05/04)秋葉原IT戦略研究所のご紹介(2016/05/04)
秋葉原IT戦略研究所のご紹介(2016/05/04)
Junichi Noda3.5K views
[GTC 2018] GTCテクニカルセッション_0913 Ridge-i発表資料 by Ridge-i
[GTC 2018] GTCテクニカルセッション_0913 Ridge-i発表資料[GTC 2018] GTCテクニカルセッション_0913 Ridge-i発表資料
[GTC 2018] GTCテクニカルセッション_0913 Ridge-i発表資料
Ridge-i957 views
SIGSPATIAL 2020 参加報告資料 by Tomoki Saito
SIGSPATIAL 2020 参加報告資料SIGSPATIAL 2020 参加報告資料
SIGSPATIAL 2020 参加報告資料
Tomoki Saito2.1K views
リクルートテクノロジーズの産学連携への取り組み by Recruit Technologies
リクルートテクノロジーズの産学連携への取り組みリクルートテクノロジーズの産学連携への取り組み
リクルートテクノロジーズの産学連携への取り組み
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発 by BrainPad Inc.
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発
エンジニア勉強会資料_②エンジニア・デザイナ・プロダクトオーナーが推薦するプロトタイプドリブン開発
BrainPad Inc. 1.6K views

Viewers also liked

人工知能をビジネスに活かす by
人工知能をビジネスに活かす人工知能をビジネスに活かす
人工知能をビジネスに活かすAkira Shibata
3.6K views46 slides
リクルートにおけるデータのインフラ化への取組 by
リクルートにおけるデータのインフラ化への取組リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組Recruit Technologies
6.4K views34 slides
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか by
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたかリクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたかRecruit Technologies
28.1K views52 slides
【18-B-2】データ分析で始めるサービス改善最初の一歩 by
【18-B-2】データ分析で始めるサービス改善最初の一歩【18-B-2】データ分析で始めるサービス改善最初の一歩
【18-B-2】データ分析で始めるサービス改善最初の一歩Developers Summit
2K views35 slides
TensorFlow を使った 機械学習ことはじめ (GDG京都 機械学習勉強会) by
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った 機械学習ことはじめ (GDG京都 機械学習勉強会)徹 上野山
319.6K views61 slides
Analysis Software Development by
Analysis Software DevelopmentAnalysis Software Development
Analysis Software DevelopmentAkira Shibata
826 views33 slides

Viewers also liked(20)

人工知能をビジネスに活かす by Akira Shibata
人工知能をビジネスに活かす人工知能をビジネスに活かす
人工知能をビジネスに活かす
Akira Shibata3.6K views
リクルートにおけるデータのインフラ化への取組 by Recruit Technologies
リクルートにおけるデータのインフラ化への取組リクルートにおけるデータのインフラ化への取組
リクルートにおけるデータのインフラ化への取組
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか by Recruit Technologies
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたかリクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
リクルートはいかにして、ディープラーニング(深層学習)の導入を成功させたか
Recruit Technologies28.1K views
【18-B-2】データ分析で始めるサービス改善最初の一歩 by Developers Summit
【18-B-2】データ分析で始めるサービス改善最初の一歩【18-B-2】データ分析で始めるサービス改善最初の一歩
【18-B-2】データ分析で始めるサービス改善最初の一歩
TensorFlow を使った 機械学習ことはじめ (GDG京都 機械学習勉強会) by 徹 上野山
TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)TensorFlow を使った機械学習ことはじめ (GDG京都 機械学習勉強会)
TensorFlow を使った 機械学習ことはじめ (GDG京都 機械学習勉強会)
徹 上野山319.6K views
Analysis Software Development by Akira Shibata
Analysis Software DevelopmentAnalysis Software Development
Analysis Software Development
Akira Shibata826 views
機械学習チュートリアル@Jubatus Casual Talks by Yuya Unno
機械学習チュートリアル@Jubatus Casual Talks機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno735.9K views
How to develop a huge Single Page Application by Naoki Yamada
How to develop a huge Single Page ApplicationHow to develop a huge Single Page Application
How to develop a huge Single Page Application
Naoki Yamada3.2K views
クラウドを使ったデザイン データ活用 - Autodesk Forge ご紹介 @ デブサミ 2016 by Isezaki Toshiaki
クラウドを使ったデザイン データ活用 - Autodesk Forge ご紹介 @ デブサミ 2016クラウドを使ったデザイン データ活用 - Autodesk Forge ご紹介 @ デブサミ 2016
クラウドを使ったデザイン データ活用 - Autodesk Forge ご紹介 @ デブサミ 2016
Isezaki Toshiaki2.6K views
Apache Sparkを利用した「つぶやきビッグデータ」クローンとリコメンドシステムの構築 by Junichi Noda
Apache Sparkを利用した「つぶやきビッグデータ」クローンとリコメンドシステムの構築Apache Sparkを利用した「つぶやきビッグデータ」クローンとリコメンドシステムの構築
Apache Sparkを利用した「つぶやきビッグデータ」クローンとリコメンドシステムの構築
Junichi Noda3.6K views
PyData Tokyo Tutorial & Hackathon #1 by Akira Shibata
PyData Tokyo Tutorial & Hackathon #1PyData Tokyo Tutorial & Hackathon #1
PyData Tokyo Tutorial & Hackathon #1
Akira Shibata13.3K views
大規模Redisサーバ縮小化の戦い by Yuto Komai
大規模Redisサーバ縮小化の戦い大規模Redisサーバ縮小化の戦い
大規模Redisサーバ縮小化の戦い
Yuto Komai37.9K views
素人がDeep Learningと他の機械学習の性能を比較してみた by Toru Imai
素人がDeep Learningと他の機械学習の性能を比較してみた素人がDeep Learningと他の機械学習の性能を比較してみた
素人がDeep Learningと他の機械学習の性能を比較してみた
Toru Imai26.3K views
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル by Recruit Technologies
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアルリクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies30.1K views
バンディットアルゴリズム入門と実践 by 智之 村上
バンディットアルゴリズム入門と実践バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上170.8K views
今日から使える! みんなのクラスタリング超入門 by toilet_lunch
今日から使える! みんなのクラスタリング超入門今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
toilet_lunch170.3K views
機会学習ハッカソン:ランダムフォレスト by Teppei Baba
機会学習ハッカソン:ランダムフォレスト機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Teppei Baba156.9K views
ロジスティック回帰の考え方・使い方 - TokyoR #33 by horihorio
ロジスティック回帰の考え方・使い方 - TokyoR #33ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
horihorio281.6K views

Similar to Akira shibata at developer summit 2016

「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史 by
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク  榊 剛史「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク  榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史Leading Edge Co.,Ltd.
1.3K views47 slides
mlabforum2012_okanohara by
mlabforum2012_okanoharamlabforum2012_okanohara
mlabforum2012_okanoharaPreferred Networks
2.7K views36 slides
【B-2】AI時代におけるエンジニアの生存戦略 by
【B-2】AI時代におけるエンジニアの生存戦略【B-2】AI時代におけるエンジニアの生存戦略
【B-2】AI時代におけるエンジニアの生存戦略Developers Summit
900 views27 slides
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学) by
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)Yuya Unno
18.7K views79 slides
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~ by
大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~株式会社Consumer first
902 views21 slides
ゼロから学ぶAI by
ゼロから学ぶAIゼロから学ぶAI
ゼロから学ぶAIDIVE INTO CODE Corp.
2.6K views48 slides

Similar to Akira shibata at developer summit 2016(20)

「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史 by Leading Edge Co.,Ltd.
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク  榊 剛史「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク  榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
【B-2】AI時代におけるエンジニアの生存戦略 by Developers Summit
【B-2】AI時代におけるエンジニアの生存戦略【B-2】AI時代におけるエンジニアの生存戦略
【B-2】AI時代におけるエンジニアの生存戦略
Developers Summit900 views
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学) by Yuya Unno
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)
企業における自然言語処理技術の活用の現場(情報処理学会東海支部主催講演会@名古屋大学)
Yuya Unno18.7K views
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~ by 株式会社Consumer first
大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~大切なお客様を、一生のお客様に  ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
米中戦争、人工知能、格差、世界はどうなる?-起業家で世界で教える教授の話- by Kazuaki ODA
米中戦争、人工知能、格差、世界はどうなる?-起業家で世界で教える教授の話-米中戦争、人工知能、格差、世界はどうなる?-起業家で世界で教える教授の話-
米中戦争、人工知能、格差、世界はどうなる?-起業家で世界で教える教授の話-
Kazuaki ODA572 views
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』 by Insight Technology, Inc.
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
(道具としての)データサイエンティストのつかい方 by Shohei Hido
(道具としての)データサイエンティストのつかい方(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido8.3K views
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー by Hiroshi Senga
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
Hiroshi Senga517 views
第4次産業革命 AIでビジネスの現場が変わる by DIVE INTO CODE Corp.
第4次産業革命 AIでビジネスの現場が変わる第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
営業現場で困らないためのディープラーニング by Satoru Yamamoto
営業現場で困らないためのディープラーニング営業現場で困らないためのディープラーニング
営業現場で困らないためのディープラーニング
Satoru Yamamoto4.2K views
大規模データ時代に求められる自然言語処理 by Preferred Networks
大規模データ時代に求められる自然言語処理大規模データ時代に求められる自然言語処理
大規模データ時代に求められる自然言語処理
Preferred Networks27.4K views
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料) by NTT DATA Technology & Innovation
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)
人と機械の協働によりデータ分析作業の効率化を目指す協働型機械学習技術(NTTデータ テクノロジーカンファレンス 2020 発表資料)
20111203 第1回LODチャレンジデーin 大阪 事務局より by Nobuyuki Otomori
20111203 第1回LODチャレンジデーin 大阪 事務局より20111203 第1回LODチャレンジデーin 大阪 事務局より
20111203 第1回LODチャレンジデーin 大阪 事務局より
Nobuyuki Otomori917 views
Contextual package by Shota Yasui
Contextual packageContextual package
Contextual package
Shota Yasui1.2K views
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする by DIVE INTO CODE Corp.
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする
投資会社から見た人工知能(Ai)の事業化トレンド by Osaka University
投資会社から見た人工知能(Ai)の事業化トレンド投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
Osaka University13.2K views

More from Akira Shibata

W&B monthly meetup#7 Intro.pdf by
W&B monthly meetup#7 Intro.pdfW&B monthly meetup#7 Intro.pdf
W&B monthly meetup#7 Intro.pdfAkira Shibata
738 views14 slides
20230705 - Optuna Integration (to share).pdf by
20230705 - Optuna Integration (to share).pdf20230705 - Optuna Integration (to share).pdf
20230705 - Optuna Integration (to share).pdfAkira Shibata
103 views15 slides
makoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdf by
makoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdfmakoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdf
makoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdfAkira Shibata
759 views29 slides
LLM Webinar - シバタアキラ to share.pdf by
LLM Webinar - シバタアキラ to share.pdfLLM Webinar - シバタアキラ to share.pdf
LLM Webinar - シバタアキラ to share.pdfAkira Shibata
332 views10 slides
W&B Seminar #4.pdf by
W&B Seminar #4.pdfW&B Seminar #4.pdf
W&B Seminar #4.pdfAkira Shibata
448 views11 slides
Kaggle and data science by
Kaggle and data scienceKaggle and data science
Kaggle and data scienceAkira Shibata
1.1K views29 slides

More from Akira Shibata(15)

W&B monthly meetup#7 Intro.pdf by Akira Shibata
W&B monthly meetup#7 Intro.pdfW&B monthly meetup#7 Intro.pdf
W&B monthly meetup#7 Intro.pdf
Akira Shibata738 views
20230705 - Optuna Integration (to share).pdf by Akira Shibata
20230705 - Optuna Integration (to share).pdf20230705 - Optuna Integration (to share).pdf
20230705 - Optuna Integration (to share).pdf
Akira Shibata103 views
makoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdf by Akira Shibata
makoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdfmakoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdf
makoto shing (stability ai) - image model fine-tuning - wandb_event_230525.pdf
Akira Shibata759 views
LLM Webinar - シバタアキラ to share.pdf by Akira Shibata
LLM Webinar - シバタアキラ to share.pdfLLM Webinar - シバタアキラ to share.pdf
LLM Webinar - シバタアキラ to share.pdf
Akira Shibata332 views
Kaggle and data science by Akira Shibata
Kaggle and data scienceKaggle and data science
Kaggle and data science
Akira Shibata1.1K views
PyData NYC by Akira Shibata by Akira Shibata
PyData NYC by Akira ShibataPyData NYC by Akira Shibata
PyData NYC by Akira Shibata
Akira Shibata31.2K views
20141127 py datatokyomeetup2 by Akira Shibata
20141127 py datatokyomeetup220141127 py datatokyomeetup2
20141127 py datatokyomeetup2
Akira Shibata1.5K views
The LHC Explained by CNN by Akira Shibata
The LHC Explained by CNNThe LHC Explained by CNN
The LHC Explained by CNN
Akira Shibata641 views
Top Cross Section Measurement by Akira Shibata
Top Cross Section MeasurementTop Cross Section Measurement
Top Cross Section Measurement
Akira Shibata815 views
Analysis Software Benchmark by Akira Shibata
Analysis Software BenchmarkAnalysis Software Benchmark
Analysis Software Benchmark
Akira Shibata732 views
Top quark physics at the LHC by Akira Shibata
Top quark physics at the LHCTop quark physics at the LHC
Top quark physics at the LHC
Akira Shibata1.4K views

Akira shibata at developer summit 2016

  • 2. copyright @2016 by DataRobot, Inc. All Rights Reserved シバタアキラ, Ph.D. @madyagi 2004 - 2007::Ph.D. 高エネルギー物理学 @London大学 ● Pythonを使い始めた頃(C++もがっつり) 2007 - 2010::データサイエンティスト @NYU ● ヒッグス粒子の発見のためのデータ解析 @LHC, CERN 2010 - 2013:戦略コンサル @BCG “ボスコン” 2013 - 2015:CEO @白ヤギコーポレーション ● ニュースキュレーションアプリ「カメリオ」 2015 - :データサイエンティスト @ DataRobot 2014 - :オーガナイザー @ PyData.Tokyo
  • 3. copyright @2016 by DataRobot, Inc. All Rights Reserved 3 2012 2H 2013 1H 2013 2H 2014 1H 2014 2H 2015 1H 2015 2H 2016 1H June ‘12 Founded June ‘13 Seed Funding $3.3M July ‘14 Series A $21M Nov ‘15 Series B $33M データロボット会社紹介
  • 4. copyright @2016 by DataRobot, Inc. All Rights Reserved 4 世界で30万人以上が登録する、データサイエンティストのコンペプラットフォーム。 数多くの企業がデータを公開し、予測精度で上位成績者には賞金が渡される。 Jeremy Achin CEO & Co-Founder Highest† 20th Xavier Conort Chief Data Scientist Highest† 1st Tom DeGody CTO & Co-Founder Highest† 20th Peter Prettenhofer Data Scientist Highest† 14th Core Contributor Owen Zhang Chief Product Officer Highest† 1st Sergey Yurgenson Data Scientist Highest† 1st Viktor Gal Data Scientist Core Contributor トップKagglerが多数在籍
  • 5. copyright @2016 by DataRobot, Inc. All Rights Reserved データサイエン ティストのたま り場 Python じゃな い方もどうぞ
  • 6. copyright @2016 by DataRobot, Inc. All Rights Reserved PyData.Tokyoでは、開始当初から深層学習を追ってきた
  • 7. copyright @2016 by DataRobot, Inc. All Rights Reserved お仕事 オーガナイザー 連載
  • 8. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 9. copyright @2016 by DataRobot, Inc. All Rights Reserved 今日お伝えしたいこと あなたも人工知能使えます つかってっください
  • 10. copyright @2016 by DataRobot, Inc. All Rights Reserved 深層学習(ディープラーニング)アルゴリズムの画像処理における性能がすごすぎ 機械って人間超えちゃったりするんじゃね?人間置き換えちゃうんじゃね? とりあえずその辺の技術全般を指すハイプ用語として成立 メディアもネタになって嬉しいし、そっち系のスタートアップなんかもとりあえず波にのることに した。 そもそも...人工知能ってなに?
  • 11. copyright @2016 by DataRobot, Inc. All Rights Reserved 人工知能作ろうとしてる人、増えてます
  • 12. copyright @2016 by DataRobot, Inc. All Rights Reserved 人工知能 機械学習 深層学習(ディープラーニング) もう少しだけ正確に
  • 13. copyright @2016 by DataRobot, Inc. All Rights Reserved 機械学習ってなに? コンピューターアルゴリズムにデータを分析させ、 パターンを学習させることで、 予測や識別などの問題を解かせること。 種類 ● 教師あり ● 教師なし 手法 ● 回帰 ● 決定木 ● ベイジアンモデル ● クラスタリング ● ニューラルネットワーク ● 深層学習
  • 14. copyright @2016 by DataRobot, Inc. All Rights Reserved 機械学習への入力データと解ける問題 分類 ● 2値分類:True/False ● 多値分類:カテゴリー・タグ 回帰 ● 連続値:数値 時系列 ● 数値 x 時間 レコメンデーション ● 数値 x アイテム クラスタリング ● ブーリアン ● 数値 ● カテゴリ ● テキスト
  • 15. copyright @2016 by DataRobot, Inc. All Rights Reserved 既に広くビジネスに応用されている ● 金融 ○ この人お金貸したら返ってくる? ○ ● 保険 ○ この人が来年事故に遭う確率は? ● マーケティング ○ この広告はどれくらいクリックされる? ○ どのマーケティングキャンペーンが一番効果的? ● 人事・採用 ○ この候補者は自社で活躍できるか? ○ どの従業員が辞めそう? ● スポーツ ○ この選手はいくつの試合でヒットを打てる?? ● ヘルスケア ○ 退院した患者がまた悪くなって再入院する確率は?
  • 16. copyright @2016 by DataRobot, Inc. All Rights Reserved どんどん進化してる 研究者が自分でアルゴリズ ムを考案して論文を発表 オープンソースライブラリで コーディングができる人はつ かえる ● Pythonならscikit-learn ボタンをポチッと押すだけで、 誰でも使える ● DataRobot 深層学習前の機械学習技術は イマココ
  • 17. copyright @2016 by DataRobot, Inc. All Rights Reserved 深層学習ってなに? 神経回路にインスパイアされたニューラルネットワーク型アルゴリズムの「隠れ層」 を多段にすることで、学習能力を高めたもの。特に画像識別分野で高い精度を発 揮している。 学習手法 ● オートエンコーダー ● Restricted Boltzmann Machine などなど ネットワークタイプ ● Convolutional ● Recurrent などなど HWの進歩 ● GPUを使った効率化 そもそも...
  • 18. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 19. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 20. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 21. copyright @2016 by DataRobot, Inc. All Rights Reserved ● ブーリアン ● 数値 ● カテゴリ ● テキスト ● 画像 ● 音声 深層学習への入力データと解ける問題 分類 ● 2値分類:True/False ● 多値分類:カテゴリー 回帰 ● 連続値:数値 時系列 ● 数値 x 時間 レコメンデーション ● 数値 x アイテム クラスタリング
  • 22. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 23. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 24. copyright @2016 by DataRobot, Inc. All Rights Reserved TensorFlowとは 深層学習の構築に必要な線形代数を 表現し、GPUなどの分散処理技術を 使って高速に計算するためのライブラ リ。 エンジニアならPython/C++からわりと簡 単に使える。
  • 25. copyright @2016 by DataRobot, Inc. All Rights Reserved ● 手書き文字の認識 ● テキストのベクトル化(Word2Vec) ● 機械翻訳 ● 自然言語のモデリング ● イメージ内にある物体の識別 ● などなど TensorFlowで既にできる深層学習の応用例 Googleの物体識別アルゴリズム、 Inception3は96%以上のtop5正答 率で、世界最高精度かつ、人間より も精度が高い。 既にTensorFlowで使える。
  • 26. copyright @2016 by DataRobot, Inc. All Rights Reserved pip install --upgrade https://storage.googleapis. com/tensorflow/mac/tensorflow-0.7.0-py2-none-any. whl プラス幾つかのコマンドで デモ: わりと簡単につかえる... エンジニアなら
  • 27. copyright @2016 by DataRobot, Inc. All Rights Reserved http://kivantium.hateblo.jp/entry/2015/11/18/233834 じぶんで応用すると...
  • 28. copyright @2016 by DataRobot, Inc. All Rights Reserved Deep Dreamも、もうすぐ TensorFlowから使える
  • 29. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 30. copyright @2016 by DataRobot, Inc. All Rights Reserved どんどん進化してる 研究者が自分でアルゴリズ ムを考案して論文を発表 オープンソースライブラリで コーディングができる人はつ かえる ● TensorFlow! ボタンをポチッと押すだけで、 誰でも使える ● ??? 深層学習は イマココ
  • 31. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 32. copyright @2016 by DataRobot, Inc. All Rights Reserved みんなが使うとすごいことがおこる
  • 33. copyright @2016 by DataRobot, Inc. All Rights Reserved みんなが使うとすごいことがおこる
  • 34. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 35. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 36. copyright @2016 by DataRobot, Inc. All Rights Reserved
  • 37. copyright @2016 by DataRobot, Inc. All Rights Reserved