Download free for 30 days
Sign in
Upload
Language (EN)
Support
Business
Mobile
Social Media
Marketing
Technology
Art & Photos
Career
Design
Education
Presentations & Public Speaking
Government & Nonprofit
Healthcare
Internet
Law
Leadership & Management
Automotive
Engineering
Software
Recruiting & HR
Retail
Sales
Services
Science
Small Business & Entrepreneurship
Food
Environment
Economy & Finance
Data & Analytics
Investor Relations
Sports
Spiritual
News & Politics
Travel
Self Improvement
Real Estate
Entertainment & Humor
Health & Medicine
Devices & Hardware
Lifestyle
Change Language
Language
English
Español
Português
Français
Deutsche
Cancel
Save
EN
Uploaded by
Kenji Morita
1,013 views
AIとScrumとスケール
Deep Learning 等のアルゴリズム開発へのスクラムの適用とチーム連携について
Software
◦
Related topics:
Deep Learning
•
Read more
1
Save
Share
Embed
Embed presentation
1
/ 11
2
/ 11
3
/ 11
4
/ 11
5
/ 11
6
/ 11
7
/ 11
8
/ 11
9
/ 11
10
/ 11
11
/ 11
More Related Content
PDF
Singularityで分散深層学習
by
Hitoshi Sato
PDF
深層学習と音響信号処理
by
Yuma Koizumi
PDF
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
PDF
【DL輪読会】GradMax: Growing Neural Networks using Gradient Information
by
Deep Learning JP
PPTX
緊急Ques - コードのメトリクスに基づくリファクタリング戦略
by
Tomoki Kuriyama
PDF
SSII2019TS: Shall We GANs? ~GANの基礎から最近の研究まで~
by
SSII
PDF
Anomaly detection 系の論文を一言でまとめた
by
ぱんいち すみもと
PDF
Teslaにおけるコンピュータビジョン技術の調査
by
Kazuyuki Miyazawa
Singularityで分散深層学習
by
Hitoshi Sato
深層学習と音響信号処理
by
Yuma Koizumi
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
【DL輪読会】GradMax: Growing Neural Networks using Gradient Information
by
Deep Learning JP
緊急Ques - コードのメトリクスに基づくリファクタリング戦略
by
Tomoki Kuriyama
SSII2019TS: Shall We GANs? ~GANの基礎から最近の研究まで~
by
SSII
Anomaly detection 系の論文を一言でまとめた
by
ぱんいち すみもと
Teslaにおけるコンピュータビジョン技術の調査
by
Kazuyuki Miyazawa
What's hot
PDF
データ爆発時代のネットワークインフラ
by
NVIDIA Japan
PDF
【DL輪読会】GPT-4Technical Report
by
Deep Learning JP
PDF
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
by
Preferred Networks
PDF
機械学習をScrumで組織的に学習する (RSGT2022)
by
Yukio Okajima
PPTX
学習時に使ってはいないデータの混入「リーケージを避ける」
by
西岡 賢一郎
PDF
AHC-Lab M1勉強会 論文の読み方・書き方
by
Shinagawa Seitaro
PDF
混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2
by
RHamano
PDF
データドリフトの紹介
by
Sho Tanaka
PDF
機械学習デザインパターン Machine Learning Design Patterns
by
Hironori Washizaki
PPTX
MLOps入門
by
Hiro Mura
PDF
MaxScaleを触ってみた
by
Fujishiro Takuya
PPTX
勾配降下法の最適化アルゴリズム
by
nishio
PDF
AWSではじめるMLOps
by
MariOhbuchi
PPTX
DeNAのゲームを支えるプラットフォーム Sakasho #denatechcon
by
DeNA
PDF
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
by
Preferred Networks
PDF
【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"
by
Deep Learning JP
PDF
最近のDeep Learning (NLP) 界隈におけるAttention事情
by
Yuta Kikuchi
PDF
「世界モデル」と関連研究について
by
Masahiro Suzuki
PDF
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
by
Google Cloud Platform - Japan
PDF
論文紹介 Pixel Recurrent Neural Networks
by
Seiya Tokui
データ爆発時代のネットワークインフラ
by
NVIDIA Japan
【DL輪読会】GPT-4Technical Report
by
Deep Learning JP
PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜
by
Preferred Networks
機械学習をScrumで組織的に学習する (RSGT2022)
by
Yukio Okajima
学習時に使ってはいないデータの混入「リーケージを避ける」
by
西岡 賢一郎
AHC-Lab M1勉強会 論文の読み方・書き方
by
Shinagawa Seitaro
混合整数ブラックボックス最適化に向けたCMA-ESの改良 / Optuna Meetup #2
by
RHamano
データドリフトの紹介
by
Sho Tanaka
機械学習デザインパターン Machine Learning Design Patterns
by
Hironori Washizaki
MLOps入門
by
Hiro Mura
MaxScaleを触ってみた
by
Fujishiro Takuya
勾配降下法の最適化アルゴリズム
by
nishio
AWSではじめるMLOps
by
MariOhbuchi
DeNAのゲームを支えるプラットフォーム Sakasho #denatechcon
by
DeNA
PFNのオンプレ計算機クラスタの取り組み_第55回情報科学若手の会
by
Preferred Networks
【DL輪読会】"Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"
by
Deep Learning JP
最近のDeep Learning (NLP) 界隈におけるAttention事情
by
Yuta Kikuchi
「世界モデル」と関連研究について
by
Masahiro Suzuki
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
by
Google Cloud Platform - Japan
論文紹介 Pixel Recurrent Neural Networks
by
Seiya Tokui
Similar to AIとScrumとスケール
PDF
Azure DevOps × スクラム で実現するプロダクト開発のポイント #dotnetlab #jazug
by
満徳 関
PDF
Iot algyan jhirono 20190111
by
Hirono Jumpei
PDF
プロダクト開発と案件開発の両立 Startup issue gym #1
by
Masaki Watanabe
PDF
Scrum:適用領域の広がりとscrum for hw概説
by
Kazutaka Sankai
PDF
AI-first Code Editor 「Cursor」の機能紹介
by
ssuser39314d
PDF
第2回 すくすく・スクラム
by
Kazumasa EBATA
PDF
IoTの「I」をカタチにする~インターネット企業が取り組むスピーディなIoT参入への挑戦~
by
Koichi Sasaki
PPTX
20190212 supporterz
by
Shunsuke Nakamura
PDF
No023-01-suc3rum-20110527
by
Sukusuku Scrum
PDF
ハードウェア進化についていけ 〜 実用化が進む GPU、そして注目が集まる Edge TPU の威力に迫る 〜
by
Deep Learning Lab(ディープラーニング・ラボ)
PPTX
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
by
Daiyu Hatakeyama
PDF
AI Utilization Seminar 20190709
by
陽平 山口
PDF
2015 0710 東京鯱光会月例会_公開用.pptx
by
Osamu Sugiura
PDF
Developers Summit 2013【15-B-8】タブレット進化論
by
Akio Hoshi
PDF
ヤフオク!における機械学習 ~深層学習、分散表現~ #devsumi
by
Yahoo!デベロッパーネットワーク
PDF
協創型ソフトウェア開発 ガイダンス資料
by
Yoshihide Chubachi
PDF
SOINN社製品のご紹介
by
SOINN
PDF
とりあえず30分でひととおり分かった気にはなれるアジャイル入門
by
陽一 滝川
PPTX
ITの今とこれから public
by
Daiyu Hatakeyama
PDF
文化をつくる~エンジニアを超えた真のDevOpsへの旅~
by
大貴 蜂須賀
Azure DevOps × スクラム で実現するプロダクト開発のポイント #dotnetlab #jazug
by
満徳 関
Iot algyan jhirono 20190111
by
Hirono Jumpei
プロダクト開発と案件開発の両立 Startup issue gym #1
by
Masaki Watanabe
Scrum:適用領域の広がりとscrum for hw概説
by
Kazutaka Sankai
AI-first Code Editor 「Cursor」の機能紹介
by
ssuser39314d
第2回 すくすく・スクラム
by
Kazumasa EBATA
IoTの「I」をカタチにする~インターネット企業が取り組むスピーディなIoT参入への挑戦~
by
Koichi Sasaki
20190212 supporterz
by
Shunsuke Nakamura
No023-01-suc3rum-20110527
by
Sukusuku Scrum
ハードウェア進化についていけ 〜 実用化が進む GPU、そして注目が集まる Edge TPU の威力に迫る 〜
by
Deep Learning Lab(ディープラーニング・ラボ)
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
by
Daiyu Hatakeyama
AI Utilization Seminar 20190709
by
陽平 山口
2015 0710 東京鯱光会月例会_公開用.pptx
by
Osamu Sugiura
Developers Summit 2013【15-B-8】タブレット進化論
by
Akio Hoshi
ヤフオク!における機械学習 ~深層学習、分散表現~ #devsumi
by
Yahoo!デベロッパーネットワーク
協創型ソフトウェア開発 ガイダンス資料
by
Yoshihide Chubachi
SOINN社製品のご紹介
by
SOINN
とりあえず30分でひととおり分かった気にはなれるアジャイル入門
by
陽一 滝川
ITの今とこれから public
by
Daiyu Hatakeyama
文化をつくる~エンジニアを超えた真のDevOpsへの旅~
by
大貴 蜂須賀
AIとScrumとスケール
1.
スケールする開発チームと IoT, Deep Learning時代の プロダクトオーナーの役割 守田
憲司 只今翻訳中
2.
本日の話題 Deep Learning X プロダクトオーナー 複数チームのスクラム X 2
3.
画像処理技術の変化 1990年代 2000年代 2010年代 シンプル処理 ・Gaussian ・Sobel ・Laplacian … 1
0 -1 2 0 -2 1 0 -1 アルゴリズム ・canny ・Hessian ・SURF … 機械学習 ・Deep Learning ・NN … 3
4.
研究開発とスクラム テーマ決め 研究 成果の 実用化 ニーズ調査 製品化 テーマ決め 研究 成果の 実用化 ニーズ調査 製品化 テーマ決め 研究 成果の 実用化 ニーズ調査 製品化 テーマ決め 研究 成果の 実用化 ニーズ調査 製品化 テーマ決め 研究 成果の 実用化 ニーズ調査 製品化 テーマ決め 研究 成果の 実用化 ニーズ調査 製品化 テーマ決め 研究 成果の 実用化 ニーズ調査 製品化 従来のやり方 仮説検証サイクルを短縮したい 4
5.
ちょっと コツがあります 5
6.
バックログの受け入れ条件 • 性能を受け入れ条件にしない。 • いつ達成するかわからないから、達成しないと活動 が何も見えなくなる。 •
良い受け入れ条件の例 • 検証する仮説 • 仮説を検証する方法 • 学習させる正解データ 研究チーム Webサービス開発チーム 性能、正答率 A/Bテストの結果 6
7.
開発チーム 機能横断的チームは、チー ム以外に頼らず作業を成し 遂げる能力を持っている。 (スクラムガイド) 7
8.
研究者も開発チームの一員? •価値観が違う。 •リズムが違う。 •長期的な視点での研究計画も重要 •研究成果を発表したい。 •顧客価値だけで決められない。 8
9.
研究チームと開発チーム 研究チーム 開発チーム 研究者 研究者 研究者 研究者 研究者 開発者 開発者開発者 開発者 開発者 開発者 開発者 研究者 研究者 少し違う価値観を持ちながら並行に走る PO
PO リクエスト 9
10.
研究チームのPO •研究者と価値観を共有している。 •開発チームとビジネス価値を共有し ている。 継続的な 研究活動 プロダクトへの アウトプット 研究チームのプロダクトバックログ 10
11.
Research Development Research &
Development with Scrum 11