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
Submit search
EN
Uploaded by
Yahoo!デベロッパーネットワーク
2,516 views
広告における機械学習の適用例とシステムについて
Technology
◦
Read more
1
Save
Share
Embed
Embed presentation
Download
Downloaded 13 times
1
/ 17
2
/ 17
3
/ 17
4
/ 17
5
/ 17
6
/ 17
7
/ 17
8
/ 17
9
/ 17
10
/ 17
11
/ 17
12
/ 17
13
/ 17
14
/ 17
15
/ 17
16
/ 17
17
/ 17
More Related Content
PDF
プランニングツールにおけるインタラクティブな可視化を支えるバックエンド
by
Yahoo!デベロッパーネットワーク
PDF
データの見える化で進めるデータドリブンカンパニー #devsumiC
by
Yahoo!デベロッパーネットワーク
PDF
Spring Cloud Data Flow の紹介 #streamctjp
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
by
Yahoo!デベロッパーネットワーク
PDF
データテクノロジースペシャル:Yahoo! JAPANにおけるメタデータ管理の試み
by
Yahoo!デベロッパーネットワーク
PDF
絶対にタダでは転ばない広告エンジニア #yjmu
by
Yahoo!デベロッパーネットワーク
PDF
Dataworks Summit 2017 SanJose StreamProcessing - Hadoop Source Code Reading #...
by
Yahoo!デベロッパーネットワーク
PDF
Hive on Tezのベストプラクティス
by
Yahoo!デベロッパーネットワーク
プランニングツールにおけるインタラクティブな可視化を支えるバックエンド
by
Yahoo!デベロッパーネットワーク
データの見える化で進めるデータドリブンカンパニー #devsumiC
by
Yahoo!デベロッパーネットワーク
Spring Cloud Data Flow の紹介 #streamctjp
by
Yahoo!デベロッパーネットワーク
Yahoo!プロモーション広告のビックデータ基盤を支える技術と今後の展望
by
Yahoo!デベロッパーネットワーク
データテクノロジースペシャル:Yahoo! JAPANにおけるメタデータ管理の試み
by
Yahoo!デベロッパーネットワーク
絶対にタダでは転ばない広告エンジニア #yjmu
by
Yahoo!デベロッパーネットワーク
Dataworks Summit 2017 SanJose StreamProcessing - Hadoop Source Code Reading #...
by
Yahoo!デベロッパーネットワーク
Hive on Tezのベストプラクティス
by
Yahoo!デベロッパーネットワーク
What's hot
PDF
Design pattern in presto source code
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo! JAPANのOSS Cassandra貢献の今までとこれから
by
Yahoo!デベロッパーネットワーク
PPTX
ヤフーのロギングSDKの挑戦〜データドリブン企業を目指して〜 #yjdsnight
by
Yahoo!デベロッパーネットワーク
PDF
AMPと広告とOpenRTBと #yjmu
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo! JAPAN MeetUp #8 (インフラ技術カンファレンス)セッション①
by
Yahoo!デベロッパーネットワーク
PDF
JavaOne2017参加報告 Microservices topic & approach #jjug
by
Yahoo!デベロッパーネットワーク
PDF
Storm の新機能について @HSCR #hadoopreading
by
Yahoo!デベロッパーネットワーク
PDF
行列ができるECサイトの悩み~ショッピングや決済の技術的問題と処方箋
by
Yahoo!デベロッパーネットワーク
PDF
kukai: 省エネ世界2位のディープラーニング・スパコン
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo! JAPANのサービス開発を10倍早くした社内PaaS構築の今とこれから
by
Yahoo!デベロッパーネットワーク
PDF
市場で勝ち続けるための品質とテストの技術①
by
Yahoo!デベロッパーネットワーク
PPTX
Spring Cloud Data Flow で構成される IIJ IoTサービス
by
Kenji Kondo
PDF
Dragon: A Distributed Object Storage at Yahoo! JAPAN (WebDB Forum 2017)
by
Yahoo!デベロッパーネットワーク
PPTX
データ利活用を促進するメタデータ
by
Yahoo!デベロッパーネットワーク
PDF
Automation of Rolling Upgrade of Hadoop Cluster without Data Lost and Job Fai...
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo! JAPANのデータ基盤とHadoop #dbts2016
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
by
Yahoo!デベロッパーネットワーク
PDF
ヤフーの広告レポートシステムをSpring Cloud Stream化するまで #jjug_ccc #ccc_a4
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo!ブラウザーアプリのプロダクトマネージャーが考えていること
by
Yahoo!デベロッパーネットワーク
PDF
大規模クラスタでのHadoop課題
by
Yahoo!デベロッパーネットワーク
Design pattern in presto source code
by
Yahoo!デベロッパーネットワーク
Yahoo! JAPANのOSS Cassandra貢献の今までとこれから
by
Yahoo!デベロッパーネットワーク
ヤフーのロギングSDKの挑戦〜データドリブン企業を目指して〜 #yjdsnight
by
Yahoo!デベロッパーネットワーク
AMPと広告とOpenRTBと #yjmu
by
Yahoo!デベロッパーネットワーク
Yahoo! JAPAN MeetUp #8 (インフラ技術カンファレンス)セッション①
by
Yahoo!デベロッパーネットワーク
JavaOne2017参加報告 Microservices topic & approach #jjug
by
Yahoo!デベロッパーネットワーク
Storm の新機能について @HSCR #hadoopreading
by
Yahoo!デベロッパーネットワーク
行列ができるECサイトの悩み~ショッピングや決済の技術的問題と処方箋
by
Yahoo!デベロッパーネットワーク
kukai: 省エネ世界2位のディープラーニング・スパコン
by
Yahoo!デベロッパーネットワーク
Yahoo! JAPANのサービス開発を10倍早くした社内PaaS構築の今とこれから
by
Yahoo!デベロッパーネットワーク
市場で勝ち続けるための品質とテストの技術①
by
Yahoo!デベロッパーネットワーク
Spring Cloud Data Flow で構成される IIJ IoTサービス
by
Kenji Kondo
Dragon: A Distributed Object Storage at Yahoo! JAPAN (WebDB Forum 2017)
by
Yahoo!デベロッパーネットワーク
データ利活用を促進するメタデータ
by
Yahoo!デベロッパーネットワーク
Automation of Rolling Upgrade of Hadoop Cluster without Data Lost and Job Fai...
by
Yahoo!デベロッパーネットワーク
Yahoo! JAPANのデータ基盤とHadoop #dbts2016
by
Yahoo!デベロッパーネットワーク
Yahoo! JAPANにおけるオンライン機械学習実例 #streamctjp
by
Yahoo!デベロッパーネットワーク
ヤフーの広告レポートシステムをSpring Cloud Stream化するまで #jjug_ccc #ccc_a4
by
Yahoo!デベロッパーネットワーク
Yahoo!ブラウザーアプリのプロダクトマネージャーが考えていること
by
Yahoo!デベロッパーネットワーク
大規模クラスタでのHadoop課題
by
Yahoo!デベロッパーネットワーク
Similar to 広告における機械学習の適用例とシステムについて
PPTX
20140711 evf2014 hadoop_recommendmachinelearning
by
Takumi Yoshida
PDF
関連記事レコメンドエンジン@Yahoo! JAPAN
by
Yahoo!デベロッパーネットワーク
PDF
予測型戦略を知るための機械学習チュートリアル
by
Yuya Unno
PDF
bigdata2012ml okanohara
by
Preferred Networks
PDF
Oracle Cloud Developers Meetup@東京
by
tuchimur
PDF
ビッグデータ革命 クラウドがコモデティ化する「奇跡」
by
Atsushi Nakada
PDF
機械学習システム開発案件の事例紹介
by
BrainPad Inc.
PDF
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
by
Preferred Networks
PPTX
Introduction to search_and_recommend_algolithm
by
Hiroki Iida
PDF
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
by
Preferred Networks
PDF
機械学習工学と機械学習応用システムの開発@SmartSEセミナー(2021/3/30)
by
Nobukazu Yoshioka
PPTX
リクルートを支える横断データ基盤と機械学習の適用事例
by
Tetsutaro Watanabe
PDF
機械学習CROSS 前半資料
by
Shohei Hido
PDF
第1回 Jubatusハンズオン
by
JubatusOfficial
PDF
第1回 Jubatusハンズオン
by
Yuya Unno
PPTX
0517 TECH & BRIDGE MEETING
by
健司 亀本
PPTX
Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model (MuZero)
by
harmonylab
PDF
[データマイニング+WEB勉強会][R勉強会] R言語によるクラスター分析 - 活用編
by
Koichi Hamada
PPTX
Machine learning
by
Masafumi Noda
PDF
レコメンドエンジン作成コンテストの勝ち方
by
Shun Nukui
20140711 evf2014 hadoop_recommendmachinelearning
by
Takumi Yoshida
関連記事レコメンドエンジン@Yahoo! JAPAN
by
Yahoo!デベロッパーネットワーク
予測型戦略を知るための機械学習チュートリアル
by
Yuya Unno
bigdata2012ml okanohara
by
Preferred Networks
Oracle Cloud Developers Meetup@東京
by
tuchimur
ビッグデータ革命 クラウドがコモデティ化する「奇跡」
by
Atsushi Nakada
機械学習システム開発案件の事例紹介
by
BrainPad Inc.
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
by
Preferred Networks
Introduction to search_and_recommend_algolithm
by
Hiroki Iida
東大大学院 電子情報学特論講義資料「深層学習概論と理論解析の課題」大野健太
by
Preferred Networks
機械学習工学と機械学習応用システムの開発@SmartSEセミナー(2021/3/30)
by
Nobukazu Yoshioka
リクルートを支える横断データ基盤と機械学習の適用事例
by
Tetsutaro Watanabe
機械学習CROSS 前半資料
by
Shohei Hido
第1回 Jubatusハンズオン
by
JubatusOfficial
第1回 Jubatusハンズオン
by
Yuya Unno
0517 TECH & BRIDGE MEETING
by
健司 亀本
Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model (MuZero)
by
harmonylab
[データマイニング+WEB勉強会][R勉強会] R言語によるクラスター分析 - 活用編
by
Koichi Hamada
Machine learning
by
Masafumi Noda
レコメンドエンジン作成コンテストの勝ち方
by
Shun Nukui
More from Yahoo!デベロッパーネットワーク
PDF
ゼロから始める転移学習
by
Yahoo!デベロッパーネットワーク
PDF
継続的なモデルモニタリングを実現するKubernetes Operator
by
Yahoo!デベロッパーネットワーク
PDF
ヤフーでは開発迅速性と品質のバランスをどう取ってるか
by
Yahoo!デベロッパーネットワーク
PDF
オンプレML基盤on Kubernetes パネルディスカッション
by
Yahoo!デベロッパーネットワーク
PDF
LakeTahoe
by
Yahoo!デベロッパーネットワーク
PDF
オンプレML基盤on Kubernetes 〜Yahoo! JAPAN AIPF〜
by
Yahoo!デベロッパーネットワーク
PDF
Persistent-memory-native Database High-availability Feature
by
Yahoo!デベロッパーネットワーク
PDF
データの価値を最大化させるためのデザイン~データビジュアライゼーションの方法~ #devsumi 17-E-2
by
Yahoo!デベロッパーネットワーク
PDF
eコマースと実店舗の相互利益を目指したデザイン #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
ヤフーを支えるセキュリティ ~サイバー攻撃を防ぐエンジニアの仕事とは~ #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo! JAPANのIaaSを支えるKubernetesクラスタ、アップデート自動化への挑戦 #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
ビッグデータから人々のムードを捉える #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
サイエンス領域におけるMLOpsの取り組み #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
ヤフーのAIプラットフォーム紹介 ~AIテックカンパニーを支えるデータ基盤~ #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
新技術を使った次世代の商品の見せ方 ~ヤフオク!のマルチビュー機能~ #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
PC版Yahoo!メールリニューアル ~サービスのUI/UX統合と改善プロセス~ #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
モブデザインによる多職種チームのコミュニケーション改善 #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
「新しいおうち探し」のためのAIアシスト検索 #yjtc
by
Yahoo!デベロッパーネットワーク
PDF
ユーザーの地域を考慮した検索入力補助機能の改善の試み #yjtc
by
Yahoo!デベロッパーネットワーク
ゼロから始める転移学習
by
Yahoo!デベロッパーネットワーク
継続的なモデルモニタリングを実現するKubernetes Operator
by
Yahoo!デベロッパーネットワーク
ヤフーでは開発迅速性と品質のバランスをどう取ってるか
by
Yahoo!デベロッパーネットワーク
オンプレML基盤on Kubernetes パネルディスカッション
by
Yahoo!デベロッパーネットワーク
LakeTahoe
by
Yahoo!デベロッパーネットワーク
オンプレML基盤on Kubernetes 〜Yahoo! JAPAN AIPF〜
by
Yahoo!デベロッパーネットワーク
Persistent-memory-native Database High-availability Feature
by
Yahoo!デベロッパーネットワーク
データの価値を最大化させるためのデザイン~データビジュアライゼーションの方法~ #devsumi 17-E-2
by
Yahoo!デベロッパーネットワーク
eコマースと実店舗の相互利益を目指したデザイン #yjtc
by
Yahoo!デベロッパーネットワーク
ヤフーを支えるセキュリティ ~サイバー攻撃を防ぐエンジニアの仕事とは~ #yjtc
by
Yahoo!デベロッパーネットワーク
Yahoo! JAPANのIaaSを支えるKubernetesクラスタ、アップデート自動化への挑戦 #yjtc
by
Yahoo!デベロッパーネットワーク
ビッグデータから人々のムードを捉える #yjtc
by
Yahoo!デベロッパーネットワーク
サイエンス領域におけるMLOpsの取り組み #yjtc
by
Yahoo!デベロッパーネットワーク
ヤフーのAIプラットフォーム紹介 ~AIテックカンパニーを支えるデータ基盤~ #yjtc
by
Yahoo!デベロッパーネットワーク
Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc
by
Yahoo!デベロッパーネットワーク
新技術を使った次世代の商品の見せ方 ~ヤフオク!のマルチビュー機能~ #yjtc
by
Yahoo!デベロッパーネットワーク
PC版Yahoo!メールリニューアル ~サービスのUI/UX統合と改善プロセス~ #yjtc
by
Yahoo!デベロッパーネットワーク
モブデザインによる多職種チームのコミュニケーション改善 #yjtc
by
Yahoo!デベロッパーネットワーク
「新しいおうち探し」のためのAIアシスト検索 #yjtc
by
Yahoo!デベロッパーネットワーク
ユーザーの地域を考慮した検索入力補助機能の改善の試み #yjtc
by
Yahoo!デベロッパーネットワーク
広告における機械学習の適用例とシステムについて
1.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. 2017年9月15日 濱田健宏 広告における機械学習の適用例と システムについて
2.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. もくじ • 自己紹介 • プロダクト概要 • 機械学習の適用例 • システム概要 • まとめ 2
3.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved.Copyright © 2017 Yahoo Japan Corporation. All Rights Reserved. 自己紹介
4.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. 自己紹介 濱田 健宏(はまだ たけひろ) 経歴 • 2008-2014(ソニー株式会社) 画像処理・認識アルゴリズムの研究開発 • 2014-(ヤフー株式会社) モデリングシステムの開発・運用・ロジックチューニングなど 所属 • マーケティングソリューションズカンパニー データ事業推進本部 担当プロダクト • セグメンテーションツール、プラニングツール 4
5.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved.Copyright © 2017 Yahoo Japan Corporation. All Rights Reserved. プロダクト概要
6.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. セグメンテーションツール • 社内外のデータからユーザーセグメントを抽出 • 広告配信やプランニングに活用 Ex) 新築マンションの訴求 => 「新築 マンション 東京」と検索したユーザーセグメント 6 ヤフーサービスログ クライアントサービスログ ユーザーセグメント YDD/YAD PF
7.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved.Copyright © 2017 Yahoo Japan Corporation. All Rights Reserved. 機械学習の適用例
8.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. ユーザーセグメント抽出の課題 • 最適な抽出条件を人が考えるのは限界がある Ex) 新築マンションの訴求 => 「新築 マンション 東京」 and 年収 and 地域 and … • 定量的な指標から抽出条件を最適化 => 機械学習 8
9.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. 問題設定を考える 目的をデータで表現できるように近似 • 新築マンションの訴求 => 新築マンションの資料請求をするユーザーを 増やす 問題設定 • 新築マンションの資料請求をするか否かの2値分類 学習データ • 正例:新築マンションの資料請求をしたユーザー • 負例:正例以外のヤフーユーザー => 精度が悪いケースが多い 9
10.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. 問題を分解する 正例:(n日前に)新築マンションの資料請求をしたユーザー • nが小さいユーザー => ダイレクトレスポンス 効きそうな特徴量:「新築 マンション 東京」と検索 and 年収 and 地域 and … • nが大きいユーザー => ブランディング 効きそうな特徴量:年収 and 地域 and … => 性質が異なるユーザーが混ざっている 目的をダイレクトレスポンスに絞って考える 10
11.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. 問題設定再考 目的をデータで表現できるように近似 • 2日後に新築マンションの資料請求をするユーザーを増やす 問題設定 • 2日後に新築マンションの資料請求をするか否かの2値分類 学習データ • 正例:2日前に新築マンションの資料請求をしたユーザー • 負例:正例以外のヤフーユーザー => 精度が悪いケースが少ない 11
12.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved.Copyright © 2017 Yahoo Japan Corporation. All Rights Reserved. システム概要
13.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. 要件 • 前述の問題設定の範囲で正例条件を任意に設定 • システムの利用者は、一般ユーザー(≠モデラー) • 正例条件は利用者が設定 • 10-30 モデル / 日 程度を作成 • 当日に登録したモデルを翌日朝までに作成 13
14.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. システム 正例負例抽出 • 正例の条件は利用者が設定 • 負例はYJユーザーから一様サンプリング • Hive処理 特徴量抽出 • 特徴量は検索、流出、PV、属性データなど利用 • Hive処理 モデル学習 • 学習器は木構造、boosting • Mapreduce処理 オフライン評価 • クロスバリデーション • ランダムと比較した場合のLift値を精度として利用者に提示 • Mapreduce処理 14
15.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. 利用者からの問い合わせ 配信結果が良くない 目的と問題設定があっていないケース • Ex) クレジットカードの申込でモデル作成したが、 審査に落ちる人に多い => 正しい問題設定は、クレジットカードの審査通過したユーザー 正例数が少ないケース • 正例条件を見直して数を増やす • ロジックの改良。半教師あり学習やランク学習を検討 • とはいえ、数が少ないと難しいので、 配信初期は機械学習に頼らないで人が考えることも重要 15
16.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved.Copyright © 2017 Yahoo Japan Corporation. All Rights Reserved. まとめ
17.
Copyright © 2017
Yahoo Japan Corporation. All Rights Reserved. まとめ 17 広告における機械学習の適用例 • 問題設定が重要 汎用的なモデリングシステムの難しさ • ある程度は個別に調査が必要 • 正例数が少ないと難しいので、 配信初期は機械学習に頼らないで人が考えることも重要
Download