More Related Content
Similar to Startupday dely aws_follow
Similar to Startupday dely aws_follow (6)
Startupday dely aws_follow
- 8. クラシルを抽象化してみる
- 11. ⇠ マッチングロジック Users ↕ Media ↕ Items ⇠ ユーザー素性 ⇠ アイテム素性
- 12. とあるアパレルECの事例
- 15. レシピサービスの場合
- 19. ⇠ マッチングロジック Users ↕ Media ↕ Items ⇠ ユーザー素性 ⇠ アイテム素性
- 21. ⇠ マッチングロジック Users ↕ Media ↕ Items ⇠ ユーザー素性 ⇠ アイテム素性 ⾏動ログでクラスタリング
- 22. ⇠ マッチングロジック Users ↕ Media ↕ Items ⇠ ユーザー素性 ⇠ アイテム素性 こっちをどうするか？
- 25. 機械と⼈間の得意分野は異なる Task 1: Task 2:
- 26. 機械と⼈間の得意分野は異なる Task 1: Task 2: 3の倍数だけを⾜した値は？
- 27. 機械と⼈間の得意分野は異なる Task 1: Task 2: 3の倍数だけを⾜した値は？ 21 87 100 86 14 54 276 70 60
- 28. 機械と⼈間の得意分野は異なる Task 1: Task 2: 3の倍数だけを⾜した値は？ 21 87 100 86 14 54 276 70 60 この⼈は話を聞いているか？
- 29. 機械と⼈間の得意分野は異なる Task 1: Task 2: 3の倍数だけを⾜した値は？ 21 87 100 86 14 54 276 70 60 この⼈は話を聞いているか？
- 38. ⇠ マッチングロジック Users ↕ Media ↕ Items ⇠ ユーザー素性 ⇠ アイテム素性
- 39. ⇠ マッチングロジック Users ↕ Media ↕ Video ⇠ ユーザー素性 ⇠ アイテム素性
- 41. クラシルもメディアの⼟俵 Upgrade UX with Data は⽣き残るための必要条件
- 53. Personalization ユーザ素性抽出 • ユーザ⾏動 ID DL⽇時 起動回数 お気⼊り数 プレミアム 100 2018/11/30 16:10:22 1200 15 無 200 2019/01/30 12:43:12 3000 400 有 300 2019/04/12 21:20:42 250 25 有
- 54. Personalization ユーザ素性抽出 • レシピとの接触状況 ID 時短 和⾷ 低カロリー ⾁多め 100 30 1000 50 300 200 210 2200 400 320 300 71 125 3 101
- 58. Personalization ユーザ素性抽出 • オンライン調整 時間経過や繰り返し視聴によりコ ン テ ン ツ は 磨 耗 し て い く ↓ 同じクラスタ内の未 視 聴レシピに⼊ れ 替 え て 、 コ ン テ ン ツ プ ー ル を リ フ レ ッ シ ュ
- 61. Data-Driven データの活⽤ ≠ 集計 ≠ 可視化 • 集計して、増えた↑減った↓に⼀喜⼀憂しない • ダッシュボードを作って達成した気にならない • データから未来の価値を⽣み出す データの活⽤ ＝ 未来の価値
- 62. Data-Driven 未来の価値とは？ • 分布を知る • 課題の局所化 • 相関を知る • 因⼦を知る 現状の把握 未来の価値 転換 • ユーザビリティ向上 • プロダクト向上 • コンテンツ向上 • ビジネスサポート 機械学習は⼿段
- 65. 機械学習 Deep Learning ⺠主化 データ・エンジニアリング インフラ・ストラクチャ AutoML サービス・アーキテクチャ 今までのMLエンジニア これからのMLエンジニア 統計 エンジニアリング 細分化 ETL Eco System
- 66. 柔軟性の⾼い設計とは？ クラスタリング結果が⾮決定的 推論結果が⾮決定的クロスプラットフォーム 複数リソースのマージ モデルのリビジョン管理データセットのリビジョン管理 アルゴリズムの変更 トレーニング・インスタンス の最適化 ソース管理 ETL Eco System 不確実性
- 69. リソースコストの低減 インフラ EDA分析 ML サービス 運⽤ フィードバック インフラ EDA分析 ML サービス 運⽤ フィードバック圧縮コスト • ETL Eco Systemを活⽤して全体コストを圧縮 • 圧縮コストを次の施策に向けたEDA分析に充てる ETL Eco System EDA分析拡⼤
- 71. 成果の⾒える化 • EDA分析には終わりがなく進む⽅⾓を⾒失いがち • 周囲からも何をやっているのかわかりづらい EDA Scrum レポートのライブラリ化 - 他の⼈が過去に⾏った同じ分析を 再びしなくて済む - 多部署から分析依頼を受けた時に 過去の調査結果を参照できる 部署横断の報告会 - 分析の結果有⽤な情報は部署を横断 して報告する - 得られた気づきを次のEDAに活かす 2週間スプリント
- 72. 具体的なスクラムでの取り組み（⼀部） • サムネイル評価（再⽣数、お気に⼊り数） • 代替⾷材判定 • ⼿順のクラシルらしさ判定 EDA Scrum
- 75. 代替⾷材判定 EDA Scrum
- 77. ETL x EDAサイクル EDA Scrum Extract Transform Load EDA SQL アドホック分析 変換 可視化 パイプライン化 レポート・報告 オンライン ストリーミング プロダクション lv.1 lv.2 lv.3 lv.4 ユーザ・フィードバック バッチ バッチ
- 78. まとめ • Personalization ユーザからのフィードバックにより、レシピとユーザの素性を相互的に追加 • Data-Driven データ活⽤の本当の価値は、現状を把握して未来の価値を⽣み出すこと • ETL Eco System 設計の不確実性には、SageMakerなど代替可能なサービスで対応 • EDA Scrum EDAの価値を⾒える化し、無駄のないETLとEDAの循環を効率よく回す