Submit Search
Upload
「YDNの広告のCTRをオンライン学習で予測してみた」#yjdsw4
•
4 likes
•
3,054 views
Yahoo!デベロッパーネットワーク
Follow
http://yahoo-ds-event.connpass.com/event/24511/
Read less
Read more
Technology
Report
Share
Report
Share
1 of 12
Download now
Download to read offline
Recommended
RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例
MicroAd, Inc.(Engineer)
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例
MicroAd, Inc.(Engineer)
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
マイクロアドにおけるCTR予測への取り組み
マイクロアドにおけるCTR予測への取り組み
MicroAd, Inc.(Engineer)
「いい検索」を考える
「いい検索」を考える
Shuryo Uchida
Recommended
RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例
MicroAd, Inc.(Engineer)
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例
MicroAd, Inc.(Engineer)
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
マイクロアドにおけるCTR予測への取り組み
マイクロアドにおけるCTR予測への取り組み
MicroAd, Inc.(Engineer)
「いい検索」を考える
「いい検索」を考える
Shuryo Uchida
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
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」
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」
西岡 賢一郎
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Yuya Unno
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
Takahiro Kubo
バンディット問題について
バンディット問題について
jkomiyama
最適化超入門
最適化超入門
Takami Sato
InternetWeek2022 - インターネット広告の羅針盤
InternetWeek2022 - インターネット広告の羅針盤
MicroAd, Inc.(Engineer)
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
sleepy_yoshi
Gurobi python
Gurobi python
Mikio Kubo
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
Reinforcement Learning(方策改善定理)
Reinforcement Learning(方策改善定理)
Masanori Yamada
[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation
Deep Learning JP
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
Deep Learning JP
スパースモデリング入門
スパースモデリング入門
Hideo Terada
物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)
HironoriKanazawa
「これはヤフオク!に機械学習を導入する男たちの戦いの物語である」#yjdsw4
「これはヤフオク!に機械学習を導入する男たちの戦いの物語である」#yjdsw4
Yahoo!デベロッパーネットワーク
「なぜビッグデータが選挙の予測を可能にするのか」#yjdsw4
「なぜビッグデータが選挙の予測を可能にするのか」#yjdsw4
Yahoo!デベロッパーネットワーク
More Related Content
What's hot
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
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」
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」
西岡 賢一郎
深層学習時代の自然言語処理
深層学習時代の自然言語処理
Yuya Unno
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
Recruit Technologies
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
Takahiro Kubo
バンディット問題について
バンディット問題について
jkomiyama
最適化超入門
最適化超入門
Takami Sato
InternetWeek2022 - インターネット広告の羅針盤
InternetWeek2022 - インターネット広告の羅針盤
MicroAd, Inc.(Engineer)
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
sleepy_yoshi
Gurobi python
Gurobi python
Mikio Kubo
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
Reinforcement Learning(方策改善定理)
Reinforcement Learning(方策改善定理)
Masanori Yamada
[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation
Deep Learning JP
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
Deep Learning JP
スパースモデリング入門
スパースモデリング入門
Hideo Terada
物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)
HironoriKanazawa
What's hot
(20)
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
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」
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」
深層学習時代の自然言語処理
深層学習時代の自然言語処理
リクルート式 自然言語処理技術の適応事例紹介
リクルート式 自然言語処理技術の適応事例紹介
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
バンディット問題について
バンディット問題について
最適化超入門
最適化超入門
InternetWeek2022 - インターネット広告の羅針盤
InternetWeek2022 - インターネット広告の羅針盤
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
DSIRNLP#1 ランキング学習ことはじめ
DSIRNLP#1 ランキング学習ことはじめ
Gurobi python
Gurobi python
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Reinforcement Learning(方策改善定理)
Reinforcement Learning(方策改善定理)
[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
スパースモデリング入門
スパースモデリング入門
物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)
Viewers also liked
「これはヤフオク!に機械学習を導入する男たちの戦いの物語である」#yjdsw4
「これはヤフオク!に機械学習を導入する男たちの戦いの物語である」#yjdsw4
Yahoo!デベロッパーネットワーク
「なぜビッグデータが選挙の予測を可能にするのか」#yjdsw4
「なぜビッグデータが選挙の予測を可能にするのか」#yjdsw4
Yahoo!デベロッパーネットワーク
ブラックボックスなアドテクを機械学習で推理してみた Short ver
ブラックボックスなアドテクを機械学習で推理してみた Short ver
尚行 坂井
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
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
Yahoo!デベロッパーネットワーク
ヤフオク!の快適なカスタマー体験を支えるモバイルアプリのライブアップデート技術
ヤフオク!の快適なカスタマー体験を支えるモバイルアプリのライブアップデート技術
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
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
Yahoo!デベロッパーネットワーク
「Abuse対策を10年続けた結果」#yjdsw4
「Abuse対策を10年続けた結果」#yjdsw4
Yahoo!デベロッパーネットワーク
「変化と戦うロガー開発(iOS_App_Extensions編)」#yjdsw4
「変化と戦うロガー開発(iOS_App_Extensions編)」#yjdsw4
Yahoo!デベロッパーネットワーク
「ヤフー音声検索アプリにおけるキーワードスポッティングの実装」#yjdsw4
「ヤフー音声検索アプリにおけるキーワードスポッティングの実装」#yjdsw4
Yahoo!デベロッパーネットワーク
「Data Infrastructure at Scale 」#yjdsw4
「Data Infrastructure at Scale 」#yjdsw4
Yahoo!デベロッパーネットワーク
Yahoo! JAPAN の Ambari 活用事例 #yjdsnight
Yahoo! JAPAN の Ambari 活用事例 #yjdsnight
Yahoo!デベロッパーネットワーク
セキュアにユーザ行動情報を取得するための取り組み #yjdsnight
セキュアにユーザ行動情報を取得するための取り組み #yjdsnight
Yahoo!デベロッパーネットワーク
Kafka 0.10.0 アップデート、プロダクション100ノードでやってみた #yjdsnight
Kafka 0.10.0 アップデート、プロダクション100ノードでやってみた #yjdsnight
Yahoo!デベロッパーネットワーク
Data Lake, Virtual Database, or Data Hub - How to Choose?
Data Lake, Virtual Database, or Data Hub - How to Choose?
DATAVERSITY
マルチビッグデータの活用を支える DWHの作り方
マルチビッグデータの活用を支える DWHの作り方
Yahoo!デベロッパーネットワーク
Yahoo! JAPANのデータ基盤とHadoop #dbts2016
Yahoo! JAPANのデータ基盤とHadoop #dbts2016
Yahoo!デベロッパーネットワーク
Presto in Yahoo! JAPAN #yjdsnight
Presto in Yahoo! JAPAN #yjdsnight
Yahoo!デベロッパーネットワーク
Yahoo! JAPANが持つデータ分析ソリューションの紹介 #yjdsnight
Yahoo! JAPANが持つデータ分析ソリューションの紹介 #yjdsnight
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)LT③
Yahoo! JAPAN MeetUp #8 (インフラ技術カンファレンス)LT③
Yahoo!デベロッパーネットワーク
サーバ構築・デプロイが簡単に!Elastic beanstalk
サーバ構築・デプロイが簡単に!Elastic beanstalk
Hirokazu Ouchi
Viewers also liked
(20)
「これはヤフオク!に機械学習を導入する男たちの戦いの物語である」#yjdsw4
「これはヤフオク!に機械学習を導入する男たちの戦いの物語である」#yjdsw4
「なぜビッグデータが選挙の予測を可能にするのか」#yjdsw4
「なぜビッグデータが選挙の予測を可能にするのか」#yjdsw4
ブラックボックスなアドテクを機械学習で推理してみた Short ver
ブラックボックスなアドテクを機械学習で推理してみた Short ver
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
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
ヤフオク!の快適なカスタマー体験を支えるモバイルアプリのライブアップデート技術
ヤフオク!の快適なカスタマー体験を支えるモバイルアプリのライブアップデート技術
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
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
「Abuse対策を10年続けた結果」#yjdsw4
「Abuse対策を10年続けた結果」#yjdsw4
「変化と戦うロガー開発(iOS_App_Extensions編)」#yjdsw4
「変化と戦うロガー開発(iOS_App_Extensions編)」#yjdsw4
「ヤフー音声検索アプリにおけるキーワードスポッティングの実装」#yjdsw4
「ヤフー音声検索アプリにおけるキーワードスポッティングの実装」#yjdsw4
「Data Infrastructure at Scale 」#yjdsw4
「Data Infrastructure at Scale 」#yjdsw4
Yahoo! JAPAN の Ambari 活用事例 #yjdsnight
Yahoo! JAPAN の Ambari 活用事例 #yjdsnight
セキュアにユーザ行動情報を取得するための取り組み #yjdsnight
セキュアにユーザ行動情報を取得するための取り組み #yjdsnight
Kafka 0.10.0 アップデート、プロダクション100ノードでやってみた #yjdsnight
Kafka 0.10.0 アップデート、プロダクション100ノードでやってみた #yjdsnight
Data Lake, Virtual Database, or Data Hub - How to Choose?
Data Lake, Virtual Database, or Data Hub - How to Choose?
マルチビッグデータの活用を支える DWHの作り方
マルチビッグデータの活用を支える DWHの作り方
Yahoo! JAPANのデータ基盤とHadoop #dbts2016
Yahoo! JAPANのデータ基盤とHadoop #dbts2016
Presto in Yahoo! JAPAN #yjdsnight
Presto in Yahoo! JAPAN #yjdsnight
Yahoo! JAPANが持つデータ分析ソリューションの紹介 #yjdsnight
Yahoo! JAPANが持つデータ分析ソリューションの紹介 #yjdsnight
Yahoo! JAPAN MeetUp #8 (インフラ技術カンファレンス)LT③
Yahoo! JAPAN MeetUp #8 (インフラ技術カンファレンス)LT③
サーバ構築・デプロイが簡単に!Elastic beanstalk
サーバ構築・デプロイが簡単に!Elastic beanstalk
Similar to 「YDNの広告のCTRをオンライン学習で予測してみた」#yjdsw4
導入企業に学ぶ成功戦略 ~株式会社マイナビ「マイナビ転職」
導入企業に学ぶ成功戦略 ~株式会社マイナビ「マイナビ転職」
Yahoo! JAPAN Marketing Solution
意外と知らない?地域メディアのアドネットワークマネタイズ
意外と知らない?地域メディアのアドネットワークマネタイズ
Hal Seki
Developpers Summit2015 Autumn 講演資料
Developpers Summit2015 Autumn 講演資料
BrainPad Inc.
YJTC18 A-7 Yahoo! JAPANを支える広告技術
YJTC18 A-7 Yahoo! JAPANを支える広告技術
Yahoo!デベロッパーネットワーク
アド部 アスタリスク資料
アド部 アスタリスク資料
松本 勇
SmartNews TechNight vol5 SmartNews Ads大図解
SmartNews TechNight vol5 SmartNews Ads大図解
SmartNews, Inc.
201004時点 広告業界の現状
201004時点 広告業界の現状
Takaki Onoda
NPSとHCDを組み合わせた顧客体験分析の取り組み
NPSとHCDを組み合わせた顧客体験分析の取り組み
IMJ Corporation
「自然検索のマネジメント」共催セミナー Ginzamarkets資料 20131216
「自然検索のマネジメント」共催セミナー Ginzamarkets資料 20131216
DemandSphere
Androidマーケティングに不可欠な15の活動(改) 20111222
Androidマーケティングに不可欠な15の活動(改) 20111222
Hiromitsu Ishimori
あるある定番施策見直し Ginzamarkets資料 20140416
あるある定番施策見直し Ginzamarkets資料 20140416
DemandSphere
SEO業者事業仕分け論
SEO業者事業仕分け論
Takahiro Ogoshi
0からのWebディレクション講座 Webマーケティング編 170527 slide_share
0からのWebディレクション講座 Webマーケティング編 170527 slide_share
sato takuma
出稿企業に学ぶ成功戦略 ~株式会社フェリーさんふらわあ
出稿企業に学ぶ成功戦略 ~株式会社フェリーさんふらわあ
Yahoo! JAPAN Marketing Solution
リワード広告システムPoncanの仕組みと実例/ソーシャルアプリ勉強会(第2回)
リワード広告システムPoncanの仕組みと実例/ソーシャルアプリ勉強会(第2回)
Cytech
出稿企業に学ぶ成功戦略 ~株式会社西京銀行
出稿企業に学ぶ成功戦略 ~株式会社西京銀行
Yahoo! JAPAN Marketing Solution
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
IMJ Corporation
Fun marketing cloud
Fun marketing cloud
ssuser3383ef
Programmatic io 2015 san francisco フィードバック会
Programmatic io 2015 san francisco フィードバック会
株式会社fluct (fluct, Inc.)
Programmatic io 2015 san francisco フィードバック会
Programmatic io 2015 san francisco フィードバック会
Shoho Kozawa
Similar to 「YDNの広告のCTRをオンライン学習で予測してみた」#yjdsw4
(20)
導入企業に学ぶ成功戦略 ~株式会社マイナビ「マイナビ転職」
導入企業に学ぶ成功戦略 ~株式会社マイナビ「マイナビ転職」
意外と知らない?地域メディアのアドネットワークマネタイズ
意外と知らない?地域メディアのアドネットワークマネタイズ
Developpers Summit2015 Autumn 講演資料
Developpers Summit2015 Autumn 講演資料
YJTC18 A-7 Yahoo! JAPANを支える広告技術
YJTC18 A-7 Yahoo! JAPANを支える広告技術
アド部 アスタリスク資料
アド部 アスタリスク資料
SmartNews TechNight vol5 SmartNews Ads大図解
SmartNews TechNight vol5 SmartNews Ads大図解
201004時点 広告業界の現状
201004時点 広告業界の現状
NPSとHCDを組み合わせた顧客体験分析の取り組み
NPSとHCDを組み合わせた顧客体験分析の取り組み
「自然検索のマネジメント」共催セミナー Ginzamarkets資料 20131216
「自然検索のマネジメント」共催セミナー Ginzamarkets資料 20131216
Androidマーケティングに不可欠な15の活動(改) 20111222
Androidマーケティングに不可欠な15の活動(改) 20111222
あるある定番施策見直し Ginzamarkets資料 20140416
あるある定番施策見直し Ginzamarkets資料 20140416
SEO業者事業仕分け論
SEO業者事業仕分け論
0からのWebディレクション講座 Webマーケティング編 170527 slide_share
0からのWebディレクション講座 Webマーケティング編 170527 slide_share
出稿企業に学ぶ成功戦略 ~株式会社フェリーさんふらわあ
出稿企業に学ぶ成功戦略 ~株式会社フェリーさんふらわあ
リワード広告システムPoncanの仕組みと実例/ソーシャルアプリ勉強会(第2回)
リワード広告システムPoncanの仕組みと実例/ソーシャルアプリ勉強会(第2回)
出稿企業に学ぶ成功戦略 ~株式会社西京銀行
出稿企業に学ぶ成功戦略 ~株式会社西京銀行
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
Fun marketing cloud
Fun marketing cloud
Programmatic io 2015 san francisco フィードバック会
Programmatic io 2015 san francisco フィードバック会
Programmatic io 2015 san francisco フィードバック会
Programmatic io 2015 san francisco フィードバック会
More from Yahoo!デベロッパーネットワーク
ゼロから始める転移学習
ゼロから始める転移学習
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
継続的なモデルモニタリングを実現するKubernetes Operator
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
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
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
オンプレML基盤on Kubernetes パネルディスカッション
Yahoo!デベロッパーネットワーク
LakeTahoe
LakeTahoe
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〜
オンプレML基盤on Kubernetes 〜Yahoo! JAPAN AIPF〜
Yahoo!デベロッパーネットワーク
Persistent-memory-native Database High-availability Feature
Persistent-memory-native Database High-availability Feature
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
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
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
eコマースと実店舗の相互利益を目指したデザイン #yjtc
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
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
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
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
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
ビッグデータから人々のムードを捉える #yjtc
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
サイエンス領域におけるMLOpsの取り組み #yjtc
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
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
Yahoo!デベロッパーネットワーク
Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc
Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc
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
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
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
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
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
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
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
「新しいおうち探し」のためのAIアシスト検索 #yjtc
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
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
Yahoo!デベロッパーネットワーク
More from Yahoo!デベロッパーネットワーク
(20)
ゼロから始める転移学習
ゼロから始める転移学習
継続的なモデルモニタリングを実現するKubernetes Operator
継続的なモデルモニタリングを実現するKubernetes Operator
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
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
オンプレML基盤on Kubernetes パネルディスカッション
オンプレML基盤on Kubernetes パネルディスカッション
LakeTahoe
LakeTahoe
オンプレML基盤on Kubernetes 〜Yahoo! JAPAN AIPF〜
オンプレML基盤on Kubernetes 〜Yahoo! JAPAN AIPF〜
Persistent-memory-native Database High-availability Feature
Persistent-memory-native Database High-availability Feature
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
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
eコマースと実店舗の相互利益を目指したデザイン #yjtc
eコマースと実店舗の相互利益を目指したデザイン #yjtc
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
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
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
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
ビッグデータから人々のムードを捉える #yjtc
ビッグデータから人々のムードを捉える #yjtc
サイエンス領域におけるMLOpsの取り組み #yjtc
サイエンス領域におけるMLOpsの取り組み #yjtc
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
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
Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc
Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc
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
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
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
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
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
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
「新しいおうち探し」のためのAIアシスト検索 #yjtc
「新しいおうち探し」のためのAIアシスト検索 #yjtc
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
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
Recently uploaded
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
Recently uploaded
(8)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
「YDNの広告のCTRをオンライン学習で予測してみた」#yjdsw4
1.
YDNの広告のCTRを オンライン学習で予測してみた ヤフー株式会社 データ&サイエンスソリューション統括本部 サイエンス本部 岸本 忠士 Copyright
(C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
2.
自己紹介 ■名前 岸本 忠士 (きしもと
ただし) ■所属 データ&サイエンスソリューション統括本部 サイエンス本部 サイエンス1部 マーケティングサイエンス2 ■勤務地 大阪!!! ■業務 YDNの開発、改善(いろいろ分類したり推定したり) 2 Copyright (C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
3.
YDN 3 ■YDNとは? 弊社のディスプレイ広告の商品名。 正式な名称は「Yahoo!ディスプレイアドネットワーク」。 Yahoo! JAPANや提携サイトに表示されるクリック課金型広告。 Copyright (C)
2016 Yahoo! JAPAN Corporation. All Rights Reserved.
4.
CTR予測と期待収益の関係 4 ■表示する広告はどのように選ばれるのか ユーザと広告主の利便性と利益を考慮した上で 期待収益が最大になるように選ぶ ■期待収益の計算方法 ざっくり言うと 期待収益 = クリック単価(≒入札金額)
× 予測CTR(クリック率) ■つまり 期待収益を最大化するためには CTRを正確に予測することがとても重要! Copyright (C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
5.
オンライン学習について 5 ■オンライン学習とは データを受け取るたびに予測モデルのパラメータを 推定&更新する機械学習の手法 ■オンライン学習のメリット(バッチ学習比) ・1回の計算で使用するデータ量が少ないので省メモリ、高速 ・モデルデータの更新間隔を短くできる(例:1週間に1度 → 1時間に1度) 【具体例1】新しく入稿された広告に対するタイムラグが小さい 【具体例2】曜日や時間帯によるクリック傾向の変化に追随できる ■オンライン学習のデメリット(バッチ学習比) ・予測精度が低くなりがち ・外れ値などのノイズに弱い ・パラメータの収束速度が遅い Copyright
(C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
6.
A/Bテスト概要 6 ということで実際にA/Bテストをやってみました ■コントロールバケット ・バッチ学習 ・モデルデータの更新頻度は1週間に1回 ■テストバケット ・オンライン学習 ・モデルデータの更新頻度は1時間に1回 ■ 共通 ・特徴量(素性)は同じ ・A/Bテストの期間は3週間 Copyright (C)
2016 Yahoo! JAPAN Corporation. All Rights Reserved.
7.
オンライン学習のモデル 7 ■CTR予測モデル 0-1の2値分類ではなく、確率値で予測したい ロジスティック回帰でCTR予測をモデル化する ■パラメータの学習 SGD(確率的勾配降下法)でデータごとに パラメータを推定&更新し続ける ■モデルの詳細 末尾に添付したポスター発表の資料(抜粋)をご覧ください。 「オンライン広告の実システムへのオンライン学習の適用」 高木 潤、他 IBIS2015(第18回情報論的学習理論ワークショップ)
ポスター, 2015/11 Copyright (C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
8.
オンライン学習のシステム構成 8 ■Kafka + Stormでストリーム処理 Kafkaクラスタ 広告配信ログTopic
広告クリックログTopic Stormクラスタ 広告配信ログSpout 広告クリックログSpout ログ結合Bolt ログ結合Bolt ログ結合Bolt 学習Bolt 広告配信サーバ 広告リダイレクトサーバ ログ ログ モデルデータ(1時間に1回) Copyright (C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
9.
A/BテストのKPIとまとめ 9 ■CTR(クリック率) +4.1% → ユーザー視点:より興味・関心がある広告が表示された ■CPC(クリック単価) -2.5%
→ 広告主視点:広告のコスパが良くなった ■RPR(リクエストあたりの売上) +1.5% → 弊社視点:トータルで売上が上がった ■まとめ 狙いどおりCTRが上がり、みんなハッピーになれそうな予感 Copyright (C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
10.
おしまい 10 ご清聴ありがとうございました! Copyright (C) 2016
Yahoo! JAPAN Corporation. All Rights Reserved.
11.
参考資料 IBIS2015 ポスター
(抜粋) 11 Copyright (C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
12.
参考資料 IBIS2015 ポスター
(抜粋) 12 Copyright (C) 2016 Yahoo! JAPAN Corporation. All Rights Reserved.
Download now