カテゴリ類推の機械学習モデルをプロダクションに導入した話 - コネヒト開発者ブログ
こんにちは。インフラエンジニアの永井(shanagi)です。 今回は、昨年から取り組んでいる機械学習の分野で、自分の作ったモデルをサービスに本番リリースする機会があったので、PoCで終わりがちな機械学習をプロダクト導入にこぎつけるためにどのようなプロセスを歩んだのかとそこで得た自分なりの知見を中心にご紹介できればと思います。 機械学習のプロダクト導入に向けては歩むステップが非常に多く、個々の詳細な内容について細かく書くと非常にボリューミーな内容になってしまうので、詳細は割愛し機会があればまたどこかでご紹介出来ればと思います。 内容は、ざっくり下記2つに絞りました。 どんな機能をリリースしたのか? 導入までの全体アプローチ ちなみに、なぜインフラ畑の自分が機械学習をやっているのかについては、昨年末に下記ブログにまとめたのでもし興味がある方がいれば読んでみてもらえればと思います。 kobito
レコメンドエンジン導入までの取り組みとアーキテクチャについて - コネヒト開発者ブログ
こんにちは！MLエンジニアのたかぱい（@takapy）です。 今回は、ママリのアプリ内にレコメンドエンジンを導入したので、導入までの取り組みやアーキテクチャについてご紹介できればと思います。 目次 ママリ内での課題 アーキテクチャ概要 EDAとアルゴリズムについて オフライン検証の失敗と学び A/Bテストについて レコメンドアルゴリズムについて 強調フィルタリング（アイテムベース） Matrix Factorization 最後に ママリ内での課題 ママリはサービスとして6年目を迎え、サービスの成長とともにアプリ内の記事数も増えており、それに伴いユーザーが本来欲しい情報にたどり着くことも難しくなってきました。 加えて「子育て層のユーザー」という切り口1つとっても、0才児のママと1才児のママでは悩みや欲しい情報がまったく異なります。 このような背景から、これまで人的に行っていたルールベースで
目指すはアプリを開くだけで悩みが解決できる状態。ママのためのQ&Aアプリ「ママリ」を支える機械学習エンジニア、野澤哲照 | エスタイルAIメディア
【野澤 哲照（のざわ たかのぶ）】大学卒業後SIerに入社。薬品や食品などを扱うメーカー企業向けのERPパッケージを扱い、要件定義から開発・導入・保守などに従事。業務の傍ら趣味で行っていた開発がきっかけで、機械学習に出会う。そこから機械学習にのめり込み、2019年3月に実務未経験から機械学習エンジニアとしてコネヒトに入社。機械学習のモデリング・基盤開発・API開発に従事。 ーーお久しぶりです。最初に野澤さんとお会いしたのは弊社のKaggleイベントでしたよね。その時はまだ転職活動中だったかと思います。まず、これまでのキャリアについて教えていただけますか？ 新卒で入社したSIerに5年くらい在籍していまして、その時はERPパッケージ（業務改善システム）の導入をメインでやっていました。業務の半分はお客様のもとへ行って要件定義を行い、もう半分でシステム開発を行うような仕事でした。その時はPyth
機械学習を記事配信に採用したママリ - 0から構築したレコメンドエンジンのアーキテクチャ設計 - エンジニアHub｜Webエンジニアのキャリアを考える！
機械学習を記事配信に採用したママリ - 0から構築したレコメンドエンジンのアーキテクチャ設計 コネヒト株式会社が運営する女性向け情報サービス「ママリ」では、2019年12月に記事配信で機械学習によるレコメンドエンジンを構築、2020年初頭にテストが完了しました。 機械学習を採用した背景、設計したアーキテクチャとテストの結果について伺いました。 コネヒト株式会社が運営する、女性を対象とした情報サービス「 ママリ」は、2014年のリリース以降、着実にユーザーを増やし、2020年3月現在、アプリ会員数は240万人（日本で2019年に出産した中で3人に1人が利用）、ママたちが集まるオンラインコミュニティとして定着しています。 ママリでは2019年12月、サービス内に掲載する記事の配信について機械学習を採用したレコメンドエンジンへ変更し、2020年初頭にテストが完了、いよいよ正式リリースとなりました
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
