タグ

ブックマーク / note.com/masa_kazama (5)

  • 機械学習プロジェクトの開発について(MLOps) 〜推薦システムを題材に〜|masa_kazama

    東京都立大学大学院で非常勤講師として、「機械学習プロジェクトの開発について(MLOps) 〜推薦システムを題材に〜」というテーマで講義をしました。90分×3コマの集中講義で、演習も含めたものです。 自分が学生だった頃に、社会人の方の資料や講義がとても参考になってありがたかったので、講義資料を公開します。少しでも推薦システムやMLOpsの参考になりましたら。

    機械学習プロジェクトの開発について(MLOps) 〜推薦システムを題材に〜|masa_kazama
  • Web3.0におけるデータサイエンス|masa_kazama

    イントロ最近Web3.0という単語をよく耳にします。従来のインターネットに比べて何が違うのでしょうか。また、Web3.0が浸透していくと、私達の仕事はどう変わるのでしょうか。私自身、数ヶ月前まで、Web3.0について全然知りませんでしたが、Web3.0について調べてみると、ワクワクするような可能性がたくさん見えてきました。そこで、自分の頭の中の整理を兼ねて、「Web3.0におけるデータサイエンス」というタイトルで、データサイエンスという切り口で説明しようと思います。その理由は、私自身がデータサイエンティストとして企業で働いているのと、Web3.0の登場が、今後データ系人材の働き方を大きく変えるインパクトがありそうなためです。 あらかじめこの記事のサマリーをお伝えすると、 Web3.0において、データサイエンティストの活躍の場が広がりそう Web3.0において、パーソナライズがますます重要に

    Web3.0におけるデータサイエンス|masa_kazama
  • Netflixを支える推薦システムの裏側|masa_kazama

    イントロNetflixは、スマホやPCがあれば、どこでもいつでも、映画やドラマを見放題で楽しむことができます。今年はお家時間が増えたことで、Netflixをより満喫している方も多いのではないでしょうか。実際に、2020年1月〜3月に会員が全世界で1600万人ほど増え、合計1億8000万人を超えています。 Netflixをいくつかの数字で見てみると、さらにその凄さに驚かされます。 ・全世界のインターネット通信量(下り)の15%をNetflixが占めており、YouTubeを超える世界一の動画サービス ・時価総額が20兆円超え ・サブスクリプション収入が月々約1500億円 そんな多くのユーザーを有するNetflixの魅力の1つに、推薦システムがあります。Netflixのホーム画面には、今話題の作品やユーザーにパーソナライズ化されたおすすめの作品が並びます。 Googleの検索と違って、Netfl

    Netflixを支える推薦システムの裏側|masa_kazama
  • これから推薦システムを作る方向けの推薦システム入門|masa_kazama

    イントロ「Amazonのこの商品をチェックした人はこの商品もチェックしています」や「YouTubeのあなたへのおすすめ」、「Twitterのおすすめユーザー」などのレコメンド機能は多くのWebサービスに組み込まれております。そのレコメンドによって、ついつい商品をたくさん買ってしまったり、夜遅くまで動画を見てしまった経験はないでしょうか。 この記事では、レコメンドシステムの裏側はどのような仕組みになっているのか、そもそもレコメンドとはどういうものなのかを具体例を交えながら俯瞰できればと思います。レコメンドシステムのアルゴリズムの詳細には触れず、ビジネスにおいてどのような形で実装されているかにフォーカスしています。ネット上に公開されているレコメンドに関するスライドや記事、論文のリンクをまとめましたので、アルゴリズムの詳細などはリンク先の記事でご確認ください。 対象の読者は、自社のサービスにレコ

    これから推薦システムを作る方向けの推薦システム入門|masa_kazama
  • Indeedを退職してUbieに入社します|masa_kazama

    1月末で約2年ほど働いたIndeed退職して、UbieというAI×医療のベンチャーに転職します。せっかくの節目なので、社会人になってからを振り返りたいと思います。 目次 ・リクルートについて ・Indeedへの異動に向けて ・Indeedについて ・Ubieへの転職のきっかけ ・これから リクルートについてもともとは新卒でリクルートにデータサイエンティストとして入社して社会人生活を始めました。リクルートは様々なデータを保有しており、データ分析のしがいがありました。また、上司、同期、後輩は優秀な人ばかりで、常に学ぶことばかりでした。特に、データにどのように向き合って、仮説をたてて分析するのか、また、データの裏側にいる実際のユーザーやクライアントの課題を把握してどうしたら解決ができるのかといったスタンス面の土台がこの頃にできたように思います。技術面においても、GCPAWSを使って機械学習

    Indeedを退職してUbieに入社します|masa_kazama
  • 1