機械学習プロダクト開発の「2年目」とこれから｜Yotaro Katayama
自然言語処理・機械学習を用いて、企業に眠っている契約書を資産として活用できるようにしていくサービスを作っているMNTSQの堅山です。 弊社の機械学習チームは、契約書データから様々な情報を抽出し、人が活用できるようにするのがの役割です。例えば、誰が相手の契約か？この条項と同じタイプの条項は他にあるか？などなど文書分類、NERなどなどのタスクを解いています。 弊社は現在3年目に突入したところで、無事に実証実験を終え、企業の皆様に使っていただけるところまでたどり着くことができました。 1年目と2年目を振り返って、プロダクトを作っていくために必要な考え方が違ったなと思ったので、どういう点がポイントだったのかを振り返って行こうと思います。 機械学習プロダクト開発の「1年目」弊社のプロダクトは、すでに収益を生むサービスに対して機械学習を投入するといったシチュエーションではなく、新しいタイプの製品を機械
社会人になって3年が過ぎた
こんにちは、ぐぐりら(<a href="https://twitter.com/guglilac">@guglilac</a>)です。 タイトルのとおり、社会人になって3年間が過ぎたので、今考えていることとか振り返って取り止めもなく書いていく。 そもそも社会人になって3年が過ぎた、なんて曖昧なタイトルをつけるのは好きではなくて、読者のことを考えてちゃんとわかりやすい題をつけるべし、という信念の持ち主なのだが、どうにもまとまったことを書ける気がしないので、まあこれでいいかな、という気持ちでそのまま出すことにした。 ## ChatGPTと文章を書くこと なぜ急に記事を書くのか。 なんとなく書きたくなった、ちょうど3年の区切りだったのでちょうどよかった、というのもあるが、おそらくなんとなく書きたくなった理由の一つは、(またかと思われるかもしれないが)昨今のLLMまわりの流行によるのかな、と感じて
Machine Learning 共通基盤構築の振り返り〜チーム立ち上げからクローズまで〜 | メルカリエンジニアリング
この記事は、Merpay Advent Calendar 2022 の17日目の記事です。 こんにちは。メルペイ 機械学習チームでエンジニアリングマネージャーをしているshuukです。 本日は、Machine Learning Platformチーム（以下：ML Platformチーム）をクローズした話をしていこうと思います。 MLの共通基盤という魅力的なアイディア もしあなたが、複数のMLチーム（またはMLシステム）が並行稼働している組織にいる場合、それらの共通部分を括り出した基盤を作り、MLエンジニアはその基盤の上で作業したほうが効率的だと考えたことはないでしょうか。 実際、MLの構成要素は、おおまかには特徴量計算、学習、予測、サービングといったパーツに分解することができ、共通部分も多いです。 新しいMLシステムをスクラッチで開発する苦労を知っているMLエンジニアにとって、社内共通のM
機械学習を用いた会議診断システムの開発
検証活動で作成した、会議を診断してくれる会議診断士さゆりの説明資料。 機械学習(SVM)を利用し、会議の良し悪しを判定します。
前の仕事でやってたディープラーニングの話
お仕事紹介 この夏にやってた仕事が、その後の皆様の努力もあって無事リリースされたようで、手元のアプリにも降ってきたし、ちょこちょこ表でも話が出ているのでその紹介を。 https://speakerdeck.com/diracdiego/20171029-kantocv-kikuta ここで紹介されているカテゴリ分類、というのが自分がやってた物です。 写真を、料理の名前ごとにフォルダ分けしたかのようなビューを作る、という機能で、そのうちモデルの所だけを担当していました。 UIやサービスとしてはいろいろ難しさもあるにせよ、モデルとしては画像からどの料理か当てる、なんていう、いかにも普通の画像認識問題となっている。 マルチラベルにするかシングルラベルにするか、とか、細かい所で選択肢はいろあろあるにせよ、データセットもラベル付けされてるのが既にあるし、そう難しい事は無いだろう、と思っていた（それは
検証："データサイエンティスト"から"分析"をとると何者になるのか。 - mirandora.com
近年、多くの企業が連日、AIやビッグデータ関連のリリースを出しておりまして、 それに伴い、データサイエンティストの市場価値も高まっている状況です。 しかしながら今後、AIが発達して自動でデータの収集や分析、可視化を行う世界が来た時、 データサイエンティストの価値とは何になるのでしょうか。 データサイエンティストとは、データサイエンティスト協会によると 統計・機械学習スキル x プログラミング（エンジニアリング）スキル x ビジネススキルを併せ持ったものとのことです。 では、それぞれのスキルをデータサイエンティストから除くと、 一体何者になるのでしょうか。ただの人でしょうか。 今後AIが担ういろんなものを除いてもそれでも残る価値、 それが将来的に必要な本質的な”データサイエンティスト”の価値なのかもしれません。 そこで今回は、 「word2vecを用いて、”データサイエンティスト”の価値を検
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
エンジニアへの運動指導における機械学習適用の可能性
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
機械学習基盤を一人で構築するということ / Hitori ml team - Speaker Deck