Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
© 2016 Data Artist inc. All Rights reserved
Data Artist
営業現場で困らないためのディープラーニング
データアーティスト株式会社
※Deep Dreemで生成しています。
© 2016 Data Artist inc. All Rights reserved
2
自己紹介:こんにちは、山本覚と申します!
© 2016 Data Artist inc. All Rights reserved
3
バックグラウンド
物理⇒人工知能⇒経営
理系 文系
↑
ディープラーニングの第一人者松尾豊先生の
一番最初の博士学生として勉強をしました。
© 2016 Data Artist inc. All Rights reserved
4
企業理念
論理をシステム化し
ひらめきに集中する
© 2016 Data Artist inc. All Rights reserved
5
LPOツール売上 No. 1
4年連続(2011年~2014年)
※ミック経済研究所調べ、ITR調べ
45 5
© 2016 Data Artist inc. All Rights reserved
6
①ディープラーニングとは?
②社内でディープラーニングを使うためには?
③東京大学とほんのり協力しながら行っている
最新のアドテク周りの研究内容
© 2016 Data Artist inc. All Rights reserved
7
ディープラーニングとは??
※大学の先生方に一応確認していただき、『まぁ、大体こんな感じ』というコメントを頂いております。
© 2016 Data Artist inc. All Rights reserved
8
Deep Learningとは?
50年に一回のAIの革新的技術らしい
© 2016 Data Artist inc. All Rights reserved
9
Deep Learningとは?
いろんなところがお金を出している
© 2016 Data Artist inc. All Rights reserved
10
Deep Learningとは?
画像認識の大会で圧勝したらしい
© 2016 Data Artist inc. All Rights reserved
11
これで有名になりました
© 2016 Data Artist inc. All Rights reserved
12
今回のプレゼンの一つのコンセプト
ディープラーニングを
都市伝説化しない!!
© 2016 Data Artist inc. All Rights reserved
13
ディープラーニングは脳神経のネットワーク(Neural Network)を模したもの
①電気が溜まる。
溜まりすぎると吐
き出す。(発火)
③隣からも...
© 2016 Data Artist inc. All Rights reserved
14
1番簡単な例:二つのニューロンだけがつながっている
性別身長
身長
身長だけから
性別を予測する
ちょい混ざる
© 2016 Data Artist inc. All Rights reserved
15
ちょっと工夫する:考慮する情報を増やす
性別
身長
体重
身長
体重
身長と体重から
性別を予測する
分けれた!!
© 2016 Data Artist inc. All Rights reserved
16
まっすぐな1本の線だけで分けれない時が有る
満足度
年収
仕事時間
年収
仕事時間
年収と仕事時間から
満足度を予測する
分けれない。
© 2016 Data Artist inc. All Rights reserved
17
満足度
年収
仕事時間
年収
仕事時間
こっちも
分けれない。
年収と仕事時間から
満足度を予測する
© 2016 Data Artist inc. All Rights reserved
18
学習機を二つくっつけて深く考えよう!
満足度②
年収
仕事時間
年収
仕事時間
満足度①
年収
仕事時間
満足
不満
不満
満足
満足:2
満足:1,...
© 2016 Data Artist inc. All Rights reserved
19
入力の情報をまとめてきれいに書き直す
満足度②
年収
仕事時間
満足度①
年収
仕事
時間
満足
不満
不満
満足
満足:2
満足:1,不満:1
満足...
© 2016 Data Artist inc. All Rights reserved
20
ここまでのまとめ
考慮する
範囲が増える
より複雑な状況に対応する
=深くする
© 2016 Data Artist inc. All Rights reserved
21
もっと広く、深くしてみる
考慮する
範囲が増える
より複雑な状況に対応する
=深くする
© 2016 Data Artist inc. All Rights reserved
22
広く複雑に考えることで、
難しいことが解決できそう?!
© 2016 Data Artist inc. All Rights reserved
23
広く複雑に考えることで、
難しいことが解決できそう?!
テンパる!!
© 2016 Data Artist inc. All Rights reserved
24
組織の構造になぞらえて考えてみる
社長
役員
部長
課長
あの会社、
株価上がる?
© 2016 Data Artist inc. All Rights reserved
25
社長
役員
部長
課長
あの会社、
株価上がる?
上がり
ます!
上がり
ます!
下がり
ます!
© 2016 Data Artist inc. All Rights reserved
26
社長
役員
部長
課長
上がった!!
© 2016 Data Artist inc. All Rights reserved
27
社長
役員
部長
課長
仲良くしとこ
© 2016 Data Artist inc. All Rights reserved
28
社長
役員
部長
課長
『仲良くしとこ』
の連鎖
© 2016 Data Artist inc. All Rights reserved
29
社長
役員
部長
課長
組織が大きく、報告網が複雑だと
経営に寄与した発言をした
人が良くわからなくなる
??
© 2016 Data Artist inc. All Rights reserved
30
報告網を一から全部
作るのはちょっと厳しいです
© 2016 Data Artist inc. All Rights reserved
31
大きい会社は大きなことが
出来そうだが
実際は回らないのか?!
© 2016 Data Artist inc. All Rights reserved
32
段階的な組織構築を
ボトムアップに行い
報告網をシンプルに!
© 2016 Data Artist inc. All Rights reserved
33
社長
役員
部長
課長
システム開発部:
開発進捗どう?
サーバー課:
インフラ負荷
問題ありません!
UI課:
メイングラフ
出来ました!
テレアポ...
© 2016 Data Artist inc. All Rights reserved
34
社長
役員
部長
課長
システム開発部:
開発進捗どう?
サーバー課:
インフラ負荷
問題ありません!
UI課:
メイングラフ
出来ました!
テレアポ...
© 2016 Data Artist inc. All Rights reserved
35
階層ごとに自然とシンプルになった報告網
社長
役員
部長
課長
© 2016 Data Artist inc. All Rights reserved
36
社長
役員
部長
課長
段階的な組織構築を
ボトムアップに行い
報告網をシンプルにすれば
大きい会社でも回る!!
(2006年 Geoffrey Hi...
© 2016 Data Artist inc. All Rights reserved
37
社長
役員
部長
課長
現場の
個別の
状況を
把握
より俯瞰的な状況把握
最終
意思決定
© 2016 Data Artist inc. All Rights reserved
38
画像でも同じこと
現場の個別の
状況を把握
最終
意思決定
より俯瞰的な状況把握
© 2016 Data Artist inc. All Rights reserved
39
ディープラーニングの何がブレークスルーなのか?
画像認識領域を中心に、
データの特徴を機械が自動で生成した。
生データ 特徴抽出
●従来の人工知能
●...
© 2016 Data Artist inc. All Rights reserved
40
ディープラーニングを社内で使うためには?
© 2016 Data Artist inc. All Rights reserved
41
分析の流れ
ランダムにサンプリングした
一部のデータで訓練を行う。
答え
合わせ
学習 予測
説明変数
残りのデータで説明変数のみを、訓練で構築したモ...
© 2016 Data Artist inc. All Rights reserved
42
ディープラーニングを実施する際の壁
先入観
・まず数学的な部分を理解しないといけない
・ビッグデータじゃないといけない
・自分で実装しないといけない
...
© 2016 Data Artist inc. All Rights reserved
43
どんな環境が必要?
http://tjo.hatenablog.com/entry/2014/10/23/230847
・R:統計に特化した言語
・H...
© 2016 Data Artist inc. All Rights reserved
44
データの準備
属性1 属性2 属性3 属性4 ラベル
15 5 7 7 ○
4 2 20 4 ×
8 1 3 9 ○
13 6 9 3 ×
属性1 属...
© 2016 Data Artist inc. All Rights reserved
45
Rの書き方
ここにズンドコ書いて行く
© 2016 Data Artist inc. All Rights reserved
46
書いてみよう!
library(h2o);
localH2O = h2o.init();
パッケージを読み込む
© 2016 Data Artist inc. All Rights reserved
47
書いてみよう!
library(h2o);
localH2O = h2o.init();
train.data =
as.h2o(read.csv(“...
© 2016 Data Artist inc. All Rights reserved
48
書いてみよう!
library(h2o);
localH2O = h2o.init();
train.data =
as.h2o(read.csv(“...
© 2016 Data Artist inc. All Rights reserved
49
書いてみよう!
library(h2o);
localH2O = h2o.init();
train.data =
as.h2o(read.csv(“...
© 2016 Data Artist inc. All Rights reserved
50
基本この流れで出来ます。
※保険ソクラテス様より画像の引用
© 2016 Data Artist inc. All Rights reserved
51
書いてみよう!
library(h2o);
localH2O = h2o.init();
train.data =
as.h2o(read.csv(“...
© 2016 Data Artist inc. All Rights reserved
52
書いてみよう!
dl = h2o.deeplearning(x = 1:4, y = 5,
training_frame = train.data,
...
© 2016 Data Artist inc. All Rights reserved
53
後は用途に応じ、
カスタマイズしてください。
※保険ソクラテス様より画像の引用
© 2016 Data Artist inc. All Rights reserved
54
social barber:Rだけでもかなりのことが出来る
© 2016 Data Artist inc. All Rights reserved
55
分析の流れ
© 2016 Data Artist inc. All Rights reserved
56
エゴグラムで性格に関するデータを取得
東京大学心療内科TEGⅡで5つの自我状態を分析
© 2016 Data Artist inc. All Rights reserved
57
なかではこんな感じで学習している
… …
【文脈を意識せずを学ぶ】
非常、疑惑とか言ってる。厳
しい人かも。
【文脈を意識してを学ぶ】
後輩の誕生日の...
© 2016 Data Artist inc. All Rights reserved
58
東京大学とほんのり協力しながら行っている最新のアドテク周りの研究内容
© 2016 Data Artist inc. All Rights reserved
59
これまでDLPOで行ってきたこと
A
B
C
ユーザー行動から嗜好性を
特定しターゲティング
© 2016 Data Artist inc. All Rights reserved
60
これまでDLPOで行ってきたこと:ステップ①
A
B
C
人力でのターゲティング
© 2016 Data Artist inc. All Rights reserved
61
これまでDLPOで行ってきたこと:ステップ①
行動ターゲティングはしないよりはした方が良い
0.70%
4.70%
0% 1% 1% 2% 2% 3%...
© 2016 Data Artist inc. All Rights reserved
62
これまでDLPOで行ってきたこと:ステップ②
A
B
C
従来の機械学習を用いた
ターゲティング
© 2016 Data Artist inc. All Rights reserved
63
これまでDLPOで行ってきたこと:ステップ②
機械学習で人間を超えるターゲティング精度
0.70%
4.70%
13.20%
0% 2% 4% 6% ...
© 2016 Data Artist inc. All Rights reserved
64
これまでDLPOで行ってきたこと:ステップ③
A
B
C
ディープラーニングを用いた
ターゲティング
© 2016 Data Artist inc. All Rights reserved
65
これまでDLPOで行ってきたこと:ステップ③
ディープラーニングでさらに精度向上
0.70%
4.70%
13.20%
20.20%
0% 5% 10...
© 2016 Data Artist inc. All Rights reserved
66
課題
人間ならば抽象化して同じとみなすこと、
行動データからだけでは機会は学習できない。
リコピン→トマトと認識できない。
© 2016 Data Artist inc. All Rights reserved
Copyright© 2002-2015 Data Artist, Inc. All Rights Reserved. Page67Page67Page67...
© 2016 Data Artist inc. All Rights reserved
68
LINELearge-scale Information Network Embedding
※あのアプリは関係ありません。
© 2016 Data Artist inc. All Rights reserved
69
これまでDLPOで行ってきたこと:ステップ④
A
B
C
LINE:
160万語
一般常識を事前に学習させた
© 2016 Data Artist inc. All Rights reserved
70
これまでDLPOで行ってきたこと:ステップ④
0.70%
4.70%
13.20%
20.20%
29.60%
0% 5% 10% 15% 20% 2...
© 2016 Data Artist inc. All Rights reserved
71
© 2016 Data Artist inc. All Rights reserved
72
Deep Wide Learning
深層広域学習
※弊社が考えた言葉ですので公式ではありません。
Nächste SlideShare
Wird geladen in …5
×

営業現場で困らないためのディープラーニング

3.632 Aufrufe

Veröffentlicht am

ディープラーニングを直感的に理解し、営業現場を乗り切るうえでのお役に立てれば幸いです。
(本資料は2016年度第1回データサイエンティスト協会セミナーでの講演内容を修正し作成しております。)

Veröffentlicht in: Daten & Analysen
  • Als Erste(r) kommentieren

営業現場で困らないためのディープラーニング

  1. 1. © 2016 Data Artist inc. All Rights reserved Data Artist 営業現場で困らないためのディープラーニング データアーティスト株式会社 ※Deep Dreemで生成しています。
  2. 2. © 2016 Data Artist inc. All Rights reserved 2 自己紹介:こんにちは、山本覚と申します!
  3. 3. © 2016 Data Artist inc. All Rights reserved 3 バックグラウンド 物理⇒人工知能⇒経営 理系 文系 ↑ ディープラーニングの第一人者松尾豊先生の 一番最初の博士学生として勉強をしました。
  4. 4. © 2016 Data Artist inc. All Rights reserved 4 企業理念 論理をシステム化し ひらめきに集中する
  5. 5. © 2016 Data Artist inc. All Rights reserved 5 LPOツール売上 No. 1 4年連続(2011年~2014年) ※ミック経済研究所調べ、ITR調べ 45 5
  6. 6. © 2016 Data Artist inc. All Rights reserved 6 ①ディープラーニングとは? ②社内でディープラーニングを使うためには? ③東京大学とほんのり協力しながら行っている 最新のアドテク周りの研究内容
  7. 7. © 2016 Data Artist inc. All Rights reserved 7 ディープラーニングとは?? ※大学の先生方に一応確認していただき、『まぁ、大体こんな感じ』というコメントを頂いております。
  8. 8. © 2016 Data Artist inc. All Rights reserved 8 Deep Learningとは? 50年に一回のAIの革新的技術らしい
  9. 9. © 2016 Data Artist inc. All Rights reserved 9 Deep Learningとは? いろんなところがお金を出している
  10. 10. © 2016 Data Artist inc. All Rights reserved 10 Deep Learningとは? 画像認識の大会で圧勝したらしい
  11. 11. © 2016 Data Artist inc. All Rights reserved 11 これで有名になりました
  12. 12. © 2016 Data Artist inc. All Rights reserved 12 今回のプレゼンの一つのコンセプト ディープラーニングを 都市伝説化しない!!
  13. 13. © 2016 Data Artist inc. All Rights reserved 13 ディープラーニングは脳神経のネットワーク(Neural Network)を模したもの ①電気が溜まる。 溜まりすぎると吐 き出す。(発火) ③隣からもらった 電気が溜まる。 ②発火して出た電 気が隣に行く。 ④隣会う細胞が近いタイミングで発火すると、間 の軸が太くなる。 ↓ 電気が流れやすい道が出来る。 細胞 脳の機構を模倣することで予測が出来るようになる
  14. 14. © 2016 Data Artist inc. All Rights reserved 14 1番簡単な例:二つのニューロンだけがつながっている 性別身長 身長 身長だけから 性別を予測する ちょい混ざる
  15. 15. © 2016 Data Artist inc. All Rights reserved 15 ちょっと工夫する:考慮する情報を増やす 性別 身長 体重 身長 体重 身長と体重から 性別を予測する 分けれた!!
  16. 16. © 2016 Data Artist inc. All Rights reserved 16 まっすぐな1本の線だけで分けれない時が有る 満足度 年収 仕事時間 年収 仕事時間 年収と仕事時間から 満足度を予測する 分けれない。
  17. 17. © 2016 Data Artist inc. All Rights reserved 17 満足度 年収 仕事時間 年収 仕事時間 こっちも 分けれない。 年収と仕事時間から 満足度を予測する
  18. 18. © 2016 Data Artist inc. All Rights reserved 18 学習機を二つくっつけて深く考えよう! 満足度② 年収 仕事時間 年収 仕事時間 満足度① 年収 仕事時間 満足 不満 不満 満足 満足:2 満足:1,不満:1 満足:1,不満:1 満足度 分けれた!
  19. 19. © 2016 Data Artist inc. All Rights reserved 19 入力の情報をまとめてきれいに書き直す 満足度② 年収 仕事時間 満足度① 年収 仕事 時間 満足 不満 不満 満足 満足:2 満足:1,不満:1 満足:1,不満:1 満足度
  20. 20. © 2016 Data Artist inc. All Rights reserved 20 ここまでのまとめ 考慮する 範囲が増える より複雑な状況に対応する =深くする
  21. 21. © 2016 Data Artist inc. All Rights reserved 21 もっと広く、深くしてみる 考慮する 範囲が増える より複雑な状況に対応する =深くする
  22. 22. © 2016 Data Artist inc. All Rights reserved 22 広く複雑に考えることで、 難しいことが解決できそう?!
  23. 23. © 2016 Data Artist inc. All Rights reserved 23 広く複雑に考えることで、 難しいことが解決できそう?! テンパる!!
  24. 24. © 2016 Data Artist inc. All Rights reserved 24 組織の構造になぞらえて考えてみる 社長 役員 部長 課長 あの会社、 株価上がる?
  25. 25. © 2016 Data Artist inc. All Rights reserved 25 社長 役員 部長 課長 あの会社、 株価上がる? 上がり ます! 上がり ます! 下がり ます!
  26. 26. © 2016 Data Artist inc. All Rights reserved 26 社長 役員 部長 課長 上がった!!
  27. 27. © 2016 Data Artist inc. All Rights reserved 27 社長 役員 部長 課長 仲良くしとこ
  28. 28. © 2016 Data Artist inc. All Rights reserved 28 社長 役員 部長 課長 『仲良くしとこ』 の連鎖
  29. 29. © 2016 Data Artist inc. All Rights reserved 29 社長 役員 部長 課長 組織が大きく、報告網が複雑だと 経営に寄与した発言をした 人が良くわからなくなる ??
  30. 30. © 2016 Data Artist inc. All Rights reserved 30 報告網を一から全部 作るのはちょっと厳しいです
  31. 31. © 2016 Data Artist inc. All Rights reserved 31 大きい会社は大きなことが 出来そうだが 実際は回らないのか?!
  32. 32. © 2016 Data Artist inc. All Rights reserved 32 段階的な組織構築を ボトムアップに行い 報告網をシンプルに!
  33. 33. © 2016 Data Artist inc. All Rights reserved 33 社長 役員 部長 課長 システム開発部: 開発進捗どう? サーバー課: インフラ負荷 問題ありません! UI課: メイングラフ 出来ました! テレアポ課: アポ率45%です!
  34. 34. © 2016 Data Artist inc. All Rights reserved 34 社長 役員 部長 課長 システム開発部: 開発進捗どう? サーバー課: インフラ負荷 問題ありません! UI課: メイングラフ 出来ました! テレアポ課: アポ率45%です! 来週から 報告してくれなくて 平気だよ!!
  35. 35. © 2016 Data Artist inc. All Rights reserved 35 階層ごとに自然とシンプルになった報告網 社長 役員 部長 課長
  36. 36. © 2016 Data Artist inc. All Rights reserved 36 社長 役員 部長 課長 段階的な組織構築を ボトムアップに行い 報告網をシンプルにすれば 大きい会社でも回る!! (2006年 Geoffrey Hinton)
  37. 37. © 2016 Data Artist inc. All Rights reserved 37 社長 役員 部長 課長 現場の 個別の 状況を 把握 より俯瞰的な状況把握 最終 意思決定
  38. 38. © 2016 Data Artist inc. All Rights reserved 38 画像でも同じこと 現場の個別の 状況を把握 最終 意思決定 より俯瞰的な状況把握
  39. 39. © 2016 Data Artist inc. All Rights reserved 39 ディープラーニングの何がブレークスルーなのか? 画像認識領域を中心に、 データの特徴を機械が自動で生成した。 生データ 特徴抽出 ●従来の人工知能 ●ディープラーニング ネコの顔 斜め線 学習 特徴抽出~学習生データ テスト :ネコ! :イヌ! テスト :ネコ! :イヌ! 職人芸になり属人的でスケールしないし、精度も低い。 人工知能史上最大の ブレークスルー
  40. 40. © 2016 Data Artist inc. All Rights reserved 40 ディープラーニングを社内で使うためには?
  41. 41. © 2016 Data Artist inc. All Rights reserved 41 分析の流れ ランダムにサンプリングした 一部のデータで訓練を行う。 答え 合わせ 学習 予測 説明変数 残りのデータで説明変数のみを、訓練で構築したモデルに 与え、結果を予測する。予測結果と正解を比較する。 20% 説明変数 80% イヌ サル キジ 予測だけならすごくシンプル
  42. 42. © 2016 Data Artist inc. All Rights reserved 42 ディープラーニングを実施する際の壁 先入観 ・まず数学的な部分を理解しないといけない ・ビッグデータじゃないといけない ・自分で実装しないといけない 実際 初めてExcelをさわりvlookupを 覚えるよりハードルが低い気がする。
  43. 43. © 2016 Data Artist inc. All Rights reserved 43 どんな環境が必要? http://tjo.hatenablog.com/entry/2014/10/23/230847 ・R:統計に特化した言語 ・H2O:ディープラーニングパッケージ があればすぐ出来ます!!
  44. 44. © 2016 Data Artist inc. All Rights reserved 44 データの準備 属性1 属性2 属性3 属性4 ラベル 15 5 7 7 ○ 4 2 20 4 × 8 1 3 9 ○ 13 6 9 3 × 属性1 属性2 属性3 属性4 10 9 7 6 5 6 1 4 7 6 2 3 5 4 4 9 学習用データ 予測対象データ
  45. 45. © 2016 Data Artist inc. All Rights reserved 45 Rの書き方 ここにズンドコ書いて行く
  46. 46. © 2016 Data Artist inc. All Rights reserved 46 書いてみよう! library(h2o); localH2O = h2o.init(); パッケージを読み込む
  47. 47. © 2016 Data Artist inc. All Rights reserved 47 書いてみよう! library(h2o); localH2O = h2o.init(); train.data = as.h2o(read.csv(“フォルダ/data1.csv”)); test.data = as.h2o(read.csv(“フォルダ/data2.csv”)); データを読み込む
  48. 48. © 2016 Data Artist inc. All Rights reserved 48 書いてみよう! library(h2o); localH2O = h2o.init(); train.data = as.h2o(read.csv(“フォルダ/data1.csv”)); test.data = as.h2o(read.csv(“フォルダ/data2.csv”)); dl = h2o.deeplearning(x = 1:4, y = 5, training_frame = train.data); pred = h2o.predict(dl, test.hex); 学習を行う
  49. 49. © 2016 Data Artist inc. All Rights reserved 49 書いてみよう! library(h2o); localH2O = h2o.init(); train.data = as.h2o(read.csv(“フォルダ/data1.csv”)); test.data = as.h2o(read.csv(“フォルダ/data2.csv”)); dl = h2o.deeplearning(x = 1:4, y = 5, training_frame = train.data); pred = h2o.predict(dl, test.hex); 予測する
  50. 50. © 2016 Data Artist inc. All Rights reserved 50 基本この流れで出来ます。 ※保険ソクラテス様より画像の引用
  51. 51. © 2016 Data Artist inc. All Rights reserved 51 書いてみよう! library(h2o); localH2O = h2o.init(); train.data = as.h2o(read.csv(“フォルダ/data1.csv”)); test.data = as.h2o(read.csv(“フォルダ/data2.csv”)); dl = h2o.deeplearning(x = 1:4, y = 5, training_frame = train.data); pred = h2o.predict(dl, test.hex); 実質、学習はここだけ
  52. 52. © 2016 Data Artist inc. All Rights reserved 52 書いてみよう! dl = h2o.deeplearning(x = 1:4, y = 5, training_frame = train.data, hidden = c(8,8,8)); 層の数など細かく設定可能
  53. 53. © 2016 Data Artist inc. All Rights reserved 53 後は用途に応じ、 カスタマイズしてください。 ※保険ソクラテス様より画像の引用
  54. 54. © 2016 Data Artist inc. All Rights reserved 54 social barber:Rだけでもかなりのことが出来る
  55. 55. © 2016 Data Artist inc. All Rights reserved 55 分析の流れ
  56. 56. © 2016 Data Artist inc. All Rights reserved 56 エゴグラムで性格に関するデータを取得 東京大学心療内科TEGⅡで5つの自我状態を分析
  57. 57. © 2016 Data Artist inc. All Rights reserved 57 なかではこんな感じで学習している … … 【文脈を意識せずを学ぶ】 非常、疑惑とか言ってる。厳 しい人かも。 【文脈を意識してを学ぶ】 後輩の誕生日の時にいつもお めでとうって言っている人 だ!! 普段つかう言葉を入力 として予測。 養育的親:16点!! ニューロン では よろしく、 後輩、 誕生、 仲間、 けんか、 感謝、 どうぞ、 あざーす、 おい で、 おめでとう、 まだまだ、 まさに、 ヘアスタイル、 増やす、 疑惑、 イェーイ、 申し訳ありません、 まず、 負ける、 びっくり、 集まる、 助かる、 約束、 アドバ イス、 お勧め、 レッツ、 ぜひ、 おー、 ごめんなさい、 身体、 面倒、 どうにか、 非常、 ケーキ、 菓子、 すっかり、 販売 ・・・ 予測精度は公開 できませんm(_ _)m
  58. 58. © 2016 Data Artist inc. All Rights reserved 58 東京大学とほんのり協力しながら行っている最新のアドテク周りの研究内容
  59. 59. © 2016 Data Artist inc. All Rights reserved 59 これまでDLPOで行ってきたこと A B C ユーザー行動から嗜好性を 特定しターゲティング
  60. 60. © 2016 Data Artist inc. All Rights reserved 60 これまでDLPOで行ってきたこと:ステップ① A B C 人力でのターゲティング
  61. 61. © 2016 Data Artist inc. All Rights reserved 61 これまでDLPOで行ってきたこと:ステップ① 行動ターゲティングはしないよりはした方が良い 0.70% 4.70% 0% 1% 1% 2% 2% 3% 3% 4% 4% 5% 5% 全体の割合 人力でのセグメント設定 CVユーザーの特定精度(F値)
  62. 62. © 2016 Data Artist inc. All Rights reserved 62 これまでDLPOで行ってきたこと:ステップ② A B C 従来の機械学習を用いた ターゲティング
  63. 63. © 2016 Data Artist inc. All Rights reserved 63 これまでDLPOで行ってきたこと:ステップ② 機械学習で人間を超えるターゲティング精度 0.70% 4.70% 13.20% 0% 2% 4% 6% 8% 10% 12% 14% 全体の割合 人力でのセグメント設定 従来の機械学習 CVユーザーの特定精度(F値)
  64. 64. © 2016 Data Artist inc. All Rights reserved 64 これまでDLPOで行ってきたこと:ステップ③ A B C ディープラーニングを用いた ターゲティング
  65. 65. © 2016 Data Artist inc. All Rights reserved 65 これまでDLPOで行ってきたこと:ステップ③ ディープラーニングでさらに精度向上 0.70% 4.70% 13.20% 20.20% 0% 5% 10% 15% 20% 25% 全体の割合 人力でのセグメント設定 従来の機械学習 ディープラーニング CVユーザーの特定精度(F値)
  66. 66. © 2016 Data Artist inc. All Rights reserved 66 課題 人間ならば抽象化して同じとみなすこと、 行動データからだけでは機会は学習できない。 リコピン→トマトと認識できない。
  67. 67. © 2016 Data Artist inc. All Rights reserved Copyright© 2002-2015 Data Artist, Inc. All Rights Reserved. Page67Page67Page67Page67 価格 納品書 ロゴデザイン ショップ活用 =販売促進 ネット ショップ BASE ショップの 開設方法 ショップの 開設方法 小規模な情報をネットワーク化する技術はもともとあった
  68. 68. © 2016 Data Artist inc. All Rights reserved 68 LINELearge-scale Information Network Embedding ※あのアプリは関係ありません。
  69. 69. © 2016 Data Artist inc. All Rights reserved 69 これまでDLPOで行ってきたこと:ステップ④ A B C LINE: 160万語 一般常識を事前に学習させた
  70. 70. © 2016 Data Artist inc. All Rights reserved 70 これまでDLPOで行ってきたこと:ステップ④ 0.70% 4.70% 13.20% 20.20% 29.60% 0% 5% 10% 15% 20% 25% 30% 35% 全体の割合 人力でのセグメント設定 従来の機械学習 ディープラーニング 常識の事前学習+ディープラーニング CVユーザーの特定精度(F値) 事前に常識を学習させることでさらに精度向上!
  71. 71. © 2016 Data Artist inc. All Rights reserved 71
  72. 72. © 2016 Data Artist inc. All Rights reserved 72 Deep Wide Learning 深層広域学習 ※弊社が考えた言葉ですので公式ではありません。

×