akiyoko blog

akiyoko の IT技術系ブログです

「実践!機械学習 - Web系企業 CTO が実例を公開」に参加してきました

主催

Forkwell Jobs

会場

株式会社フロムスクラッチ
東京都新宿区西新宿7丁目20番1号(住友不動産西新宿ビル17階)


 

全体の感想など

最近よくある機械学習の基礎知識系の勉強会ではなく、機械学習をすでにビジネスに導入・応用して実際に運用している企業のCTOが集結して、その知見を披露してもらえるというイベントでした。

とは言え、私も機械学習に詳しいわけではなく、最近ようやく、

www.udemy.com

を修了したばかりの初心者なので全く付いていけないところも何度かありましたが、とりあえずキーワードをメモしておいて、少し勉強してからまた見直してみたいと思います。




マーケティングプラットフォームにおけるレコメンドサービス

井戸端 洋彰 氏(株式会社フロムスクラッチ)


広告データや広告ページのアクセスログおよびビジネスデータを収集・統合して分析・活用するためのプラットフォーム「B→Dash」の運用実績が二年半ほどあるとのことです。

中でもデータの統合が一番大変で、機械学習については、どのアルゴリズムを使うかよりも、マーケティングの設計の方が大事。結果を分析して得られた「示唆」を抽出し、次の施策へ活かすプロセスが重要とのことでした。


<関連サイト>
seleck.cc



 

トラッキングデータを使った機械学習活用

柴山 直樹 氏(株式会社プレイド)


サイト訪問者行動解析プラットフォーム「KARTE(カルテ)」に、「強化学習による配信最適化」や「回帰/2クラス分類によるユーザモデリング」という形で機械学習を導入しているとのこと。

導入ポリシーとしては、「人間の発想を活かす」「機械学習はそれを補助するように使う」ということで、機械学習が導き出す答えが定型化して退屈なものになってしまわないように気を付けているとのことでした。アルゴリズムよりもサービスの本質に目を向けないとダメで、事業のコアにするのは危険?(マーケティングの手段としてはアリ)という話も。また、世間の AIへの期待が高すぎるということを危惧されているようでした。


<キーワード>



<関連?スライド>

 

パネルディスカッション

  • 機械学習導入の難易度は、それぞれのドメインにおけるデータの集めやすさやデータの質に依る
    • 前処理が大変なので、データが汚いとそれだけ大変になる
  • GV(旧 Google Ventures)や Google が提唱している「デザインスプリント」の本を元に、組織でビジネスアイデアを検討している

  • 今機械学習ができるのは結局、分類と回帰のみ。近い将来、汎用AIを作るフェーズになっていく