机械学习システム开発案件の事例绍介
- 2. 自己紹介 ● 氏名： ○ 塚原 朋也 ● 簡単なプロフィール： ○ 金融系SE、自社製品開発を経て、株式会社ブレインパッド ア ナリティクスサービス本部で主に画像系の機械学習システムを 開発しています。 ● 好きなこと等： ○ システムアーキテクチャ設計、GCPをさわる、子供（小学校1 年生男子）と遊ぶ、旅行。
- 3. アジェンダ 1. はじめに 2. 解決すべき課題とは… 3. まずは要件定義から… 4. 開発始動！！ 5. 本格的な機能追加！！ 6. 付録 7. おわりに
- 4. １．はじめに
- 6. 以下のような業務システムの話です。 ログイン画面 アップロード画面 登録画面自動分類処理 登録結果照会画面確認画面 リビングルーム！！ 建物！！ 不動産サイトに掲載！！ 本当はもっと色々な処理を 行っているけど、簡単に表 現すると、こんな感じのシ ステムです。
- 7. ２．解决すべき课题とは…
- 8. ● 物件の写真を営業マンが撮影し、「玄関」「キッチン」「洋 室」「トイレ」など、写真の種類ごとにアップロード作業を 行っている。その作業に1件5分もかかっている。 ● 全数で数十万の物件があるので多大な工数がかかっている。 ● 上記の工数を減らして、営業マンの工数を付加価値の高い業 務へ振り分けたい。
- 10. ３．まずは要件定义から…
- 11. 1. お客様が持つシステムイメージをヒアリングして譲れないポイントを押 さえる。 a. 例：出来るだけ画面数や操作を少なくする、物件写真の入ったフォルダをドラッグ&ド ロップしてアップロード?自動分類したい。 i. 特に対応期間、費用（ランニングコストを含む）が重要なポイントだと思います。 2. 業務利用に必要な分類対象?分類精度を明確にする。 a. 例：トイレ?洗面所?リビング?…の21分類器。 b. 例：トイレ?洗面所?リビングは90%以上の正解率、その他（画像）は高い正解率は求 めない。 3. 業務利用可能な分類要件を満たすためのベストな対応方法を選択する。 a. 例：ルールベースの対応で足りるか、既成機械学習モデルで解決できるか、自前で機械 学習モデルで準備する必要があるか。 i. 人間の目を通しても区別することが不可能なものは学習モデルに頼らず、なるべくルールベースに寄せることが得 策ってこともあります。 この3つの作業により、対応スコー プを明確にすることが重要です。
- 12. ４．开発始动！！
- 13. 1. モックアップ→α版→β版→正式版といった形で段階的に システムを成長させながら顧客要望を具体化する。 2. 実装→リリース→顧客確認→仕様変更→リリース→…という サイクルを回し、何度もリリースを繰り返す。 3. とくかく早く業務利用可能な状態に持っていく。 とにかく早くお客様に見える形でアウ トプットを提示して、お客様の隠れた 要望を引き出すことが大事です。 段階的に進めることで大きな手戻りな く対応スピードを早めることができる と思います。
- 14. ちなみに
- 16. ５．本格的な机能追加！！
- 18. ７．付録
- 19. システム構成図 Client Layer Instance Group Compute Engine Autoscaling Analysis Layer Batch Layer Instance Group Compute Engine Autoscaling Presentation Layer Front End App App Engine Autoscaling Task Queues Cloud Load Balancing Cloud DNS Storage Layer Static Content Cloud Storage Dynamic Content Cloud SQL Stackdriver Monitoring Logging Error Reporting 要件やコスト感を 考慮して、十分過 ぎず?不足しない システム構成にす るように心がけま した。
- 20. ● 今後の対応予定等 ○ GCPには、Cloud AutoML API（β版）というサ ービスがあり実際に検証したところ、なかなか 精度が高かったので見逃せない。 ○ 機能追加に合わせて、引き続きシステムアーキ テクチャも成長させる。 ○ 機械学習モデルについて、ラベル付けのルール を改善できるものは再定義する。