Devsumi 2018summer
- 1. ? DeNA Co., Ltd. Kaggleで描く成?戦略 ?個?編?組織編? July 27, 2018 原? 慧 AIシステム部 DeNA Co., Ltd. Developers Summit 2018 Summer ? B会場(B-8) 17:00-17:45
- 2. ? DeNA Co., Ltd. はじめに n セッションの最後の10分くらい質問に答えるコーナーがあります n 下記のtwitterハッシュタグを使って質問を募集します ? # devsumiB ? 質問ないと寂しいから質問してね！ 2
- 3. ? DeNA Co., Ltd. ??紹介 n 原? 慧(Kei Harada) , @Seed57_cash ? 数理学博? -> データ分析コンサル会社 -> DeNA(2018/02?) ? DeNAのデータサイエンスチーム（いわゆるkaggler枠）のリーダー ? Kaggle Master ? Santa competition 2017/18 3位 ? Santa competition 2016/17 10位 ? Coupon Purchase Prediction 14位 ? KDDCUP2015 2位（前職の会社でのチーム） ? Save the ?腐！コンペ 2位 ? 趣味のプロコン等 ? Project Euler(state of the art) ? AtCoder(?) ? ?狼知能コンテスト 3
- 4. ? DeNA Co., Ltd. アウトライン n 機械学習 / AI / データ分析 やってみたい？ n 今までやってなかったけど、?分もやってみたい n じゃあKaggleやってみようぜ n 今後は会社として取り組みたい n じゃあKaggle推奨してkaggler増やしてみなよ 4
- 6. ? DeNA Co., Ltd. 最近のKaggleコンペの例 n ローンのデフォルトを予測する n ユーザーが不正なアクセスをしているかどうか予測する n 観光名所の画像を検索する n 掲?板への書き込みが削除対象かどうか判断する n 商品の販売価格を予測する n などなど 6
- 7. ? DeNA Co., Ltd. よくある批判 n Kaggleなんかやって何の役に?つの？ n じゃあ、あなたは何の役に?つのですか？ ? 精度の0.0001とか競って何になるの？ ? ?に対するF1みたいなもの(前職の親会社の?の?葉) ? 競う中で「安全運転」もわかってくる ? 勝つためのテクニックの移り変わりが早く、廃れるのが早い ? 事実としてはその通り、「新しいテクニックを?につける」というスキルがいまのご時世どれだけ重 要か考えてほしい ? サイエンス特化ではなくて、バランス?材が?事ではないか ? なんでもできて、仕事をリードする?は素晴らしい。なんでも半?前にしかできない?は律速段階に なり、?番役に?たない、まず何かで??前になるべき ? ??で何でも?流にできるスーパーマンは本当に稀で代替が効かない、??のスキルに依存するのは 組織としてはダメなこと ? 仕事なのだからチーム全体としてなんとかなればいい 7
- 8. ? DeNA Co., Ltd. Kaggleで学べること ≒ Data Scientistに必要なスキル n よく英語の資料で?かける必要スキル ? 数学、数学的な思考 ? 統計 ? 機械学習の理論 ? コーディング(主にpythonの?部ライブラリ / R, SQL) ? データの可視化 ? データハンドリング ? データ収集 ? データを扱う「勘」 ? 参考：8 Skills you need to be a Data Scientist (https://blog.udacity.com/2014/11/data- science-job-skills.html) n Hacker Mindset も、仕事上もKaggle上でも重要 8 真??にやっていれば 習得不可避 上位を?指していると 必要に迫られる 学ぼうと思えば題材が ある
- 9. ? DeNA Co., Ltd. Kaggleを始めるのに必要なスキル n 始めるのに必要なスキルは多岐にわたる ? 数学?統計 ? 機械学習の理論 ? コーディングスキル n 達?になるには必要かもしれないが、始めるだけならいらない ? スゴい?たちも最初からスゴかったわけじゃない n やる気があればなんとかなる ? Hello world的な問題もたくさんある ? Titanic, Digit Recognizer, 等 ? 新しい仕事、新しいプログラミング?語を学び始めるのと同じ 9
- 11. ? DeNA Co., Ltd. なぜkagglerはKaggleをやるのか？ n 賞? ? 優勝賞?は結構?額(数万?数?万ドル) ? 始めるきっかけには?分だが、継続する理由ではない ? 累積獲得賞? / 累積kaggle時間 ＝ 時給 は考えたくないほど低い n ??い、??顕? ? ネトゲで上位争いをする感覚に近い n データ分析の勉強のため ? 普段は触れられないデータや、新しいテーマに触れることができる ? ヘタに論?を読むよりも、コンペに真??に参加して、上位?賞者の解法を?た?がわか りやすい n ??PRのため ? 採?活動に利?するケースが?本でもここ数年増えてきた ? Kaggle masterになると転職市場での価値が上がる 11
- 12. ? DeNA Co., Ltd. どんな?が強いkagglerになっているのか n 数学?物理等の理論系出? ? たまたまデータ分析が仕事になったことがきっかけ ? 数学、統計、機械学習の理論への親和性が?いので、きっかけさえあればスキルは活かし やすい n 機械学習関連分野（画像処理、?然?語処理など）出? ? 特定の分野に強くて、初めてみたら??いからほかもやってみたら??くなった、という ケース n プロコン勢 ? Kaggleも幅広に?えばプロコンの?種 ? 新しいことを始めるスキルが?い、すごく強い?はここに多い n データ分析関連のエンジニア出? ? 仕事の幅を広げてきたケース ? まだ少数派の印象 12
- 13. ? DeNA Co., Ltd. Kagglerが得意なこと n 精度の?いモデルを作る n モデルの評価?検証の仕組みの設計 n ?速でモデル構築を終わらせる ? 普段やってるので経験もコードの蓄積もある n 幅広い引き出しから適切な分析?法を選ぶ ? Kaggleで?々試しているので勘所がわかる ? 特にダメなケースは「最近勉強したこの?法をやってみたいから」 n データを?てあれこれ考える ? 特徴量を作る作業の副作? ? 裏にあるデータ処理のミスに気づく、とか n 論?を読んで何となく理解する ? 新しいことを学ぶ能?が鍛えられている 13
- 14. ? DeNA Co., Ltd. Kagglerが得意とは限らないこと(1) n データ処理、蓄積の設計 ? Kaggleではすでに処理されたデータが与えられるので、Kaggleでは必要ではな い n 解決すべき問題の?枠の設計 ? Kaggleではすでに設計されている ? 問題をそもそもひっくり返すちゃぶ台返しは、仕事では重要だがKaggleではや っても仕?がない n 可視化、わかりやすく説明する ? 最後にモデルができさえすればいい n 綺麗なコードを書く ? これで実装してください.R の品質は個?差が?きい n Kaggleを禁?されること 14
- 15. ? DeNA Co., Ltd. Kagglerが得意とは限らないこと(2) n 多くの?とコミュニケーションする ? 会議よりも?分の作業に集中したい、というタイプが多い ? けして?間嫌いなわけではない ? 仕事の範囲が明確である?がいい n 論?を書かされる ? 論?が読めると書けるは全然違う。研究者のレベルでの最先端のキャッチアッ プ（誰よりも先にarXivから論?を?つける、とか）はkaggleでは必要ではない n 隙のない教養、体系的な学習 ? 「えっ〇〇本読んでないの？」というようなケース ? Leaderboardで結果が出るものに興味がある n 何年も?つの仕事をする ? 新しいことへの好奇?が強い?が多い 15
- 17. ? DeNA Co., Ltd. Kagglerにとって何が幸せか n 「不仕合せ」の最?化 ? 会社で仕事をするのは幸せばかりでない ? 働かずにノーリスクで同じ年収もらえるなら、働きたくない、よね？ ? 「幸せ」を積極的に与えるのは難しくて、不幸な巡り合わせを減らすことが会 社としてできること ? 多くの?とコミュニケーションする → 仕事の疎結合化 ? 論?を書かされる、隙のない教養、体系的な学習 → 正しい理解 ? 何年も?つの仕事をする → 適切なアサイン ? Kaggleを禁?される → 禁?しない ? 得意でないことは得意な?と組んで?緒にやればいい ? データ処理、蓄積の設計 ? 綺麗なコードを書く ? 可視化、わかりやすく説明する ? 解決すべき問題の?枠の設計 17
- 19. ? DeNA Co., Ltd. DeNA Kaggle社内ランク制度 n データサイエンス部?内の制度 n 業務時間の?定割合(通常は20-30%をKaggleに投?して良い) ? 毎年?定の結果を出すことが条件 19
- 20. ? DeNA Co., Ltd. DeNAのデータサイエンティストの役割 20 分析を?う 組織体制 AIアルゴリズム系エンジニア AI研究開発エンジニア データサイエンティスト (Kaggler) AI 基盤系エンジニア AIデータエンジニア AI?分析ツールエンジニア AI?分析インフラエンジニア 分散基盤エンジニア AIシステム部 (全社横断) AI研究開発 エンジニア データ サイエンティスト ? コンピュータビジョン、深層強化学習等の AI研究領域に?い専?性を持つ ? ?々、最新研究動向をウォッチし、 専?技術を活?して事業貢献する ? サービス?事業の抱える分析課題を解くことに燃える集団 ? ?段を問わず、最?の分析結果を出すことに泥臭くコミット サービス 事業組織 各サービスに事業をリ ードするプロがいる 実装周りのプロはAI基盤系エンジニアがいる 最先端研究の活?のプ ロは別途いる データサイエンティス トは強みに集中できる
- 21. ? DeNA Co., Ltd. まとめ n KaggleをやるとData Scientistになるのに必要なスキルが?につく ? しかも楽しい！ n Kagglerにはいろんな?がいて、できることも様々 n Kagglerには得意なことと、そうでないことがある ? 個?差もかなりある ? 正しく理解して、強みに集中させる ? できないことは他の?がフォローする ? データ処理、蓄積の設計 ? 綺麗なコードを書く ? 可視化、わかりやすく説明する ? 解決すべき問題の?枠の設計 21