Machine Learning Casual Talks #4 "DevData" #MLCT

Aki Ariga @chezou

「自分自身の人件費はペイできることを確認して選びました」すげぇ #MLCT

機械の体を手に入れるのよ鉄郎 @tetsuroito

みんな話に聞き入っててツイートが少ないので、積極的に発言してください〜　#MLCT

Aki Ariga @chezou

ステージゲート法しらんかった monodukuri.com/gihou/article/… #MLCT

Aki Ariga @chezou

「レコメンドをつくりましょう」ではなく「レコメンドを作ってメルマガのこれこれをして売上をあげましょう」が大事 #MLCT

skさん @ysekky_

サービス側を巻き込んで確実に利益でそうなのをやってくの大事っすね。これは立ち上げ期以外にも大事 #MLCT

Aki Ariga @chezou

#MLCT / “マーケターのためのデータマイニング講座：第3章 “CRISP-DM”に基づくデータマイニングの進め方 - ITmedia エンタープライズ” htn.to/8DTfZg

ホリヲ @horihorio

PJ選択、PJマネジメントの考え方、話し方はさすがだぁ。。。 話には出ていないけど、経営トップ層が選定、分析の細部に口を出していないことも、結構重要な要素な気がする。 #mlct

Aki Ariga @chezou

転職サイトなので、社員をユーザーに見立ててレコメンドしてみてフィードバックをもらっていた #MLCT

Aki Ariga @chezou

定量評価だけでなく定性評価も大事 #MLCT

skさん @ysekky_

機械学習のプロダクトは外れた時にユーザをどれだけ不快にしないかもかなり重要だとおもってます #MLCT

機械の体を手に入れるのよ鉄郎 @tetsuroito

オフライン検証で定性的に検証するの大事だなー #MLCT

ホリヲ @horihorio

ちなみに、経営トップ層が口を出したがる場合には、外注を使って外圧に頼る、というのはありな気がした。ただ、外注先の選定が非常に怖いのだけど。。。 #mlct

Aki Ariga @chezou

「クソコード問題の発生。私が試行錯誤したことがコードに残っているしテストもない。運用するのはまずい。落ちるかもしれない」 #MLCT

skさん @ysekky_

機械学習プロダクトのクソコード問題はマジで深刻な課題…。試行錯誤の残骸はどうしてもあるのよね… #MLCT

ホリヲ @horihorio

あー。。。来た。でーたさいえんてぃすとの闇が。コードや設計がぐちゃぐちゃ問題。 #mlct

Aki Ariga @chezou

「PRMLは読めないけど一個下くらいの本を読めるエンジニアと二人三脚してやりました」十分すげぇ #MLCT

KOMIYA Atsushi @komiya_atsushi

クソコード問題への対処、機械学習がチョットワカル（ビショップ本はわからなくても、その一つ下のレベルの本が理解できること）エンジニアと一緒に協力して仕事する #MLCT

機械の体を手に入れるのよ鉄郎 @tetsuroito

ディスカッションタイムが楽しみな話題が提供されているなー #MLCT

Ryosuke Fukazawa @qluto

作ったプロトタイプをプロダクトにのせるために、機械学習が分かってエンジニアリングのことが考えられるメンバーをチームに入れて解決。(PRML は読めないけどその一つしたくらいなら十分わかるようなレベルの人) #MLCT

Aki Ariga @chezou

データ分析者と機械学習エンジニアを分けている。違いは論文読めるかどうかくらい？ #MLCT

skさん @ysekky_

機械学習プロダクトのディレクトリ構成だれか定義してくれという気持ちが毎日ある #MLCT

ひろぽん#御茶坊主 @teeaitcheye

このプロセス図は写経したい　#MLCT

Aki Ariga @chezou

転職会議の全応募の25％がレコメンド経由の流入になった！！！ #MLCT

Aki Ariga @chezou

分析を支える環境。通常のイテレーションとは別で時間をかけて試行錯誤できた、プロダクト側が機械学習に好意的だった、会社が理解がある、良いものは使う会社の雰囲気 #MLCT

機械の体を手に入れるのよ鉄郎 @tetsuroito

レコメンドをAPI化して横展開するときの質問　#MLCT