ブレインパッドにおける機械学習の実例 ・コンクリート護岸の劣化検知(要資格)を、DLで ・広告運用の支援ツール 不良品検知、プライベートDMP、物体分離、ロボットアーム制御、自然言語処理Myndなど。 作るのは大変だが、運用するのはもっと大変。ベストプラクティスもあんまりない #devsumiC
2019-02-15 12:17:13訓練フェーズがむずかしい。 訓練フェーズを実装しないと簡単になる?APIでできれば楽になる? ・やりたいことに機械学習は本当に必要か? ・既成API(訓練なし、訓練あり)で実現できないか? ・既成の訓練済みモデルでできない? ・独自データを使ってモデルを訓練する。 #devsumiC
2019-02-15 12:23:08●機械学習の基本 ・典型的な機械学習システム 特集 機械学習高額 情報処理 vol 60 推論フェーズ、訓練フェーズ ・データから、システムの挙動をつくっている ・特有の難しさは訓練フェーズ #devsumi #devsumiC
2019-02-15 12:24:15・はじめの一歩 1. やりたいことに機械学習は必要か? 2. 既存API(訓練なし)で実現できないか? 3. 既存API(訓練あり)で実現できないか? 4. 既存の訓練モデルで実現できないか? 5. 独自のデータを使ってモデルを訓練する #devsumi #devsumiC
2019-02-15 12:24:391.既成APIを使う。 BrainPadでは前処理に使う場合がおおい。 顔抽出、ナンバープレート検出、など。 前処理は定型的な物が多い。 #devsumiC
2019-02-15 12:26:22●既存APIをるかう ・前処理での利用例 ・フィルタリング: 顔の検出 ・モザイク処理: ナンバープレート検出 : ・自前の処理 #devsumi #devsumiC
2019-02-15 12:26:32既成API訓練ありを使う。 Pros:独自データでモデルが作れる。モデル詳細知らなくて良い。 Cons:ネット接続必要、高い? 機械学習エンジニアが1週間-CloudAutoMLが同等スコア。 #devsumiC
2019-02-15 12:28:12Cloud AutoMLを使ったところ、機械学習エンジニアが作ったモデルと同程度の精度が出た #devsumiC
2019-02-15 12:28:33●既存API(訓練あり)をつかう ・Cloud AutoML 機械学習エンジニアがライトに構築したモデル 開発エンジニアが構築したモデル でほぼ同じ精度 #devsumi #devsumiC
2019-02-15 12:29:39・オンライン推論 ロードバランサを噛ませて ABテスト ブルー・グリーン 前処理はどこでやる? モデルによって違うから、各推論サーバ #devsumi #devsumiC
2019-02-15 12:29:50・訓練の頻度 1. 不要 2. システム化は不要 PoCで構築したモデルを利用 3. 訓練と更新の仕組みが必要 定期的な更新 #devsumi #devsumiC
2019-02-15 12:33:07モデルの更新がいらない事例はけっこうある。トイレや居間などを分類する画像認識の場合など。 #devsumiC
2019-02-15 12:35:29・PoCで構築したモデルを利用 トイレはトイレ、居間は居間 なら、更新不要 バージョンアップに近いイメージ 人が監視 #devsumi #devsumiC
2019-02-15 12:36:26・PoCのモデルで十分でない例 フリマの画像など 新しい商品が次々と出てくるもの 傾向や対象範囲が変わるもの -> 精度を評価するときは、新しいデータが必要 #devsumi #devsumiC
2019-02-15 12:36:36