Machine Learning Casual Talks #2まとめ #MLCT

Aki Ariga @chezou

A「低頻度なアイテムを足きりすることで、全体のF値やカテゴリ予測精度は上がったけどユーザの満足度が下がってしまった」 #MLCT

Aki Ariga @chezou

Q「ユーザの満足度とは？」A「記事のクリック数、継続率、ログイン頻度など」 #MLCT

Aki Ariga @chezou

関「言い訳が効くKPIは作っても意思決定につながらないから意味が無い」 #MLCT

soonraah @soonraah

「言い訳が効く KPI を使っては駄目」 #MLCT

soonraah @soonraah

「仮説なきモデル実装をやってはいけない」 #MLCT

Aki Ariga @chezou

関「仮設なきモデル実装はやってはいけない。何故精度が上がるのか？その理由は？それはユーザの課題を解決するのか？仮説は数値にどう影響するのか？」 #MLCT

Aki Ariga @chezou

関さんの話、Lean Analyticsで読んだ話のエッセンスが出てくる感じだ #MLCT

Aki Ariga @chezou

関「まず、ルールベースや人手で仮説の有効性を確認する」 #MLCT

Ryosuke Fukazawa | atama plus @qluto

「機械学習使えばなんとか出来るだろ」は基本幻想 #MLCT

Aki Ariga @chezou

あー、MVPは検証しますね。人手でゴリゴリ作って価値があるか検証しないと、意味が無い #MLCT

masak1yu🐧 @masak1yu

#MLCT 「機械学習を使えばなんとかなる」は幻想

masak1yu🐧 @masak1yu

#MLCT　技術ありきでは考えない

soonraah @soonraah

目標数値が決まってないってことはユニットテストのテストケースがないみたいなもんかな。 #MLCT

Aki Ariga @chezou

「ユーザが変化するとモデルも変わる」 #MLCT

masak1yu🐧 @masak1yu

#MLCT　ユーザは体験が大きく変わるようなことは恐れる。

Aki Ariga @chezou

関「学術研究の利活用方法は、手法の優位性を知り応用する。WWW,KDD,WSDMの論文が参考になる。普段から実装したりkaggleで使ったりするのが良い」 #MLCT

masak1yu🐧 @masak1yu

#MLCT　学術とB2Cとの差は大きいので小さい範囲で活用していく

Aki Ariga @chezou

関「機械学習とKPIは、機械学習だからといって特別なことはない。ユーザにより良いものを提供するのが重要」 #MLCT

TakehiroKaneko @tktk8924

at #MLCT

Aki Ariga @chezou

Q「モデルの解釈をどう社内で共有するのか？」A「どこに疑いの目を向けるべきかを通じるようにする」 #MLCT

Aki Ariga @chezou

Q「仮説検証の流れは？」A「課題を見つけて、それを解決する施策を考え、ルールやPythonでプロトタイピング。限定的に公開して範囲を広げていく」 #MLCT

soonraah @soonraah

モデルの解釈を大事にする場合、チューニングみたいなことはどういう位置づけになるのかな。KPI が改善しても理由が分からなかったら採用しない？ #MLCT

TakehiroKaneko @tktk8924

データ解析の世界ではやっぱりPythonなのかなあ。 #MLCT

wolfin_ikeom @wolf20xx

機械学習による結果がダイレクトに影響すればするほどリスクがあがる、、というトレードオフは実世界で一番つらいところ。#MLCT

Aki Ariga @chezou

PFI 比戸さん 「あなたの仕事に機械学習を活かす5つのポイント」がはじまりましたー #MLCT