「今日から始める機械学習〜はてなの事例〜」というタイトルでデブサミ2018関西で登壇しました

株式会社ハカルスの染田さん(Machine Learning Meetup KANSAI繋がり)からご紹介頂きまして、タイトルの内容で登壇してきました

登壇に当たって考えたこと

「機械学習を始めたいけど、まだちょっとハードルが高くて踏み出せていない」という方が「機械学習やってみよう!」と思える内容の依頼(大分意訳してるけど)をもらっていました。このテーマ、結構話し方が難しいなと思っていました。というのも、最近の登壇では「機械学習のサービス運用や組織運用、結構大変だけど、はてなではこんな感じでやっています」という話をすることが多かったからです。例えばこれ。

あらためて考えてみると、機械学習ができるとどういういいことがあるんだっけ...というのを考えなおすいい機会になったなぁと思います。機械学習、昔と比べると当たり前のものになってきつつありますが、全ての人が身に付けるべきもの/全てのサービスで導入されるべきかというと、そうではありません。とはいえ、機械学習今よりはもう少し普及して欲しい(特に関西で!)よねと思い、以下の内容で話しました。

  • 始めるハードルは全然高くない
    • 世の中、深層学習使ってないと人ではないみたいな雰囲気が一部であります(?)が、ハイパラチューニング不要の平均化パーセプトロンで十分な応用例は結構あります
    • 学習データも数百件程度で始められますし、AWS Lambdaの無料枠で収まるくらいの計算リソースで始められます
  • 楽しい
    • ペットがどんどん賢くなるようなイメージで段々愛着が湧いてきます
  • これまでのアプリケーションエンジニアの知識やドメイン知識がめちゃくちゃ役に立つ
    • 自分がやることもできそうだけど、データサイエンティストのような専門職の人がやったものには敵わない...? => そんなことはないです
    • 効く特徴量のありかを知っているのはサービスを作っているアプリケーションエンジニア
    • 機械学習の精度に一番効いてくるのはデータ数だが、アプリケーションエンジニアならば定常的にデータを集める仕組みを作ることができる
    • 「アプリケーションエンジニアのスキル + 機械学習のスキル」というよりは「アプリケーションエンジニアのスキル × 機械学習のスキル」で、自分のスキルをさらに生かすことができる手段の一つとして考えてもらえれば

大分エモいですね。

もちろん、Computer visionのようにベースラインが深層学習になってしまったものや生成タスクのように深層学習のほうが比較的向いているタスクもあると思いますが、最初のステップはもっともっと気楽に捉えてよいと思います。手を動かしてみたらうまくいかないのはよくあることなので、Kaggler-ja SlackMachine Learning Meetup KANSAIのような相談できるコミュニティを最後に案内させてもらいました。

この発表を聞いて/スライドを見て、機械学習を始めてくれる人が出てくると私としても嬉しいです。感想お待ちしております。

関連リンク