こんにちは。スタメンでエンジニアリングマネージャーをしている @temoki です。 私がスタメンに入社した２年前、プロダクト部のエンジニアは10人くらいでしたが、現在はその倍以上のメンバーとなりました。 その中にはエンジニアだけではなく、ディレクター、デザイナーなど、職種も多様になってきています。 そして提供するサービスの規模もどんどん拡大しており、新規事業も立ち上がるなど、プロダクト部でのプロジェクトの難易度がどんどん上がってきているのを感じます。 こうなると、プロダクト部のメンバー全員がプロジェクト

“木を見て森を見る”ように。「キーポイント検出」を解説 2020年10月7日 機械学習エンジニア　濱本 雅史 概　要 画像に写っている人などの対象物の特徴点を検出する「キーポイント検出」は、画像解析の領域でも主要なトピックの一つです。オープンソースで公開されているモデルも多くあるほか、ビジネスシーンでも人体等の骨格検出や姿勢推定に利用されるなど多くの事例が生まれています。 このコラムでは、キーポイント検出の概要と、そこで用いられる代表的な手法について最新の研究も踏まえてご紹介していきたいと思います。 目　

セーフィー株式会社要素技術開発部のおにきです。 クラウドカメラを用いた画像解析の開発を担当しています。 AWSのMLOps環境である Sagemaker について調査しました。試しに物体検出アルゴリズムである YOLOv4 の学習環境を作ってみたので紹介します。今回学習環境としてYOLOv4の著者Alexey Bochkovskiy氏が公開している ソースコード を利用しています。これはYOLOv3までの著者であるJoseph Redmon氏の開発していたフレームワークである Darknet をブランチし

AI戦略室の椎橋です。LIFULLで取り組んでいる広告費配分のポートフォリオ最適化を紹介します。 LIFULLは広告宣伝費に年間100億近く使っており、決算説明会の質疑応答でも頻出なテーマで削減することが求めらています。広告にはTVCMや電車のつり革広告、リスティング広告や、リターゲティング広告など広告配信する場所やターゲットユーザー層もさまざまな種類があります。これらの広告媒体にそれぞれいくらの金額を投資すべきかというポートフォリオ最適化を計算するのが本記事のメインになります。 社内システムMAM 広告

最新HRテックはココまできた。AI研究のいまを探る 2020.9.8 機械学習エンジニア　山下 宙元 （現在はペンシルバニア州立大学 博士課程 在籍） 概　要 採用活動に退職予測、キャリア形成に至るまで、人材領域でのデータ活用がここ数年で改めて注目されはじめ、日本でのビジネス導入・活用事例も多く見られるようになってきました。 このコラムでは、HRテックと呼ばれる領域において、どのようなAI研究事例があるのかを直近5年以内の情報系のトップカンファレンス採択論文からピックアップしながら解説し、HRテックの最新

※AMP表示の場合、数式が正しく表示されません。数式を確認する場合は 通常表示版 をご覧ください ※2020年11月7日に、「Open Bandit Pipelineの使い方」の節に修正を加えました。修正では、パッケージの更新に伴って、実装例を新たなバージョンに対応させました。詳しくは対応する release note をご確認ください。今後、データセット・パッケージ・論文などの更新情報は Google Group にて随時周知する予定です。こちらも良ければフォローしてみてください。また新たに「国際会議ワ

はじめに 商品の需要予測や何らかのリソースの稼働の予測などを、時系列予測で実施したいとき、AWSのマネージドサービスでは2つの選択肢があります。Amazon ForecastとAmazon SageMakerです（もちろんECSやEC2上で自分たちで実装する方法もありますが、今回はMLサービスに絞って記載します。。。）。あまりAWSに詳しくない方・機械学習に詳しくない方はこの2つのどちらを利用すべきか迷われるかと思います。今回はそれぞれのメリット・デメリットを説明しつつ、どちらを利用すべきか考えたいと思い

AIで「やりたいこと」とデータは、両輪で議論する 2020.8.19 代表取締役CTO　藤原 弘将 概　要 AIを業務導入する際には、その業務の目的をしっかりと把握し、目的に適したデータを用いることが重要です。では、目的とズレがあるデータを使用してしまうとどのようなことが起きてしまうのでしょうか。また、データがない場合にはどう対応すれば良いのでしょうか。実例を交えながら考えていきます。 （＊本コラムは、日刊工業新聞の連載『AI・ロボット転機予報part2』へ寄稿した内容を再編集したものです。） 目　次 ・

こんにちは、SRE部MA基盤チームの田島です。 私達のチームでは、マーケティングシステムの開発・運用を自前で行っています。マーケティングシステムの内容としては、主にユーザに向けてのメールやLINE・PUSH通知などへの配信です。 マーケティングシステムは大きく分けて2種類あります。1つ目がSQLによるセグメント抽出を行い、抽出したユーザに対してバッチで配信を行うバッチ配信システムです。2つ目がユーザの行動や商品情報等データの変更をリアルタイムに検知して配信を行うリアルタイムマーケティングシステムです。 本

ビジネスパーソンが読んでおきたい、AI関連オススメ本７冊 2020.8.4 シニアソリューションデザイナ　寺田 響 概　要 これからAIの導入や開発を検討されるビジネス担当者の中には「まずは最低限の知識を持っておきたい」「AIや機械学習で何ができるのか知りたい」という方も多いのではないでしょうか？今回は、AI開発を始めるにあたって参考になりそうな書籍を、ソリューションデザイナの観点から独断と偏見でご紹介します！ （2020年7月以前に出版された書籍をご紹介しています。） 目　次 ・ 「AIの勉強をしたいん

2020年7月28日にAmazon Fraud Detectorが一般公開されました。 機械学習の知識が無くても、簡単に不正検知をできるサービスです。 Detect fraud faster using machine learning with Amazon Fraud Detector – now generally available Amazon Fraud Detectorとは Fraud(frɔ́ːd)とは、詐欺という意味です。 Amazon Fraud Detectorは、リアルタイムで不正

こんにちは、基幹システム部サポートチームの西山です。 私の所属するサポートチームでは、主にZOZOTOWNの注文の返品・返金のシステムや、カスタマーサポートの使用するバックオフィスシステムの開発に従事しております。 今回はECサイトの不正対策として、ZOZOではどういった観点で対策をしているのか、不正検知までどういったフローを踏んでいるのか、一部だけですがご紹介できればと思います。 はじめに 一般的なECサイトの不正利用ってこういうものがよく言われていますよね。 なりすましによるクレジットカード不正 集合

トマト画像物体検出データセット『Laboro Tomato』を公開 2020.7.15 CTO　藤原 弘将 機械学習エンジニア　ロマン・トリグベンコ 概　要 Laboro.AIはこの度、トマトの画像物体検出データセット『Laboro Tomato』を公開いたしました。以下では、開発・公開に至った背景や内容、期待される用途などについてご紹介いたします。 目　次 ・ 農業の現状とAI活用 ・ Laboro Tomatoについて 　・ アノテーションの基準について 　・ データセットの構成 ・ Laboro T

こんにちは。技術開発本部SRE部の渡邉です。 リモートワークによる運動不足を解消するために毎朝ロードバイクで走る事を始めたところ、今では印旛沼 1 のまわりを走るのが生きがいになりました。 そんな私ですが2019年に入社して以降、現在に至るまで、ZOZOTOWNやWEARのインフラを担当しております。 前職からずっとインフラ周りの仕事をしておりますが常に頭を悩ませてきたのは監視の設計と構築というテーマでした。長年稼働しているプロダクトならば、まず抱えている問題のひとつにあがるのではないでしょうか。私たちが

こんにちは。ECプラットフォーム部 推薦基盤チームで、DWH・DMP・広告まわりのデータエンジニアリングを担当している大谷です。 本記事では、マーケティング部門の広告運用のインハウス化に伴ってこれまで取り組んできた広告データの収集と活用、その仕組みにフォーカスして事例をご紹介します。 背景 データの収集と活用 Arm Treasure Data Integrations Hub ログ収集 アクセスログ 検索インプレッションログ Workflow フィードローダー (Google) レポーティング Goog