BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:DeepLearningを使った商品レコメンドシステムの 作り方講座 X-WR-CALNAME:DeepLearningを使った商品レコメンドシステムの 作り方講座 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:752096@techplay.jp SUMMARY:DeepLearningを使った商品レコメンドシステムの作り 方講座 DTSTART;TZID=Asia/Tokyo:20190929T140000 DTEND;TZID=Asia/Tokyo:20190929T160000 DTSTAMP:20260426T021607Z CREATED:20190926T060018Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/75209 6?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n【DeepLearning を使った商品レコメンドシステムの作り方講座】\n\n【 概要】\n\n※本講座は2019年1月12日に開催したものとほ ぼ同じ講座です。当時の講座内容にWide & Deep Model、Neura l Collaborative Filteringが加えられています。2019年1月12日 の参加者は参加費無料です。\n\n機械学習は、多くの商 品レコメンドシステムで採用されており、その有用性 が知られています。近年のDeepLearningの進歩により、多 くのレコメンドエンジンがDeepLearningベースに置き換わ ったはずですが、その情報は書籍でもネットでも出て こない状況にあります。\n書籍での推薦エンジン情報 は、\n推薦システム: 統計的機械学習の理論と実践 \nDee pak K. Agarwal (著)\, Bee‐Chung Chen (著)\nCourseraでの推薦エン ジン講座は、\nRecommender Systems専門講座\nhttps://www.coursera .org/specializations/recommender-systems\nがありますが、いずれ も、古典的協調フィルタリングを使った推薦エンジン は教えているものの、古典的協調フィルタリング以外 のDeepLearningを用いた推薦エンジンの作り方は教えてい ません。\n\n今回、DeepLearningを用いた商品レコメンドシ ステムの作り方を解説、実装する講座を作成しました 。\n内容は以下です。\nDeep ModelとWide & Deep Model(2016)\nhttp s://arxiv.org/abs/1606.07792\nNeural Collaborative Filtering(2017)\nhttps ://arxiv.org/abs/1708.05031\n\n使用するデータは、\nDeep Modelと Wide & Deep Modelに関しては、\n台湾のとあるスーパーマー ケットのPOS(Point of Sales)データである、\nTa Feng Grocery Dat aset(Ta Feng Grocery Dataset - Nov 2000 to Feb 2001)\nhttps://www.kaggle. com/chiranjivdas09/ta-feng-grocery-dataset\nになります。\nColaborat oryで、各自実行していただきます。\nColaboratoryで実行 するためにデータは下記手順で事前にGoogle Driveにアッ プロードしてきてください。\nもしわからなければ、 当日の初めに作業することも可能です。\nNeural Collaborat ive Filteringについては、映画の評価データであるMovieLens を用い、これは事前にダウンロードする必要はありま せん。\n\n【日時】2019年09月29日(日)14:00-16:00\n\n【参加 費】\n\n学生・ポスドク：無料(受付にて学生証・身分 証をお見せください)\n社会人(当会の講習会に参加した ことがある方)：4000円\n社会人(初参加)：5000円(できる だけおつりのないようにお願いします)\n2019年1月12日の 当会の講習会参加者：無料\n\n【必要な事前知識】\n\n 特にないですが、できれば、\n・Python基礎\n・Pandas基礎 \n・Numpy基礎\nはできたほうがよいです。\n\n【この講習 会を受けると理解できること】\n\nDeepLearningを使った商 品レコメンドシステムの作り方\n\n【タイムライン】\n\ n13:30　　　 開場\n14:00- 14:20 企画説明・Colabの使い方説 明・環境準備\n14:20- 14:50 Deep Model概説・実装\n14:50- 15:00 休憩\n15:00- 15:10 Deep Model概説・実装の続き\n15:10- 15:20 Wid e & Deep Model概説・実装\n15:30- 15:50 Neural Collaborative Filterin g概説・実装\n15:50- 16:00 質疑応答\n16:00 解散\n\n 【事前準備】\n\nできるだけ事前におこなってきてくだ さい。わからなければ当日聞いてください。\n1\, kaggle のアカウントを作成、ログイン\nhttps://www.kaggle.com/\n2\, Ta Feng Grocery Datasetをダウンロード、解凍。\nhttps://www.kag gle.com/chiranjivdas09/ta-feng-grocery-dataset\n3\, googleアカウント を作成(あるなら必要ありません。セキュリティ上仕事 用でないものをおすすめします)\n4\, GoogleDriveのMy Drive にLectureDeepRecフォルダを作成(ファイルが大きく、商用 のGoogleアカウントでないと普通にアップロードできま せん。Colabの方からアップロードする必要があります 。)\n5\, ColaboratoryにGoogleDriveをMountし、そこからLectureDeep Recフォルダに移動し、そこにta_feng_all_months_merged.csvを アップロードします。\nまずは、googleでColaboratoryを検 索し、\nHello\, Colaboratory - Colaboratory\nを選択します。\n 右下のPHYTHON3の新しいNotebookを選択し\n右上の「接続」 を選択し、「ホスト型ランタイムを選択」を選択しま す。\nfrom google.colab import drive\ndrive.mount('/content/drive')\n をセルに張り付け、shift+Enterで実行します。\nGo to this U RL in a browser:の右にでてくるURLをクリックして、\n自分 のgoogleアカウントで認証します。\nセルに、%lsを入力 しshift+Enterで実行します。すると、drive/があるのがわ かります。\ndrive/の中の、'My Drive'/の中の、LectureDeepRec に今回のcsvをアップロードします。\nホスト型ランタ イムに接続した状態で、Colaboratoryの画面の左上の黒い 「＞」ボタン→ファイル→driveの右の▲選択→My Driveの ▲選択→LectureDeepRecを右クリックし、(ローカルのデー タを)アプロードを選択、の手順でもアップロードでき ます。\nアップロードが完了したら、\n%lsでアップロー ドができているのを確認できます。\n終ったらすべて 閉じてしまって大丈夫です。\nもし問題があれば、machi ne.learning.r@gmail.com までご連絡ください。\n※以下では 最新版のChrome webブラウザを使うことを想定しています 。\n\n【持ち物】\n\n・ノートパソコン\n(データさえGoogl eDriveにアップロードできていれば、Colaboratoryは、スマ ートフォンやタブレットでの実行も可能ですが、すべ ての環境でテストできているわけではないので、ノー トパソコンをおすすめします。)\n\n【会場・アクセス 】\n\n〒 113-0033\n東京都文京区本郷２－１８－９　ドー ムヒルズ本郷　３－A号室\nhttps://goo.gl/maps/wYPZKheHXBrcdTCc8 \n1Fにカレー屋さんとマレーシア料理店がある黒いビル でその3Fです。\n\n丸の内線本郷三丁目から徒歩5分\n都 営大江戸線本郷三丁目駅から徒歩5分\n都営三田線水道 橋駅から徒歩5分\nJR水道橋駅から徒歩6分\n\n【喫煙につ いて】\n\n会場は禁煙です。\n講習会会場はぎりぎり文 京区の路上喫煙禁止の重点地域にはいっており、喫煙 は建物を出て右へ徒歩2分程歩いた場所で、お願いしま す。\n「文京区歩行喫煙等の禁止に関する条例」に関 する重点地域における路上喫煙禁止について\nhttps://www .city.bunkyo.lg.jp/bosai/kankyo/rojoukitsuen.html\n重点地域\nhttps:// www.city.bunkyo.lg.jp/var/rev0/0184/3172/20169116136.pdf\n\n【2019年1 月12日の「DeepLearningを使った商品レコメンドシステム の作り方講座」の受講者へのアンケート結果】\n\n【満 足度】\n満足 80%\nやや満足 20%\n普通 0%\nやや 不満 0%\n不満 0%\n\n【難易度】\n難 0%\nやや難 40%\n普通 60%\nやや易 0%\n易 0%\n\n【講義の内容に ついて】\n・サンプルの１つとして利用できそうで、 説明もわかりやすかったです。\n・資料が出来上がっ ていてスムーズに進んで良かったです！\n・非常に参 考になりました。ペースがやや早かったですが、復習 する分にはちょうど良いです。ただ、その時の講義の 内容を再度聞きたいと思いました。\n・私自身、実務 でレコメンデーションシステムとは無関係であるため 、間接的なヒントをたくさんいただきました。内容も 実戦的（モデリングにこだわり過ぎず、実際のビジネ スとても良かったと思います。\n・教科書のコードでke rasを動かしたことがある程度の初心者です。Kaggleのnote bookが最後まで動かないことが多かったのですが、徹底 的なデータ削減が安定稼働に不可欠であることが理解 できました。\n・スピード感がとても良かったです。De epLearningの応用事例など、他にもあったら是非お話を伺 いたいです。\n・会の名前の通り、これからも実践的 な勉強会の内容を楽しみにしています。個人的にはベ イズの手法をつかった（以前stanの勉強会に参加しまし たが）の実務例を知りたいと思っています。\n\n【講師 】\n\n鈴木瑞人\n株式会社パッパーレ\n\n【講師経歴】\n\ n2014年3月 東京大学 理学部 生物学科 卒業\n2016年3月 東 京大学大学院 新領域創成科学研究科 修士課程 卒業(医 科学修士)\n2017年12月株式会社パッパーレ創業\n\n【お問 合せ先】\n\nmachine.learning.r@gmail.com\n\n【株式会社パッパ ーレ】\n\nパッパーレとはイタリア語で「食いしん坊」 の意味。社員が知識を貪欲に吸収し、いつまでもhungry にがんばることを期待して命名。会社のミッションは 「個人と企業のパフォーマンス最大化とライフタイム 全体での幸福最大化」。医療・介護・小売り・営業の 分野に、現在4人体制で機械学習ソフトウェアを導入し ている。\nhttps://www.pappare.co.jp/\n\n【免責事項】\n\n今ま での講習会で機器が故障したとの報告は受けておりま せんが、本講習会の事前準備・参加で生じたいかなる 機器の故障などにつきまして、実践的機械学習勉強会 と株式会社パッパーレは責任を負いかねます。ご了承 いただける方のみご参加ください。\n\n【お問合せ】\n\ nmachine.learning.r@gmail.com\n\n【主催】\n\n株式会社パッパー レ\n\n【共催】\n\n実践的機械学習勉強会 LOCATION:株式会社パッパーレ 東京都文京区本郷２－１８ －９　ドームヒルズ本郷　３－A号室 URL:https://techplay.jp/event/752096?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR