【DeepLearningを使った商品レコメンドシステムの作り方講座】

【概要】

※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、Neural 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。

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。
書籍での推薦エンジン情報は、
推薦システム: 統計的機械学習の理論と実践
Deepak K. Agarwal (著), Bee‐Chung Chen (著)
Courseraでの推薦エンジン講座は、
Recommender Systems専門講座
https://www.coursera.org/specializations/recommender-systems
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。

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。
内容は以下です。
Deep ModelとWide & Deep Model(2016)
https://arxiv.org/abs/1606.07792
Neural Collaborative Filtering(2017)
https://arxiv.org/abs/1708.05031

使用するデータは、
Deep ModelとWide & Deep Modelに関しては、
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、
Ta Feng Grocery Dataset(Ta Feng Grocery Dataset - Nov 2000 to Feb 2001)
https://www.kaggle.com/chiranjivdas09/ta-feng-grocery-dataset
になります。
Colaboratoryで、各自実行していただきます。
Colaboratory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。
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。
Neural Collaborative 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。

【日時】2019年09月28日(土)14:00-16:00

【参加費】

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)
社会人(当会の講習会に参加したことがある方)：4000円
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)
2019年1月12日の当会の講習会参加者：無料

【必要な事前知識】

特にないですが、できれば、
・Python基礎
・Pandas基礎
・Numpy基礎
はできたほうがよいです。

【この講習会を受けると理解できること】

DeepLearningを使った商品レコメンドシステムの作り方

【タイムライン】

13:30　　　 開場
14:00- 14:20 企画説明・Colabの使い方説明・環境準備
14:20- 14:50 Deep Model概説・実装
14:50- 15:00 休憩
15:00- 15:10 Deep Model概説・実装の続き
15:10- 15:20 Wide & Deep Model概説・実装
15:30- 15:50 Neural Collaborative Filtering概説・実装
15:50- 16:00 質疑応答
16:00 解散

【事前準備】

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。
1, kaggleのアカウントを作成、ログイン
https://www.kaggle.com/
2, Ta Feng Grocery Datasetをダウンロード、解凍。
https://www.kaggle.com/chiranjivdas09/ta-feng-grocery-dataset
3, 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)
4, 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。)
5, ColaboratoryにGoogleDriveをMountし、そこからLectureDeepRec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。
まずは、googleでColaboratoryを検索し、
Hello, Colaboratory - Colaboratory
を選択します。
右下のPHYTHON3の新しいNotebookを選択し
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。
from google.colab import drive
drive.mount('/content/drive')
をセルに張り付け、shift+Enterで実行します。
Go to this URL in a browser:の右にでてくるURLをクリックして、
自分のgoogleアカウントで認証します。
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。
drive/の中の、'My Drive'/の中の、LectureDeepRecに今回のcsvをアップロードします。
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。
アップロードが完了したら、
%lsでアップロードができているのを確認できます。
終ったらすべて閉じてしまって大丈夫です。
もし問題があれば、machine.learning.r@gmail.com までご連絡ください。
※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。

【持ち物】

・ノートパソコン
(データさえGoogleDrive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。)

【会場・アクセス】

〒 113-0033
東京都文京区本郷２－１８－９　ドームヒルズ本郷　３－A号室
https://goo.gl/maps/wYPZKheHXBrcdTCc8
1F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。

丸の内線本郷三丁目から徒歩5分
都営大江戸線本郷三丁目駅から徒歩5分
都営三田線水道橋駅から徒歩5分
JR水道橋駅から徒歩6分

【喫煙について】

会場は禁煙です。
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。
「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
https://www.city.bunkyo.lg.jp/bosai/kankyo/rojoukitsuen.html
重点地域
https://www.city.bunkyo.lg.jp/var/rev0/0184/3172/20169116136.pdf

【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】

【満足度】
満足 80%
やや満足 20%
普通 0%
やや不満 0%
不満 0%

【難易度】
難 0%
やや難 40%
普通 60%
やや易 0%
易 0%

【講義の内容について】
・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。
・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！
・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。
・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。
・教科書のコードでkerasを動かしたことがある程度の初心者です。Kaggleのnotebook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。
・スピード感がとても良かったです。DeepLearning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。
・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。

【講師】

鈴木瑞人
株式会社パッパーレ

【講師経歴】

2014年3月 東京大学 理学部 生物学科 卒業
2016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)
2017年12月株式会社パッパーレ創業

【お問合せ先】

machine.learning.r@gmail.com

【株式会社パッパーレ】

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。
https://www.pappare.co.jp/

【免責事項】

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。

【お問合せ】

machine.learning.r@gmail.com

【主催】

株式会社パッパーレ

【共催】

実践的機械学習勉強会