筋肉で解決しないために。

日々出会うモノに対する考察をしたり、主に以下のテーマに関して書いています。 データサイエンス/人工知能/AI/機械学習/DeepLearning/Python//数学/統計学/統計処理

僕の引きこもり生活を支えるアイテムについて

100%在宅勤務&外出自粛生活がおよそ1ヶ月経ち、良い具合に生活リズムが安定してきたのでそのことについて書こうと思います。

生活スケジュールについて

平日も休日もだいたいこんなタイムスケジュールに落ち着きました
8:00 起床
|朝食、シャワーなど(熱い水を浴びると良いらしいので)
9:00
|作業
12:00 lunch、筋トレ
|作業
17:00 dinner
|作業
20:00
| ランニング、筋トレ
21:00
|netflix(breaking bad)、読書など
24:00 寝る

もうちょい早起きしたいけど起きられません。
breaking badはおもしろいです。
ja.wikipedia.org

引きこもりを支えるアイテム

引きこもりを支えるアイテムを紹介します。

  • イス
    腰痛になってからでは遅いので、買いました。
    普通のイスとは腰の支えと首の支えが全然違う。

  • Apple TV 4K
    netflix(breaking bad)を見るのに役立つ。サクサク動くのとsiri入力が便利。4Kテレビは持ってないので、美しさは体感できてない。

www.apple.com

  • HomePod
    作業BGMを流せるので良い。まあスピーカーならなんでも良いと思う。
    パスタをゆでることが多いので、siriのタイマーはよく使っている。

www.apple.com

  • モニター
    縦型モニタ、通常モニタ、MacBook Proの3枚体制。縦型モニタはディスプレイアームで立ててます。
    オフィスと同じ体制にしました。 安いやつで十分です。

  • Magic Trackpad 2
  • PCスタンド
    注文したけど、まだ届いてない。
    いわゆるHHKBの尊師スタイルでPC操作をするのですが、 モニター2枚繋いだ状態でオンライン会議すると、MacBook Proのファンがすごい音になるので、排熱のために買いました。

www.apple.com

  • Apple USB Ethernet アダプタ
    アップロードの速度を少しでも上げたかったので。
    今なら、Apple Thunderbolt - ギガビットEthernetアダプタ の方が良いですね。

www.apple.com

  • キーボード

www.pfu.fujitsu.com

  • BALMUDA The Pot
    今まで普通の電気ケトルでドリップコーヒーを作ってましたが、お湯が溢れるのですよね。これなら溢れない。
    在宅生活、コーヒーはたくさん飲みますからね。

www.balmuda.com

  • BASE PASTA/BASE BREAD
    食事の時短&健康のため。
    Uber Eats でサラダとかとるよりは圧倒的に経済的。
    BASE PASTAは普通のパスタと比べると変な味ですが、様々ソースをかければそこそこ美味しくたべれます。
    BASE BREADは普通のパンよりかなり美味しいです。

basefood.co.jp

  • Withings Body+
    体重計です。 乗るだけで体重/体脂肪/筋密度/BMIなどをアプリに記録してくれるので便利です。

www.withings.com

感想とか

ずっと家にいたら当然太るだろうなと思いまして、筋トレ/ランニングを始めたのですが、これが体重管理の目的よりも生活リズム維持にとても貢献している気がしています。(体重としては1ヶ月間でBMIが22.5 → 21.9になりました)

生活リズム維持に貢献している理由としては、朝の体重測定が楽しみになることと、寝つきが良いです。 あとは普通に体調が良いです。

筋トレ情報などは、 ザ・きんにくTV 2nd 【The Muscle TV 2nd】を参考にしてます。
www.youtube.com

そのほかには、作業時間管理にForestを常用しています。 やはり仕事中に割り込まれることが少ないので、何も考えず朝からやっちゃうと、15:00くらいで集中力がバテるので、意識的に1時間を15分:45分に分けるようにしています。

Forest - 集中力を高める

Forest - 集中力を高める

  • SEEKRTECH CO., LTD.
  • 仕事効率化
  • ¥250
apps.apple.com

そんな感じです。

スタートアップに転職して1年が経ちました

大変久しぶりに記事を書きます。

目次です。

だれですか?

watarumon (@watarumon_jp) | Twitter
修士を修了して就職、社会人としては3年目、年齢は20代後半です。
現在は創業2年目社員数15人程度の会社で機械学習を中心としたソフトウェアエンジニアをしています。
人が少ないので情シス全般と採用なんかもやっています。
今のところは大きな不満はなくたのしく生活できています。
1年前には全く関心がなかったですが、不思議なもので最近は組織論に少し関心があったりします。

現職は2職目で、前職の退職エントリはこちらです。
この記事では退職エントリのブコメに対するアンサーとスタートアップで1年働いた所感を書きたいと思います。

watarumon.hatenablog.com

新卒配属ガチャに失敗しました - 筋肉で解決しないために。

後日、転職先がどうだったのか興味がある。

2018/11/19 12:47
b.hatena.ne.jp

退職エントリのブコメに対するアンサー

1

ベンチャーにいくともっとひどい雑用とデスマーチが待っている気がするが。筆者の未来に光あれ。(闇属性らしいが) ベンチャーにいくともっとひどい雑用とデスマーチが待っている気がするが。筆者の未来に光あれ。(闇属性らしいが) - hard_coreのコメント / はてなブックマーク

トップブコメなので。
これはまさに転職前後の心境の変化ですが、雑用についてはそのタスクが雑用かどうかって人によるなと思うようになりました。
僕の気持ちとしてはそのタスクがイシューとして降ってきたり湧いたものであれば雑用という言葉には適さないし、シンプルタスクであれば雑用という言葉が適切だと思います(領収書をちゃんとしないといけないとか)。 誰かに言われたからやるのか、自らやるのか、という意味でも分類出来るかもしれません。
そう言う意味だと雑用は多くないです。

それこそ情シス業務なんて、人によっては雑用だと思われると思うのですが、1オフィス/1組織のネットワーク周りを機器選定から構築、運用までやるとなると大変で難しく、奥が深いです。

デスマーチについて言うと、前職より1.5~2.0倍くらい働いているとは思いますが、仕事場で徹夜なんてことはないですし、職場が家から近いこともありちゃんと寝れています。
今年は1度も病気にならなかったので良かったです。

2

他責っぽく書いてるが面接過程で自分がその会社とのミスマッチを見抜けなかったのは分析職として社会人として分析能力が低いと感じた方が良いのでは。 他責っぽく書いてるが面接過程で自分がその会社とのミスマッチを見抜けなかったのは分析職として社会人として分析能力が低いと感じた方が良いのでは。 - emotion9のコメント / はてなブックマーク

辛辣ですね。 正直今からの転職であれば、コミットメントシフトな転職でマッチさせる確率を大きく高めることは出来ると思いますが、それでも入ってみないとわからないことは多いと思いますね。新卒採用の場面であればなおさら。
もっというと、個人の志向も経営方針も1年すれば変わるので、どこかで折り合いをつけるだけで、マッチし続けるなんてこともないんじゃないかなと思います。

3

少なくとも事業に魅力を感じて入社しただろうに…それとも本当にガチャだったのか 少なくとも事業に魅力を感じて入社しただろうに…それとも本当にガチャだったのか - htbmanのコメント / はてなブックマーク

考えてみればあたりまえなのですが、大企業の新卒採用では、採用サイトや面談で聞く範囲の"採用部門一覧"に載っていない部門への配属ももちろんあるわけですね。(具体的には内部メンバー事情で3,4年に1人くらい採ったり採らない部署です)
自分はそうした部署でした。
とはいえ新卒採用でも優秀な人や何らかのコネを作って入社する人は直接部署に採用されてたりすると思うので、ガチャではない人もいるのだと想像します。

結局どうなのさ

冒頭に書いた通り今のところは大きな不満はなくたのしく生活できています。

適切な表現か自信がないですが、"周囲のエントロピーが高い環境"が今の自分には合っているのだと感じています。
抽象的なイシューが多く、その重要度や内容の変化が早く、シンプルタスクが少ない、と言い換えることも出来るかもしれません。
他には、自分より技術力のあるエンジニアがいて、まともに議論が出来るようになる様やプロダクトローンチなどで自身の技術力向上を体感しやすいことは嬉しいことの1つです。
あと給与です。(巷の新卒修士24万と比べると、です)

最後に

当初はこの1年で技術的に習得したことについて書こうと思っていましたが、自分の退職エントリ読んでから書き始めたらこんな内容になっていました。
そうした記事はまた別に書こうと思います。

最後に宣伝、技術書典8にサークル参加します。
terraformによるインフラ構築から機械学習、webアプリケーションまで。みたいな本を出す予定ですが、進捗はダメです。頑張ります。

techbookfest.org

2020年もよろしくお願い致します。

技術書展7にサークルとして参加します!

表題の通り技術書典7にサークルとして参加することになりました!

出版物は以下の通りです。

pandas + matplotlib + 前処理全般に関するチートシートを各1枚、計3枚をラミネート印刷したものを持っていきます。 3枚セットで1000円を予定しています。 電子版も販売予定です。

サンプルはこんな感じです。

 

f:id:watarumon:20190917215027p:plain
sample1

f:id:watarumon:20190917215050p:plain
sample2

f:id:watarumon:20190917215109p:plain
sample3

前々から自分用に作っていたものをきちんと整えて形にしてみた次第です。

それぞれのcheat sheetには解説 & 実行用のjupyter notebookをgithubで公開しており、動かしながら学ぶこともできるようにしました。

noteおよびboothにて電子版の販売も予定しておりますので、当日来られない方はそちらもお願い致します。 (2019年9月22日前後には公開します、こちらにも追記します。)

サークルの場所は、け06Dです。

f:id:watarumon:20190829154625j:plain
サークルの場所

よろしくお願い致します。

そういえば、予想よりはるかにサークル被チェック数を頂いているのですが、これはどれくらい信用できるのでしょうか... 技術書典のサークル参加経験のある方、体感を教えていただけると嬉しいです...

 

 

Machine Learning Team Building Pitchに参加してきました[資料あり]

f:id:watarumon:20190328190052p:plain

Machine Learning Team Building Pitchに参加してきましたので、 感想と資料共有エントリになります。

connpass.com

会場はこんな感じ

f:id:watarumon:20190328190829j:plain:w400

目次

LT1 データとやりたいことがないのに機械学習屋を採用するな / 私たちはこうやっていまのチームを作り上げた

メモ

  • その会社にあるデータはなんなのか(そのデータの強み、弱み)、それをどうしたいか、を明確にすることがまずは基本
  • データ収集が先!モデリングがあと!
  • 研究室にパイプを作ってそこから学生を引っ張ってくる
  • チーム初期は強みが被らない様にする(マネジメント、数学、実装...)

研究室にパイプを作ってそこから学生を引っ張ってくるってすごいですね、弊社もそれやりたい...

LT2 顧客に価値を提供する “ラボ” チームとは

メモ

  • データ分析、機械学習を中心にやることが多すぎる
    • 何が、誰が足りてないか考えて、フォーメーションを組む。
      • とはいえ、個人技頼みになってしまった。
        • 仕事が個人競技という認識を捨て、スクラムを組む。何にフォーカスすべきかを明確にする。
  • 他のチームに依存せず、協力できる関係を作る。価値提供のためのフィーチャーチームを作る

紹介されていた参考図書

大規模スクラム Large-Scale Scrum(LeSS) アジャイルとスクラムを大規模に実装する方法

大規模スクラム Large-Scale Scrum(LeSS) アジャイルとスクラムを大規模に実装する方法

LT3 クックパッドと研究開発部門(特に機械学習周り)について。

speakerdeck.com

メモ

紹介されていた参考図書

LT4 AI・機械学習立ち上げ(2017年7月)から中長期計画(2021年3月)-採用、チーム構成、プロダクト、マネジメントについて。

メモ

  • エムスリーのAIチームはML engではありません。
  • 目指すチーム
    • ◯十億円規模の利益貢献を目指す
  • 強いって何
    • 高い専門性と広い周辺知識、エンジニアリング力...
    • 強い人が無名のチームに入るわけはない。
      • 外部へ向けて情報発信をする。登壇準備ドリブンで。
  • 強い人と面白いプロダクトを作りたい!と思ってもらえる様にする
  • 最初のプロダクトを成功させることが重要
    • スモールで始める
    • 2番目のプロジェクトは1番目と近い領域に。
  • 優秀な人事がとても重要

自身が強くなることと、優秀な人事を見つけることがキーだと感じました。

パネルディスカッション

抜け漏れあると思いますので...

  • Q.機械学習エンジニアって他のエンジニアと違うの?デプロイ等々の分担ってどうしてる?

    • あまり違わないと思う。スクラム組むよりそれぞれ得意なことをやったほうが良いと思う(@m_nishiba)
    • 機械学習は誰でも触れる時代になった時に、それでも差別化できるスキルはあると思っている(@taison124)
  • Q.採用は大変?

    • 採用はめちゃめちゃ大変です。エンジニアリングとサイエンス力が両方高い人はなかなかいないので。どちらかが高い人を採用してもう片方は入社してから伸ばして欲しいと考えている。(@taison124)
  • Q.スクラムやってますか?

    • 昔はスクラムしていたがやめた。機械学習タスクは高いスキルが必要でワークしなかった(@r_takahama)
  • Q.中途半端な知識を持っている人からチームを守る方法は?

    • 会社の規模によるが、きちんと戦えば良いと思う。(@r_takahama)
    • 自分たちで全部できる様になる。中途半端な人の知識を凌駕する。または、その人と相乗効果を出せる状況を作ることが大事だと思う。(@m_nishiba)
  • Q.できる様になった時にやめちゃう問題について

    • 魅力的なチームを作るしかない。でもやっぱりは辞めちゃう人はいる。キャリアアップしてくれるならそれで良い。(@m_nishiba)
  • Q.機械学習人材の年収バブルへの対処法は?

    • 数年前のゲーム人材と同様な様相。愚直に技術者としての魅力を出していくしかない。(@taison124)
    • 環境もあるが、全ての会社が給料出せる様になって、機械学習エンジニアがプロダクトをきちんとプロダクトに価値を出していけば、全員が高給になることもあるのでは?(@r_takahama)
    • 落ち着いていくと感じている。転職ばっかりするのはやはり良くないと思っていて、会社毎に存在する様々な前処理に慣れてから機械学習エンジニアはバリューを出せると思っている。転々としていると、本人の価値が上がっていかないと思っている。(jharashima)
  • Q.ドメイン知識を持った上で、プロダクトの課題抽出が重要だと考えているが、これはどなたが考えているのか

    • 半分は多部署、半分は自分たち。(jharashima)
    • プロダクトマネージャーの勉強をしている。誰がどこをやる、ではなく全員が考えていくことが大事だと思う。(@m_nishiba)
  • Q.MLチームの目標設定について

    • 利益目標がある。ストレッチ目標がある。(@m_nishiba)
    • 評価は(機械学習という性質上)不確実性が高いので難しい、やってみないとわからない部分が多い。技術的な難しさを理解するテックリードをつけた。(jharashima)
    • 何をやったかを愚直に話すことで評価している。(@taison124)
    • 基本的に他人の評価をしない。会社の成長が個人の給料に反映される。サボる人はいない採用をしている。目標設定は重要かもしれない。(@r_takahama)
  • Q.多くのエンジニアはお金(利益)を目標にすることに抵抗感があるのでは?

    • 利用者数に置き換えたりもしているが、自分の成果がお金で示される方が楽で良い(@m_nishiba)
  • Q.ポテンシャル採用はどんな軸で評価しているか。

    • 次の世代を背負ってくれる人かを想像する。自分から興味を持ってなんでも取り組んでくれる人。(@taison124)
    • ML系人材に関しては、そこまでMLに詳しくなくても良いと思っている。エンジニアリングの素養がしっかりしていれば問題ないと感じている。精度1%をあげることも大切だが、タスクの設計の方が重要と考えている。(jharashima)

当日の質問はここSlidoにあります。

終わりでーす!
誤記/誤解釈があればtwitterまで指摘お願いします。

twitter.com

 

AWSアカウントの管理はChromeのユーザー機能を使うと幸せかもしれない

こんにちは、@watarumon_jpです

AWS認定に続けてのAWS記事です。

さて、タイトルの通りですが、
皆様はAWSアカウントはどのように管理しているでしょうか。
きっと大量のアカウントを持っていることと想像します。

主業務でなく、インフラ周りを手伝っているだけの私ですら6つのアカウントがあります。個人用も入れると更に増えます。
本番環境、開発環境、demo環境.....うわーっとなりますね。

あっちこっちアカウントを飛んでいると、ログアウト-ログイン、MFA...
だるいですね。

そこでChromeのユーザー機能を使うと便利だと思っているので共有します。
他にも便利な方法があれば教えて欲しいです。

Chromeのユーザー機能については、断腸の思いで以下または他記事に譲ることとします。
support.google.com

結論から言うとAWSアカウントの数だけChromeでユーザーを作っておくと便利でしたって話です。

では、実際の使用している様子です。
通常のブラウザがあるとします。

f:id:watarumon:20190326170227p:plain:w700

この様にAWSアカウント毎にユーザーを作っているのでユーザーがいます。
どれか一つをポチッとします。

f:id:watarumon:20190326170830p:plain:w700

事前にブックマークバーにそれぞれのAWSアカウントに対応したConsole login linkを登録しておきましたので表示されていますね。
ポチッとします。

f:id:watarumon:20190326171332p:plain:w700

全て入力済みです。素晴らしいですね。
MFAは頑張りましょう。

f:id:watarumon:20190326171430p:plain:w700

この様に、ユーザーを選択するだけで高速ログインと同時ログインを実現出来ます。

最初にユーザーを作るのはだるいですが、
一回作ってしまうと便利なので、おすすめです。



ちなみに今週はこちらのイベントに出没します。
参加される方はよろしくお願いします。

connpass.com

終わりでーす!

AWS Certified Solutions Architect - Associateに合格したので、その学習法をまとめました

f:id:watarumon:20190314194624p:plain:w500

2019年ブログ頑張るという目標立てながら、本年2記事目です。
頑張ります...

はじめに

さて、
先日AWS Certified Solutions Architect - Associateに合格したので、
学習法等々をまとめてみます。
動機としては、社内にインフラ(AWS)関係で落ちている仕事が様々あり、拾っていこうかなと思ったためです。
学習コストは10日*1と約2.5万円でした。

往々にエンジニアリングスキルは、 作りたいもの/やりたいことベースで手を動かしながら学ぶのがセオリーだと良く言われ、私もその通りだと思います。

しかし、AWSに関していえば、AWSサービスの広範囲の知識が求められ、 且つ 「社内エンジニアはキューの作成時によくミスをします。どのように改善すべきですか?」*2といった実際にありそうな要件に対して様々なリソースを組み合わせてどう解決するかという知識が求められるため、
一旦AWSに関する知識を付けるゴールとして本試験を活用して、その後手を動かすという学習ルートはありなのではないかと思いました。

では本題ですが、
はじめに僕の前提知識を紹介し、
その後取り組んだコンテンツ順に上から列挙していこうと思います。

今後資格取得を考える方の参考になると嬉しいです。

前提知識

試験対策を始める前の僕の知識レベルはこちらです。

  • 職種は機械学習エンジニア
  • AWSの実務経験はなし。
  • AWSをはじめよう」*3は読んだことがある。
  • 先月、会社のオフィス拡張があり、本社と分室のVPN接続や社内ネットワークの設計と構築はやってみたらできた。

こんな感じ。

学習コンテンツ

手を動かしながら2週間で学ぶAWS 基本から応用まで

始めに手をつけたコンテンツはこちらです。

www.udemy.com

以下の記事を以前読んだことがあったため、あまり深く考えることなくここからはじめました。 upura.hatenablog.com

動画は10時間以上あるため、1.5倍速再生で隙あらば見続けました。
理解度はさておき、とにかく1周したことで、
AWSの全体像が理解できた様な気がします。

以降の学習において、 諸AWS用語が2回目に触れる単語になる恩恵も大きいと思いました。

価格 : 1200円
(セール期間中の価格です。また、udemyは常にセールをしている様なサイトなので、もし定価だったら少し待ったほうが良いかもしれません。長くても2日待てばどこかでセール価格になると思います。)

イラスト図解式 この一冊で全部わかるWeb技術の基本

次に手をつけたコンテンツはこちらです。

イラスト図解式 この一冊で全部わかるWeb技術の基本

イラスト図解式 この一冊で全部わかるWeb技術の基本

先述の"手を動かしながら2週間で学ぶAWS 基本から応用まで"のコラムにて 紹介されていたので買いました。

Webの正式名称はWorld Wide Web(世界に広がるクモの巣)といいます。

という記述から始まるくらい入門書です。
見開き左紙面に解説、右紙面に図解という構成になっており、わかりやすいと思います。
僕は知っている内容が多かったので2,3時間で読み終えることができました。

この本を読んだことで、AWSのサービス名称がWebシステムにおける何を代替しているかの理解が強くなった様に思います。

webシステムほんとに何もわからん!って人だったら、
"手を動かしながら2週間で学ぶAWS 基本から応用まで"と順番を逆にしても良いかもしれません。

価格 : 1680円(kindle版)

徹底攻略 AWS認定 ソリューションアーキテクト – アソシエイト教科書

いわゆる黒本というやつですね。
コンテンツとしてはこれが最後です。 他にも対策本は様々ありますが、購入理由は、
初版が2019年1月21日、第1版第3刷が2019年2月21日と非常に新しかったためです。

徹底攻略 AWS認定 ソリューションアーキテクト ? アソシエイト教科書

徹底攻略 AWS認定 ソリューションアーキテクト ? アソシエイト教科書

5日くらいかけて1周読みました。
ダウンロードして利用できる模擬試験もついており、 1周した後に受けてみました。
その時は正解率55%くらいだったと記憶しています。

模擬試験の復習を行い、2周目にも突入し、出来るだけ暗記しました。

日曜に受験したのですが、この模擬試験を行なった時点で金曜の夜でした。

価格 : 2570円(物理本)

AWS Certified Solutions Architect - Associate - Practice - 模擬試験

AWS認定には、公式の模擬試験があります。

有料且つ本番より問題数も少ないのですが、本番と同じ画面を操作できるのでやってみると良いと思います。
個人的には、本番より難しかった気がしました。

終了後はスコアが送られて来るだけなので、問題文のスクショはお忘れなく。

模擬試験のスコアはこんな感じでした。

総合スコア:  60%
トピックレベルスコア:
1.0  Design Resilient Architectures: 77%
2.0  Define Performant Architectures: 57%
3.0  Specify Secure Applications and Architectures: 50%
4.0  Design Cost-Optimized Architectures: 50%
5.0  Define Operationally-Excellent Architectures: 0%

この時点で、試験前日の夕方でした。
他ブログ等では合格ラインは65%とか70%とか言われていたので、
🤔
この表情で早めに寝ました。

価格 : 2160円

本試験

銀座CBTS歌舞伎座テストセンターで受けました。 銀座CBTS歌舞伎テストセンター | CBT-Solutions

受付もスムーズでしたし、会場も綺麗で、試験中も静かだったのでおすすめです。
試験料は16200円です。(会場によって試験料は変わりません。念の為。)

(地図上に屋上庭園の位置書かれてもわからんよ...と思いました。)

f:id:watarumon:20190314185758p:plain:w300
テストセンターの地図

試験結果はこちらです。

f:id:watarumon:20190314190132p:plain:w500
結果1

f:id:watarumon:20190314190205p:plain:w500
結果2

ギリギリですねw

ここまでで合計23810円でした。

今後について

まずは、"手を動かしながら2週間で学ぶAWS 基本から応用まで"について、1.5倍速で聞いただけなので、手を動かしたいと思っています。
また、会社に紫本が落ちていたので、それもつまみ食いしつつ、実務進めていくって感じかなーと思ってます。

Amazon Web Services 基礎からのネットワーク&サーバー構築 改訂版

Amazon Web Services 基礎からのネットワーク&サーバー構築 改訂版

本試験の認定期間は3年で、上位にはAWS 認定ソリューションアーキテクト – プロフェッショナルがある様なので、 実務こなしつつ、1,2年後くらいにまだAWS触っていたら受けてみようかなと思います。

その他

  • AWSセルフペースラボ

aws.amazon.com

会社がAWSセルフペースラボのクレジットをくれたので2コース触ってみましたが、テキスト通りにコンソールをポチポチするだけで楽しくもないし、為になっている感じもなかったので辞めました...

  • AWS WEB問題集で学習しよう

aws.koiwaclub.com

無料会員登録だけで、模擬問題が受けられるサイトです。
解いてみたところ、現在の問題傾向とは異なると感じたので、途中で辞めました。

余談

AWS認定に合格すると、aws certificated storeというAWS資格の所有者にしか入れないショップにアクセスすることができます。
ファンになってしまいますね。とても良い仕組みだと思いました。

f:id:watarumon:20190311184422p:plain:w400
aws_certificated_store

終わりでーす。

*1:試験の存在を認知した日から合格までの日数

*2:実際の試験で出た問題です。本試験の特徴をよく表した問題だったと感じています。

*3:https://booth.pm/ja/items/1032590 技術書典5で買いました。この頃から関心はあったわけですね。

Machine Learning Casual Talks #8に行ってきました(ブログ枠)

Machine Learning Casual Talks #8に行ってきました。

 

mlct.connpass.com


初メルカリ社です。会場はこんな感じ。

f:id:watarumon:20190128223056j:plain

 

出た。イケてるtech企業あるある。押し放題の自販機。

 

f:id:watarumon:20190128223115j:plain

 

 

エムスリー社からのノベルティー。TypeC to USBアダプタ、ありがとうございます。

 

 

 

ここから本編です。資料概要だけ書きますので、気になったものは資料を直接ご覧になってください。

 

youtubeライブがありました。

 

youtu.be

 

冒頭:machine learning casual talksを始めた理由の簡単な説明

twitter.com

 

docs.google.com



-「MLCTに初めて参加した方ーー?」

 - (半分以上が挙手)- MLCTのターゲット - 基本的に知識はあるでしょ?という前提で好きなことを話しても良い!

-論文にはあまりでない実務で得た知見を共有するために、開催した。

 -MLCTでは、モデルのアルゴリズムより、周辺のエコシステムやキャリアパス等々についての話題が多いよ。

 

発表1

 
-エムスリー社の開発チームについて

 -機械学習チームとして開発したアルゴリズムOSS化を検討している。

 - 公開できるレベルのアルゴリズムを作る、作りたい人を集めるため。

- 機械学習チームは、プロダクトまで作れるように機械学習エンジニアだけにはしていない。

- 成功確率が高そうな機械学習プロジェクト

 - サービス自体は成功している。

 - ABテストができる体制がある

 - 期待収益の計算ができる

 - 予測したい数字が限定的なこと

 - 既存の成功例を真似る

 - プロジェクトの中止の基準を決める重要性
-MLエンジニアのキャリアについて

 -  勤め先の昇給の仕組みや水準を理解する

 - 目安だけでも上の人に聞きましょう。

 -出世したいなら上司を出世させましょう。
-ビジネス貢献、組織貢献、技術貢献の3軸で考えよう。

-DMくれたらいつでもカジュアル面談できるので、いつでもどうぞとのこと。

-来週新しくMLエンジニアが増えるらしい。

 

発表2

 

-B to Bプロダクトを開発する中で遭遇した課題と解決策について
- bedoreにおける機械学習エンジニアの立ち位置について

 - ソフトウェアエンジニア、アルゴリズムエンジニアの2種類が存在

-対話エージェント開発について

 - 初期想定FAQでは対応できない言語に対して、クライアントがダッシュボードから学習のリクエストができる。

- モデルの予測性能がある日突然急激に低下した事件について。

 - 訓練データセットのスナップショットを保存してなかった。

  - 保存するようにして、学習を再現できるようにした等々。

  - 正解率や訓練データ数、クラス数を学習ごとに保存するようにした等々。

- 人募集してます!


LT1

 
- bfloat16という型について。

 - tensolflowの中で定義されている型

 - 比較対象がなんかよくわからんが、ハード的に高速化できるらしい。

 

LT2

www.slideshare.net


-chainerrl-visualizerについて

-強化学習の辛いところについて。

 

LT3

 

 

-yahoo kukaiの話

-e-commerceの違反検知の課題

-来週から新しい職場でMLエンジニアとして転職するらしい。

 

 

以下パネルディスカッションです。

網羅性は60%くらいだと思います。

 

西場さんに質問です。AIチームの目標が売上○億円にするのめっちゃ良いですが、売上の定義ってどうしてますか?レコメンドを導入したとして、そのレコメンドからのコンバージョンは100%AIチームの売上になるんでしょうか?

 - KPIはダブルカウントしてもとりあえずおっけーとしている。改善幅というところは、機械学習チームの成果としている。(@m_nishiba)

 


マルチクラスだときついのでは?

 -分類数×客数でモデルを生成するよりは、マルチモデルの方が良かった。(@naohachi89)

 


特徴量を自分で作ってロジスティック回帰を使う、NNのモデルを使う、アンサンブルをするなどで、精度と複雑さや時間とのトレードオフがあると思いますが、この辺実務ではどのように対応されていますか?

 -あまり意識していないが、プロダクトになる上で、計算時間だけは意識している。ただ、医療の画像診断に関しては時間がかかっても良い領域で、少し特殊かもしれない。(@m_nishiba)

 -学習時間はコストに跳ね返るかつ、chatbotに5秒かかるのはしんどい。様々な要素から総合的にバランスの良いモデルを採用している。(@naohachi89)

 

 


サービスのインフラはどれを選びますか

 -基本was or gcp。良い方を選んでいる。オンプレは考えていない。(@m_nishiba)

 -基本aws。別のチームだとgcpも使っている様。(@naohachi89)

 -メルカリだと両方だが、そろそろオンプレの方が安いのでは?という領域に来ている(@hurutoriya)

 


医療とITでビジネスインパクトが一番大きいのはカルテの共有と診断の(やや)自動化とのことかと思います。M3ではクラウドカルテのサービスがあるようですが、どれだけ使われていて、分析がなされているのでしょうか?

 -それは分析したいが、色々リソースが足りていない部分もある。フリーテキストなのでとてもきつかった。(@m_nishiba)

 

運用の際、モデルの精度の許容範囲はどのように決めていますか?

 -サービスオーナー/プロダクトオーナーが決めている。文化としてはある程度悪くても受け入れられてもらえるがきちんとABテストを突破した上で、サービスオーナーが決める(@m_nishiba)

 


自分の会社でも利益を目標にしているのですが、機械学習ディープラーニング以外を使っていなくても自チームの調査で課題を見つけて他のソリューションで解決した場合も実績に加算していますか?

 -機械学習チームの評価には入らないが、360度評価では多少入る(@m_nishiba)

 -機械学習使わなくても十分な予測性能が出せるのであれば、それはそれで良いのでは。(@naohachi89)

 -機械学習じゃなくても、画像処理でも解決できる様なものを提案することはある。評価に入る時もあればそうでない時も。(@hurutoriya)

 


採用活動に関連して,ML関連の技術を持っている人材は不足していると言われていますが,未経験or経験が浅い人材でも採用して自社で鍛える上げることもありますか?

 -エムスリーに入社した時は、機械学習未経験でした。数値計算分野などでの実績があれば、採用する可能性はあるが勉強は頑張って。(@m_nishiba)

 -全くの未経験という事例はないが、学習経験や光るものがあれば取ることはある。何かしらのkaggle等の実績は持っていてほしいなと思っている。(@naohachi89)

 

すべてのMLフレームワークに精通していますか?

 -してないです。(@m_nishiba)

 -してないです。(@naohachi89)

 

MLは大きいところを狙いたいので老舗大企業と組みたい vs 老舗大企業は組織間の壁が厚く辛い のジレンマに陥ることってありますか(私は陥っています)

 -あまり感じない。例えばLINEヘルスケアではいいとこ取りができてると思っている。(@m_nishiba)

 -企業によるとしか言えない。(@naohachi89)

 

ばんくしさんへ、スマホ機械学習の状態を監視や操作をするために使った技術を知りたいです!

 -ほぼ自作した。(突然の@vaaaaanquish)

 

 

スポンサーはメルカリです。お寿司が出ました。名前だけでも覚えて帰ってねとのこと。

 

f:id:watarumon:20190128225009j:plain

f:id:watarumon:20190128225025j:plain

 

 

誤記/誤解釈があればtwitterまで指摘お願いします!

 

twitter.com