【Ltech#1】LIFULLにおける機械学習への取り組み

396 Views

July 03, 18

スライド概要

2018/07/02(月)開催
Ltech#1 LIFULL HOME'S 機械学習Night講演スライド
登壇者:林 信宏

LIFULLのAI専任部門を立ち上げた林より、LIFULLにおける機械学習への取組み全体についてご紹介いたします。

profile-image

LIFULL HOME'Sを運営する株式会社LIFULLのアカウントです。 LIFULLが主催するエンジニア向けイベント「Ltech」等で公開されたスライド等をこちらで共有しております。

シェア

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

関連スライド

各ページのテキスト
1.

LIFULLにおける機械学習への取り組み 株式会社LIFULL

2.

アジェンダ • 自己紹介 • LIFULL HOME’Sの説明 • 機械学習の活用事例 • 機械学習の活用を進める上で問題が多いのでDataRobotを導入 してみた話 2 C o p yright© L IF U L L A ll R ig hts R e s erved.

3.

自己紹介 林 信宏 LIFULL HOME’S事業本部 新UX開発部AI推進ユニット ユニット長 略歴 • 2009年WEBエンジニアとして中途入社 • 不動産の価格予測を提案したらデータ担当に • ユーザデータの分析、データ取得・分析環境の構築などを行う • 最近では、運用型広告のインハウス化など • 2017年4月からAI専任の部署を立ち上げ 3 C o p yright© L IF U L L A ll R ig hts R e s erved.

4.

LIFULL HOME’S 日本No.1の 不動産・住宅情報サイト LIFULL HOME’S 掲載物件数で

5.

LIFULL HOME’Sの仕組み(賃貸) • 不動産会社が物件を掲載 • ユーザーからの問い合わせを不動産会社へ届ける 物件掲載 問い合わせ オーナー 不動産会社 (管理or仲介) ユーザー 5 C o p yright© L IF U L L A ll R ig hts R e s erved.

6.

体制 • 専任部署を作って人を集めている • 機械学習出来る人がいる部署は独自にやったりも • 開発環境はAWSとかGCP サービス開発部門 賃貸 AI推進 データサイ エンティス ト 中古 新築 支援 6 C o p yright© L IF U L L A ll R ig hts R e s erved.

7.

機械学習の活用事例 実は色々とやっています • • • • • • • • • 広宣費最適化 画像判別 サーバの負荷予測 プライスマップ(不動産価格予測) 問い合わせ確率予測 問い合わせ数予測 かざして検索 空室率予測 物件の収益予測 7 C o p yright© L IF U L L A ll R ig hts R e s erved.

8.

LIFULL HOME’Sプライスマップ 8 C o p yright© L IF U L L A ll R ig hts R e s erved.

9.

ここにタイトルが挿入されます 「LIFULL HOME’S」が蓄積した ビッグデータと、AIを活用して開発した 新サービスです。 指定した価格で物件広告を出した際の 問合せ見込みや期間のシミュレーション、 物件のあるエリアの不動産トレンドの 確認などをすることができます。

10.

かざして検索 10 C o p yright© L IF U L L A ll R ig hts R e s erved.

11.

分析とか機械学習やりたい人 募集中! 11 C o p yright© L IF U L L A ll R ig hts R e s erved.

12.

アジェンダ • • • • 自己紹介 LIFULL HOME’Sの説明 機械学習の活用事例 機械学習の活用を進める上で問題が多いのでDataRobotを導入 してみた話 12 C o p yright© L IF U L L A ll R ig hts R e s erved.

13.

機械学習を使うPJの実際 • • • • • • • • • • • 難しそうな事は全部AIで実現って企画書に書いてある 明日できないのって言われる 調査、検証するだけで1ヶ月とかかかる 動くものを作らないと、企画の人に理解してもらえない 検証までやってPJが終わる エンジニアが数式の実装を嫌がる ちゃんとテストしてって言われる サーバのコストが高い 属人性が高く運用業務の負荷が大きい 人を増やしたくても採用が難しい 新しいことが出来ない 13 C o p yright© L IF U L L A ll R ig hts R e s erved.

14.

一番気になった問題 • 調査、検証から始まるので、アウトプットが出るまで時間が かかる • やってみるまで出来るかわからない • プロトタイプ作って中止になると、かなりの時間が無駄に アイデア • 問題として妥当 かどうか相談 調査・検証 • 実際に解決でき そうか確認 プロトタイプ作成 開発 運用 • やってみる • モデルの確定 • データの更新 • サービス側とイ メージを合わせ る • 本番用に開発 • モデルの修正 14 C o p yright© L IF U L L A ll R ig hts R e s erved.

15.

一番気になった問題 • 調査、検証に時間がかかる • やってみるまで出来るかわからない スピード感を上げていきたい • プロトタイプ作って中止になると、かなりの時間が無駄に アイデア • 問題として妥当 かどうか相談 調査・検証 • 実際に解決でき そうか確認 プロトタイプ作成 開発 運用 • やってみる • モデルの確定 • データの更新 • サービス側とイ メージを合わせ る • 本番用に開発 • モデルの修正 15 C o p yright© L IF U L L A ll R ig hts R e s erved.

16.

DataRobotとは • データを入れるとボタン一つで数十個の予測モデルを作って くれる • 精度も結構良いらしい • API化もボタン一つ • 値段は安くはない・・・ 16 C o p yright© L IF U L L A ll R ig hts R e s erved.

17.

DataRobotを導入してみた • 導入では特に何も躓かなかった • 精度は良い • APIもすぐ出来、プロトタイプ作成までの工数が大幅削減 • 1ヶ月→1週間とか アイデア 検証 • 問題として妥当 かどうか相談 プロトタイプ作成 • 実際に解決でき そうか確認 開発 運用 • やってみる • モデルの確定 • データの更新 • サービス側とイ • 本番用に開発 • モデルの修正 メージを合わせ る この辺りがすごく早く なった 17 C o p yright© L IF U L L A ll R ig hts R e s erved.

18.

結論 • 非常に便利だった • 成果になりやすい予測系のPJが短期で終わるようになり、 チームのアウトプットに安定感が出た • 誰でも簡単に使うことは出来るが、ある程度は機械学習の 知識があった方が活用しやすい 18 C o p yright© L IF U L L A ll R ig hts R e s erved.

19.

分析とか機械学習やりたい人 募集中! 19 C o p yright© L IF U L L A ll R ig hts R e s erved.

20.

ご清聴ありがとうございました。 20 C o p yright© L IF U L L A ll R ig hts R e s erved.