機械学習は苦しい

カジュアルに機械学習について語らうMachine Learning Casual Talks #2に参加して、講演もしてきました。

 「あなたの業務に機械学習を活かす5つのポイント」というタイトルでお話しました。以下はその資料です。

前半にGunosyの関さんが、B2Cの自社サービスの改善における機械学習活用についてお話されていた（資料はこちら）ので、私はどちらかというとB2Bやデータサイエンティスト仕事における機械学習についてお話しました。

話の中で繰り返した「機械学習は苦しい」というのは割と真実に近いと思っていて、ゼロベースの状態から楽して成果を得たいならルール処理でいろんな調整を頑張ったほうが早く、機械学習は遠回りではあるのだと思います。

ただ機械学習のほうが最終到達可能点がより高みにあることが多く、だからこそ機械学習に挑む人が増えているのは事実だと思うので、苦しい中でもがきながらどう進めていくのか、という人が共通して抱えている課題を少しでも助ける一助になれば幸いです。

面白かったのが、関さんと事前に申し合わせていたわけではないのにリーンスタートアップのMinimum Viable Product (MVP)についての言及が共に出てきたことでしょうか。

私はその機械学習版としてMinimum Viable Experimentという造語を作って説明したのですが、まず「必要最小限のリソース・期間で、アプローチの妥当性や効果の見積りを行う」という使命を明確にしてからパイロット／フィージビリティスタディ／Proof of Conceptを行うのはいずれのケースでも重要なのだと思います。

懇親会ではGunosyやWantedlyの方々に囲まれて、いろんなKPIが存在しうる自社サービスのカイゼンにおいて何を優先して進めていくのか、等のアツいお話を聞くことができました。別の会社の方に「Jubatus使ってます」というお話も頂けたので、このつながりを活かしていければと思います。

機械学習をカジュアルに始めてみたいという人の役に立ったかはわからないですが、イチ参加者として勉強になることが多かったです。改めて主催運営の@chezouさん、@qlutoさん、会場をお貸しいただいたYahoo!さん、ありがとうございました。