Enviar pesquisa
Carregar
機械学習の精度と売上の関係
•
Transferir como PPTX, PDF
•
424 gostaram
•
47,033 visualizações
Tokoroten Nakayama
Seguir
最近考えていることをつらつらと
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 14
Baixar agora
Recomendados
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
Tokoroten Nakayama
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
Tokoroten Nakayama
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
Tokoroten Nakayama
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)
mosa siru
カルマンフィルタ入門
カルマンフィルタ入門
Yasunori Nihei
Semantic segmentation
Semantic segmentation
Takuya Minagawa
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
Recomendados
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
Tokoroten Nakayama
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
Tokoroten Nakayama
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
Tokoroten Nakayama
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)
mosa siru
カルマンフィルタ入門
カルマンフィルタ入門
Yasunori Nihei
Semantic segmentation
Semantic segmentation
Takuya Minagawa
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
LEANSTARTUPの現場 #leanstartup
LEANSTARTUPの現場 #leanstartup
Itsuki Kuroda
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
Tokoroten Nakayama
大企業アジャイルの勘所(ver1.1) #アジャイルマネジメントセミナー
大企業アジャイルの勘所(ver1.1) #アジャイルマネジメントセミナー
Itsuki Kuroda
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
Graat(グラーツ)
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Tokoroten Nakayama
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
ユーザーストーリー駆動開発で行こう。
ユーザーストーリー駆動開発で行こう。
toshihiro ichitani
心理的安全性を 0から80ぐらいに上げた話
心理的安全性を 0から80ぐらいに上げた話
Yusuke Hisatsu
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
ゲームAI入門(後半)
ゲームAI入門(後半)
Youichiro Miyake
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
目grep入門 +解説
目grep入門 +解説
murachue
クラシックゲームを用いたディープラーニングの近年の発展
クラシックゲームを用いたディープラーニングの近年の発展
Youichiro Miyake
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
Itsuki Kuroda
線形計画法入門
線形計画法入門
Shunji Umetani
イミュータブルデータモデル(入門編)
イミュータブルデータモデル(入門編)
Yoshitaka Kawashima
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
Shun Nukui
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
Fumihiko Takahashi
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
満徳 関
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
Google Cloud Platform - Japan
Mais conteúdo relacionado
Mais procurados
LEANSTARTUPの現場 #leanstartup
LEANSTARTUPの現場 #leanstartup
Itsuki Kuroda
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
Tokoroten Nakayama
大企業アジャイルの勘所(ver1.1) #アジャイルマネジメントセミナー
大企業アジャイルの勘所(ver1.1) #アジャイルマネジメントセミナー
Itsuki Kuroda
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
Graat(グラーツ)
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Tokoroten Nakayama
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
ユーザーストーリー駆動開発で行こう。
ユーザーストーリー駆動開発で行こう。
toshihiro ichitani
心理的安全性を 0から80ぐらいに上げた話
心理的安全性を 0から80ぐらいに上げた話
Yusuke Hisatsu
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
ゲームAI入門(後半)
ゲームAI入門(後半)
Youichiro Miyake
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
目grep入門 +解説
目grep入門 +解説
murachue
クラシックゲームを用いたディープラーニングの近年の発展
クラシックゲームを用いたディープラーニングの近年の発展
Youichiro Miyake
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
Itsuki Kuroda
線形計画法入門
線形計画法入門
Shunji Umetani
イミュータブルデータモデル(入門編)
イミュータブルデータモデル(入門編)
Yoshitaka Kawashima
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
Shun Nukui
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
Fumihiko Takahashi
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
Mais procurados
(20)
LEANSTARTUPの現場 #leanstartup
LEANSTARTUPの現場 #leanstartup
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
大企業アジャイルの勘所(ver1.1) #アジャイルマネジメントセミナー
大企業アジャイルの勘所(ver1.1) #アジャイルマネジメントセミナー
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
サービスブループリント導入ガイド A Guide to Service Blueprinting Japanese Edition
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Data-Centric AIの紹介
Data-Centric AIの紹介
ユーザーストーリー駆動開発で行こう。
ユーザーストーリー駆動開発で行こう。
心理的安全性を 0から80ぐらいに上げた話
心理的安全性を 0から80ぐらいに上げた話
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
ゲームAI入門(後半)
ゲームAI入門(後半)
backbone としての timm 入門
backbone としての timm 入門
目grep入門 +解説
目grep入門 +解説
クラシックゲームを用いたディープラーニングの近年の発展
クラシックゲームを用いたディープラーニングの近年の発展
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
線形計画法入門
線形計画法入門
イミュータブルデータモデル(入門編)
イミュータブルデータモデル(入門編)
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
時系列予測にTransformerを使うのは有効か?
時系列予測にTransformerを使うのは有効か?
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
Semelhante a 機械学習の精度と売上の関係
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
満徳 関
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
Google Cloud Platform - Japan
20180119_3_セキュリティカメラを使用したCRMソリューション「おもてなしサポートシステム」
20180119_3_セキュリティカメラを使用したCRMソリューション「おもてなしサポートシステム」
IoTビジネス共創ラボ
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Hajime Sano
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
Yutaka KATAYAMA
実証実験報告セミナー資料 20180328(抜粋版)
実証実験報告セミナー資料 20180328(抜粋版)
BrainPad Inc.
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Daiyu Hatakeyama
コンピュータビジョン技術の実応用とビジネス
コンピュータビジョン技術の実応用とビジネス
Yusuke Uchida
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
リーンスタートアップ7,8章
リーンスタートアップ7,8章
satomi ikoma
Microsoft de:code 2019 AI05 session
Microsoft de:code 2019 AI05 session
Ridge-i
Prig 残業泥棒 - 01. プロローグ 120121 杉浦
Prig 残業泥棒 - 01. プロローグ 120121 杉浦
urasandesu
Semelhante a 機械学習の精度と売上の関係
(12)
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
20180119_3_セキュリティカメラを使用したCRMソリューション「おもてなしサポートシステム」
20180119_3_セキュリティカメラを使用したCRMソリューション「おもてなしサポートシステム」
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
実証実験報告セミナー資料 20180328(抜粋版)
実証実験報告セミナー資料 20180328(抜粋版)
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
コンピュータビジョン技術の実応用とビジネス
コンピュータビジョン技術の実応用とビジネス
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
リーンスタートアップ7,8章
リーンスタートアップ7,8章
Microsoft de:code 2019 AI05 session
Microsoft de:code 2019 AI05 session
Prig 残業泥棒 - 01. プロローグ 120121 杉浦
Prig 残業泥棒 - 01. プロローグ 120121 杉浦
Mais de Tokoroten Nakayama
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
Tokoroten Nakayama
心理的安全性の構造 デブサミ2019夏 structure of psychological safety
心理的安全性の構造 デブサミ2019夏 structure of psychological safety
Tokoroten Nakayama
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
Tokoroten Nakayama
データマイニングの話詰め合わせ
データマイニングの話詰め合わせ
Tokoroten Nakayama
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたこと
Tokoroten Nakayama
難易度ボラタリティグラフという分析手法
難易度ボラタリティグラフという分析手法
Tokoroten Nakayama
インターネット上の情報発信手段の変遷 情報発信の簡易化
インターネット上の情報発信手段の変遷 情報発信の簡易化
Tokoroten Nakayama
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
Tokoroten Nakayama
機械学習ビジネス研究会(未踏研究会)
機械学習ビジネス研究会(未踏研究会)
Tokoroten Nakayama
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
Tokoroten Nakayama
失敗から学ぶデータ分析グループのチームマネジメント変遷
失敗から学ぶデータ分析グループのチームマネジメント変遷
Tokoroten Nakayama
プロダクション環境でオンラインで機械学習を動かすにあたってツライ話 #MLCT
プロダクション環境でオンラインで機械学習を動かすにあたってツライ話 #MLCT
Tokoroten Nakayama
特徴ベクトル変換器を作った話 #dogenzakalt
特徴ベクトル変換器を作った話 #dogenzakalt
Tokoroten Nakayama
特徴ベクトル変換器を作った話
特徴ベクトル変換器を作った話
Tokoroten Nakayama
jubatusのECサイトへの適応 #jubatus_hackathon
jubatusのECサイトへの適応 #jubatus_hackathon
Tokoroten Nakayama
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
Tokoroten Nakayama
DAUを評価指標から捨てた会社の話 #tokyowebmining
DAUを評価指標から捨てた会社の話 #tokyowebmining
Tokoroten Nakayama
BattleField3に見る自己表現としてのゲームプレイ
BattleField3に見る自己表現としてのゲームプレイ
Tokoroten Nakayama
情報処理とは何か あとbigdataとか
情報処理とは何か あとbigdataとか
Tokoroten Nakayama
ビッグデータとioDriveの夕べ:ドリコムのデータ分析環境のお話
ビッグデータとioDriveの夕べ:ドリコムのデータ分析環境のお話
Tokoroten Nakayama
Mais de Tokoroten Nakayama
(20)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
心理的安全性の構造 デブサミ2019夏 structure of psychological safety
心理的安全性の構造 デブサミ2019夏 structure of psychological safety
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
データマイニングの話詰め合わせ
データマイニングの話詰め合わせ
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたこと
難易度ボラタリティグラフという分析手法
難易度ボラタリティグラフという分析手法
インターネット上の情報発信手段の変遷 情報発信の簡易化
インターネット上の情報発信手段の変遷 情報発信の簡易化
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
機械学習ビジネス研究会(未踏研究会)
機械学習ビジネス研究会(未踏研究会)
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷
失敗から学ぶデータ分析グループのチームマネジメント変遷
プロダクション環境でオンラインで機械学習を動かすにあたってツライ話 #MLCT
プロダクション環境でオンラインで機械学習を動かすにあたってツライ話 #MLCT
特徴ベクトル変換器を作った話 #dogenzakalt
特徴ベクトル変換器を作った話 #dogenzakalt
特徴ベクトル変換器を作った話
特徴ベクトル変換器を作った話
jubatusのECサイトへの適応 #jubatus_hackathon
jubatusのECサイトへの適応 #jubatus_hackathon
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
DAUを評価指標から捨てた会社の話 #tokyowebmining
DAUを評価指標から捨てた会社の話 #tokyowebmining
BattleField3に見る自己表現としてのゲームプレイ
BattleField3に見る自己表現としてのゲームプレイ
情報処理とは何か あとbigdataとか
情報処理とは何か あとbigdataとか
ビッグデータとioDriveの夕べ:ドリコムのデータ分析環境のお話
ビッグデータとioDriveの夕べ:ドリコムのデータ分析環境のお話
機械学習の精度と売上の関係
1.
データ分析精度と売上曲線 中山ところてん
2.
今日の話 データサイエンティスト協会の資料より引用 http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
3.
ビジネスモデルを考える 売上 精度 ①:リニア型 ②:早期飽和型 ③:ロジスティック型 ④:Winnar Takes All型 ⑤:バイアス型
4.
ビジネス面の制約条件を考える • 「人工知能で何とかしてください」 • この案件はどのタイプの利益モデルか? •
人間のリプレイスが目的なので、人間より精度が高ければよい? • 今の人間の精度は95%位なので、それよりも精度が高くなければ使えない • 今の人間の精度は60%位なので、それよりも精度が高くなければ使えない • 60%であれば、簡単なルールベースや画像処理で到達できる可能性が高い • 機械学習を使わなくても改善が出来る • 要求される精度次第で、使う技術が異なる • 自らの立ち位置によって、精度売上曲線の意味が変わってくる • 内製と下請け
5.
YahooとGoogle • Yahooは自社の検索ビジネスをロジスティック型だと思い込んでいた • これ以上投資しても売上が増えないと思っていた •
http://blog.livedoor.jp/lionfan/archives/52682119.html • GoogleはYahoo以上の投資を行い、市場を全部奪い取った • 情報検索市場は、Googleによってロジスティック型からWTA型へ 売上 精度 Yahoo Google
6.
NetflixとAmazon • NetflixやAmazonはバイアス型のビジネスモデル • 既存ビジネスが利益を生む状態 •
機械学習により追加の売上が得られる • 少しの改善が大きな利益を生む状態になっている • 既存ビジネスの余剰利益が、機械学習への投資を可能にする 売上 精度
7.
外注と内製 • 外注の場合ロジスティック型になってしまう • 精度が一定以上超えたら検収 •
精度をより高めても、外注の場合売上が増えない 売上 精度 内製 外注
8.
ハイリスクハイリターン、Winnter Takes Allモデル •
情報検索や翻訳などは、この領域に突入 • 医療や自動運転などの安全が要求されるものもこのタイプ • このような案件を1から始めるのは危険すぎる • スモールスタートが出来ない • 外注の場合、精度が出なかったときのリスクがデカすぎる 売上 精度
9.
問題を変換して、スモールスタート可能にする • 自動運転車の例 • 自動運転技術を段階化することで、マーケットが受容可能にする •
レベル1:運転支援 自動ブレーキ、アダプティブクルーズコントロール(ACC) • レベル2:部分運転自動化 ハンドル操作、加減速の支援、ACCの拡張 • レベル3:条件付き自動運転 天候や交通量などの条件が整った環境での自動運転 • レベル4:高度自動運転 条件が整った環境では乗員が不要になる • レベル5:完全自動運転 どんな条件でも自律的に走行してくれる 価値 精度 価値 精度
10.
超危険な案件 • データ分析の精度が高いことを前提にした新規ビジネス • これが設定されるとヤバい •
精度が上がらないと死 • ユーザがいないので精度も上がらない • 精度が上がらないとユーザが付かない • こういう案件からは今すぐ逃げろ!!! 価値 精度
11.
問題を変換して、スモールスタート可能にする • BIの導入から行う • 「人工知能で何とかしてください」系の雑案件にはBI投入で応える •
BIを導入して、基礎KPIから会社の改善を行い、ベースラインを提供 • ベースラインを提供している間に、機械学習で改善できるものを見出す 価値 精度 価値 精度
12.
データ分析のコストと売上の関係性 • 単価がでかくてボリュームが大きいものほど改善幅は大きくなる • 単価が安くてボリュームが小さいものに対するデータ分析は、コストメリットが出ない •
データ分析のコストと、売上の関係性を考える • より多くのデータを取れば、それだけ精度は上がるがコストも上がる • 必要以上のデータを取りすぎて赤字になることもある • ムーアの法則を考慮する • ストレージとCPUは年々値下がりする • ただし、クラウドの値下がりは、それよりも遅い • 場合によっては自前でDCを構築することもある Ex) Dropboxの上場目論見書 • 将来コストが下がることを前提に多めにデータをとっても良い • 感覚値 • 機械学習で性能改善できるのは30%(というのが私の感覚値) • それ以上の改善を要求された場合は、企画からやったほうがいい
13.
ビジネスの握りで、課題の成否は決まる • アルゴリズムだけを学んでいても問題解決できない データサイエンティスト協会の資料より引用 http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
14.
まとめ • 機械学習の精度と売上の曲線を意識する • 精度と売上の曲線を変形できないか考える •
ビジネスの握り次第で、曲線の形は変わる • 機械学習とビジネスモデルをセットで考える • 機械学習をスモールスタート可能な状態を作り出す • スモールスタート可能にすることで、ローリスクハイリターンの環境を 作り出し、持続可能なビジネスを形成する
Baixar agora