skAtom
commented
3 days ago 売り上げ効率の最大化を図る
今回の推薦システムはベースモデルを「よく一緒に購入される商品を勧めるシステム」 #3 にするため、機械学習で予測した場合のコスト差を考慮して、最終的に採用するモデルを決定する。
- 考えられるコスト発生要因
- サーバーの増設を検討するために、機械学習をする処理を別サーバで行う可能性があるか検討する必要がある。
サーバを新しく建てる必要がある場合に必要なリソースを確認する。
機械学習を利用するレコメンデーションシステムの場合、計算リソースとして利用するEC2が必要。(AWS Fargateなどのコンテナ型のリソースもあるが今回はオーソドックスなEC2にする) サーバ管理をする際には障害に対しての耐性を考えるため、同じ役割のサーバをいくつか立てておくのが定石らしいので、おおざっぱにアメリカに1つ、中国に1つ、ヨーロッパに2つ、の合計4つのインスタンスを立てるものとする。 上記の基準はwikiにあったH&Mの出店情報をもとにしている。 wiki : https://ja.wikipedia.org/wiki/H%26M
- 実行時間を元にインスタンスを決める。
H&Mのコンペでは課題の設定を個人的に行うためここでその課題を明らかにする。 なお、マーケティング方面からのアプローチを加えたいため、課題設定をレコメンデーションシステムの最適化だけにとどめず、導入後のコストや推薦システムで顧客体験が低下してしまう可能性など、様々な方面から考えてみる。 なお、H&Mであれば自社サーバを持っている可能性は高いが、実際に確認することができない情報は全て持っていない、または現在では実現していないと仮定して今回のコンペを進める。