[2022/12/16]推薦・機械学習勉強会

[zerebom]

Why

推薦・機械学習勉強会は、推薦や機械学習、その周辺技術を通じてサービスを改善することにモチベーションのある人達の集まりです。ニュースやブログから論文まで、気になったものについてお互い共有しましょう！

発信のため、ここは public にしてあります。外部からの参加をご希望の方は樋口(https://twitter.com/zerebom_3) まで DM を送るか、Wantedly Visit の募集（https://www.wantedly.com/projects/391912） よりご連絡ください！

What

Wantedly では隔週木曜日に

• 推薦の評価指標について議論したい
• 〇〇っていうライブラリ / フレームワークを導入してみたい
• 他社の基盤事例をみんなにシェアして自社の基盤開発に活かしたい
• もっと推薦を良くするためにどんなものが必要か議論したい

といった話をする「推薦・機械学習勉強会」を開催しています。 この ISSUE はその会で話すネタを共有するための場所です。

話したいことがある人はここにコメントしましょう！ 会の間に話した内容もここにメモしましょう！

prev: #173

[Hayashi-Yudai]

ベイジアンA/Bテストの利点と実験計画策定に関する一検討

日経が書いたベイジアンA/Bテストの話。頻度論的なA/Bテストとの比較に加えて、ベイズでオンラインテストをするときにどうA/Aテストをするかという点についても書かれている。

[zerebom]

Vertexで3ヶ月で作る運用可能なML API基盤

• CADDiで提供されているML APIをVertex AIで作った事例の紹介
• CIによるデプロイ、ドキュメントツール、テストツールなどが用意されていて、簡単に開発・改善できそう

データ基盤にありがちな「何を使って作ればよいか？」という問いに対する処方箋を用意してみました.

• これを記事をもとに議論すると、用語が揃いわかりやすそう
• 経験を積まないと勘所がつかめない料金の計算方法なども記載

レコメンド系kaggleコンペまとめ

• 過去のレコメンド系Kaggleコンペの概要や手法のまとめ記事
• 外れ値かどうかを予測する、idを文字列としてFEなど、様々な解法が載っており、参考になります

[nogawanogawa]

メルカリにおけるA/Bテスト分析自動化の取り組み

A/Bテストの標準化を進めていたメルカリさん、今度はA/Bテストの分析自動化を進めているらしい👀

皆が幸せになるマッチングプラットフォームを目指して。「マッチング理論に基づく相互推薦システム」

cyberagentさんからの相互推薦の紹介記事。 RecSysに出した論文の紹介。

予測モデルの“リサイクル”によるレコメンド改善と実導入

Yahooさんでの予測モデルの再利用の話。 過去に使用した予測モデルと、ユーザーの真の興味の値を混ぜ込んで新しいモデルを作成することで、過去のモデルを再利用している模様。