Chrome DevTools: State of the Union 2024 - Debugging React & Beyond

「どのように開発するか」だけでなく、上流からプロジェクトに携わり「何を開発するか」から検討したい、と考えているエンジニアの方は少なくないでしょう。 一方、実際の開発現場では「WHAT（何を開発するか）」がすでにある程度検討され、エンジニアはその実現方法を具体化させるフェーズから参画し「HOW（どのように開発するか）」を考えるケースが多いのではないでしょうか。 「WHAT（何を開発するか）」を検討するフェーズからボトムアップでアイデアを出し、プロダクトの成長にコミットしたいーー。そんな思いを強く持つエンジニアにとって、理想的な環境とも言えるのがリクルートです。 今回、同社を代表するプロダクトである『SUUMO』のレコメンドAPIのインフラを、機械学習エンジニア（以下、MLE）とデータエンジニア（以下、DE）が連携して改修したプロジェクトを参考に、事業成長にコミットするエンジニアの姿を伝えます

F-Secureは2021年6月25日、AI（人工知能）を利用した推薦システムの危険性について警告を発した。同社がソーシャルメディアでAIによる推薦に関する実験をした結果、意図的な偽情報や陰謀論の拡散が可能だった。 AIによる推薦システムは、検索エンジンやオンラインショッピングサイト、ソーシャルメディアなどで広く利用されている。最近ではインターネットの影響が大きくなっていることから、こうしたAI推薦システムに対して、意図的な偽情報の拡散など悪用に対する懸念が生じている。 リツイートを悪用することで特定のアカウントを推奨させることが可能 F-Secureで人工知能研究センターのシニア・リサーチャーを務めるAndy Patel氏は、レコメンドシステムで利用される「協調フィルタリングモデル」にTwitterで収集したデータを学習させた。その後、特定のアカウント間で「リツイート」されたデータ（ポイ

ML事業部の金田です。今回は、ストックマークの提供する法人向けサービス「Anews」の裏側で動くビジネスニュース推薦システムについて、簡単に紹介いたします。 AnewsとはAnewsは組織変革のための情報収集＋コミュニケーションプラットフォームです。 情報収集のためのコア機能としては、国内外３万メディアから収集したビジネスニュースから、利用者の興味・関心に合わせて記事を配信するサービスを提供しています。日々配信されるニュースから業務ニーズに直結するインサイトを獲得し、これを話題にユーザ同士が交流することで、組織全体の情報感度やコミュニケーションを促進させるのが、サービスの狙いです。 事前準備：ことばの定義具体的な機能説明の前に、Anewsにおける基本的な概念について軽く整理します。 Anewsは1企業＝1集団としての利用を想定しています。以降ではこの集団をチーム、チームに所属する各利用者を

はじめに こんにちは、推薦基盤部の与謝です。ECサイトにおけるユーザの購買率向上を目指し、レコメンデーションエンジンを研究・開発しています。最近ではディープラーニングが様々な分野で飛躍的な成果を収め始めています。そのため、レコメンデーション分野でも研究が進み、精度向上に貢献し始めています。本記事では、ディープニューラルネットワーク時代のレコメンド技術について紹介します。 目次 はじめに 目次 パーソナライズレコメンドとは 深層学習より前の推薦手法 協調フィルタリング Matrix Factorization SVD（Singular Value Decomposition） Factorization Machine 深層学習を使った推薦手法 ニューラルネットワーク推薦手法に対する警鐘 Recboleプロジェクト Recboleプロジェクトを用いた各アルゴリズムの検証 General Re

ネットショッピングやコンテンツの視聴――。人工知能（AI）で好みの製品を推薦する「レコメンドシステム」は、いまやネットサービスに欠かせない存在だ。その精度は企業の競争力を左右する。米ネットフリックスや米ウーバーテクノロジーズなど主要企業の取り組みをCBインサイツがまとめた。小売りやメディア各社はどんな商品やコンテンツがユーザーに響くかを予測する「レコメンドシステム」を活用し、売り上げを伸ばしてい

Wantedly の Matching Squad でデータサイエンティストをしている関根( twitter: @ndnto, github: @hiroto0227 )です。Matching Squadでは主に企業とユーザーの理想的なマッチングを実現することを目的として、検索システム・推薦システムの改善を行っています。 モチベーション去年の秋ごろに RecSys2020 に参加して最新の推薦システムの技術についてキャッチアップをしました。最近の傾向の一つとして、推薦システムはユーザーの関心の高い(適合度の高い)アイテムを推薦するだけではなく、 Diversity (多様性)や Novelty (新規性)を追求することで、ユーザーにより良いアイテムを推薦することがあるように感じました。 Wantedly RecSys 2020 参加レポート① - Wantedly Data チームで Re

ニュース ZOZO研究所、ZOZOTOWNのファッション推薦データとアルゴリズム研究開発基盤をオープンソースで公開 ZOZOグループの研究開発組織「ZOZO研究所」は、大規模ファッション推薦データと研究基盤となる「Open Bandit（※1）Data & Pipeline」をオープンソースとして公開しました。 現在、米中の少数の大企業によるデータと技術の占有により、外部の企業や技術者が同じ土俵で技術進歩に貢献することが難しいという懸念が強まっています。（※2） この問題に歯止めをかけ、日本企業からの積極的な技術貢献を目指すべく、ZOZOグループが保有する大規模データおよびソフトウェアパイプラインを公開する運びとなりました。今後、日本発のデータ技術のオープンイノベーションを促進するきっかけとなることを目指しています。 Open Bandit Dataは、ZOZOTOWN上での実際の推薦アル

レッジはAI特化型メディア「Ledge.ai」を運営するほか、ハウスコム社とのようにAIソリューションの企画・開発にも携わっています。 全国約1万人の匿名ユーザーから得た情報をベースにモデル構築賃貸物件を探す際は、街やエリアを指定し、希望する条件から物件を絞り込んでいくことが一般的です。ですが、今回リリースしたAIアシスタントツール「ハウスコム ライフスタイルサーチ」では、ユーザーの趣味嗜好や生活スタイルから“街”そのものをサジェストします。 「どんな時間を大切にしたい？」といった、一見すると物件検索には直接関係のないような選択肢に答えることで、これまで知らなかった街の魅力と出会えることを目的にしています。 ハウスコム ライフスタイルサーチでは、まず全国約1万人の匿名ユーザーから得た嗜好・属勢用法をベースに分類モデルを構築しました。そして、「自身と嗜好の似た人が好きな/住みたい街」をサジェ

イントロ「Amazonのこの商品をチェックした人はこの商品もチェックしています」や「YouTubeのあなたへのおすすめ」、「Twitterのおすすめユーザー」などのレコメンド機能は多くのWebサービスに組み込まれております。そのレコメンドによって、ついつい商品をたくさん買ってしまったり、夜遅くまで動画を見てしまった経験はないでしょうか。 この記事では、レコメンドシステムの裏側はどのような仕組みになっているのか、そもそもレコメンドとはどういうものなのかを具体例を交えながら俯瞰できればと思います。レコメンドシステムのアルゴリズムの詳細には触れず、ビジネスにおいてどのような形で実装されているかにフォーカスしています。ネット上に公開されているレコメンドに関するスライドや記事、論文のリンクをまとめましたので、アルゴリズムの詳細などはリンク先の記事でご確認ください。 対象の読者は、自社のサービスにレコ

はじめに pythonで相関係数を計算する方法はいろいろあります。確認したら、主要ライブラリだけで3つありました。 いろいろあるということは用途によって使い分けられるということなので、淡々と書いていきます。 なお、念のために断っておくと、ここで書いている「相関係数」はすべて「ピアソンの積立相関係数」です。順位相関などはまた別に調べてください（ただしpandasを使う方法だと出せます）。 目次 はじめに データの確認 numpyでやる pandasでやる scipyを使う あと思ったこととか まとめ データの確認 予め以下のようなデータを定義しておきます。 >>> import numpy as np >>> np.random.seed(0) >>> x = np.arange(0, 10, 0.1) >>> y = x + np.random.normal(size=x.shape) 散

はじめに この記事は Brainpad Advent Calender 2019 23日目の記事になります。 ブレインパッドでは、来たるべき量子コンピュータ時代に向けて量子コンピュータの勉強会を週1回行っています。この勉強会では、量子コンピュータに関連する論文を読んだり、論文を読むために必要な基礎の部分を勉強したりしています。そんな有志の集まりで細々と行っている勉強会ですが、今回はアドベントカレンダーの記事を書くぞ、ということで「現状我々が利用できる量子コンピュータで実用的な問題が解けるのだろうか？」ということにチャレンジすることになりました。 量子コンピュータといえば、通常のコンピュータ(量子コンピュータ界隈では古典コンピュータと呼ばれているやつです)では解くことが困難な問題も解くことができる、と言われているのを聞いたことがある人も多いと思います。実際に一部の問題に対しては古典コンピュー

ブレインパッドでは毎年学生向けのインターンシップを開催しています。今年も、昨年に続いて「機械学習エンジニア（Machine Learning Engineer, MLE）コース」を実施し、今回は3名がインターンシップに参加しました。その取り組みと成果をご紹介します！ こんにちは、アナリティクスサービス本部AIプラクティス部の伊藤です。 今回は、今年の8月末から9月にかけて実施した機械学習エンジニアコースのインターンシップの内容についてお伝えします。 はじめに インターンの紹介と取り組みテーマ インターンシップの進め方 最終報告会 宿泊先のレコメンド（恒川さん） 周遊プランニング（藤原さん） 寄り道先のランキング（佐藤さん） 懇親会 まとめ はじめに 今年は「機械学習による旅行プランニング」というテーマで1か月間のインターンシップを実施しました。京都と名古屋から、3名の方がインターンシップに

時価総額8.5兆円で世界No.1・ユニコーンのバイトダンス。主力サービスの「TikTok」は、その中国バージョンである「Douyin（抖音）」も合わせると、MAU（月間アクティブユーザー）が10億人に達し、いまや世界に並ぶもののないショートムービー・プラットフォームとして存在感を増している。 オンラインサロン「中国トレンド情報局」で、北京から最新の中国事情を発信している黄未来さん初の著書『TikTok 最強のSNSは中国から生まれる』は、ともすれば若者がクチパクやダンス動画を投稿しているだけのSNSと見られがちなTikTokの真の実力を、「テキストから動画へ」「検索からレコメンドへ」「インフルエンサー経済」といった切り口で鋭く分析した本だ。現地の事例満載の本書を読めば、SNSの新しいトレンドは、シリコンバレーではなく、中国から広がっていることが実感できるだろう。 ここでは、オンラインサロン

サービス開発の手法や考え方について、知見や学びを共有する勉強会である「Cookpad Product Kitchen」。2019年9月25日に開催された第4回のテーマは「ユーザー体験を支える検索・マッチング技術」だ。サービス内にどれほど有益なデータがあったとしても、ユーザーがそこに到達できなければ、利便性を享受できない。いわば、検索・マッチングの技術がサービスの印象そのものを決定づけるのだ。では、有名サービスの開発・運用に携わるエンジニアたちは、いかなる手法を用いてデータとユーザーの橋渡しを行っているのか。クックパッド、メルカリ、エウレカの3社がそのノウハウを明かした。 ※本記事に記載されている数値などの情報はいずれも、イベント開催時点のもの。 「クックパッドのレシピ検索とレシピコミュニティ」 クックパッド株式会社 VP of Search 兼山元太氏 料理レシピ投稿・検索サービス「クック

以下の図が、構築したナレッジグラフの一部分を図示したものと、その中から上の表に対応する部分を拡大したものです。 ナレッジグラフの属性ノードの情報を活用することで、お客さまが以前に購入した本と同じ著者の本を推薦するといった、商品情報をもとにした推薦が可能になります。 モデルについて 知識グラフを使った推薦は HeteRec [Yu et al., 2014] をはじめ、数年前から盛んに研究されています。今回はそのなかでも解釈性が高く、大きなデータにもスケールする KGCN [Wang et al., 2019] をもとにモデルを作りました。KGCN はグラフニューラルネットワークをもとにしたモデルです。技術的な詳細については英語版の記事を参照してください。 実験 以下の 3 つのタスクをメルカリの本のデータを使って実験することで、ナレッジグラフを使った推薦の有効性を確認しました。 商品推薦

こんにちは。データ分析チーム(仮)の花井です。最近は、社内に蓄積されたデータを分析し可視化する方法を模索しています。 過去の記事では協調フィルタリングによるレシピ類似の可視化があります。 oishi-kenko.hatenablog.com 「つながり」を解き明かすネットワーク科学は、これまで薬品設計・代謝工学などの分野で研究者の間で応用されてきましたが、最近では人事に関わる「ピープル アナリティクス」*1といった分野が急速に発展しています。弊社では、ホットなネットワーク科学を食と医療に応用して様々な「つながり」を分析・活用していこうとしています。 今回は、 弊社のSlackデータを例にして、スプレッドシートを使ったネットワークの解析を説明します。BigQueryやPythonを題材にしようと思ったのですが、エンジニアに限らず誰でもネットワークの解析ができるよう、ノンプログラミングできる表