Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
AutoML パッケージの開発を円滑に進めたい / How to develop AutoML package
Search
Kon
July 19, 2019
Science
1
3.5k
AutoML パッケージの開発を円滑に進めたい / How to develop AutoML package
https://data-engineering.connpass.com/event/136756/
Kon
July 19, 2019
Tweet
Share
More Decks by Kon
See All by Kon
Numerai はいいぞ / An encouragement of Numerai
yohrn
0
2.4k
M5 Forecasting 参加報告 / 143rd place solution of M5 Forecasting Accuracy
yohrn
1
1.2k
AutoML はお好きですか? / 8th place solution of AutoWSL 2019
yohrn
1
3.2k
3rd Place Solution of AutoSpeech 2019
yohrn
0
380
自然言語処理初心者が AutoNLP に挑戦した話 / 8th place solution of AutoNLP 2019
yohrn
0
840
機械学習の再現性 / Enabling Reproducibility in Machine Learning Workshop
yohrn
9
2.8k
異常検知の評価指標って何を使えばいいの? / Metrics for one-class classification
yohrn
0
6.4k
35th ICML における異常検知に関する論文紹介 / Deep One-Class Classification
yohrn
0
7.2k
機械学習の公平性と解釈可能性 / Fairness, Interpretability, and Explainability Federation of Workshops
yohrn
6
2.5k
Other Decks in Science
See All in Science
スポーツメトリクス設計に対比較法を使いまくる / Sports metrics design using pairwise comparison method (spoana#14)
konakalab
1
790
Onsager代数とその周辺 / Onsager algebra tsudoi
usamik26
0
400
Leveraging conformal prediction for calibrated probabilistic time series forecasts to accelerate the renewable energy transition
ingevandenende
2
270
『データ可視化学入門』を PythonからRに翻訳した話
bob3bob3
1
380
Science of Scienceおよび科学計量学に関する研究論文の俯瞰可視化_LT版
hayataka88
0
540
Cross-Media Information Spaces and Architectures (CISA)
signer
PRO
3
25k
Spark_Task_Optimization_Journey_How_I_Increased_10x_Speed_by_Performance_Tuning
tlyu0419
0
210
HAS Dark Site Orientation
astronomyhouston
0
5k
Machine Learning for Materials (Lecture 1)
aronwalsh
1
1.5k
Machine Learning for Materials (Lecture 5)
aronwalsh
0
580
効果検証入門に物申してみた_JapanR_2023
s1ok69oo
6
4.6k
Microbiology Labs.
maleehafatima
0
140
Featured
See All Featured
In The Pink: A Labor of Love
frogandcode
138
21k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
34
8.9k
Creatively Recalculating Your Daily Design Routine
revolveconf
211
11k
How to Ace a Technical Interview
jacobian
273
22k
Documentation Writing (for coders)
carmenintech
60
4k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
242
1.2M
Happy Clients
brianwarren
92
6.4k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
67
14k
Web development in the modern age
philhawksworth
203
10k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
228
16k
Practical Orchestrator
shlominoach
183
9.8k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
8
3.5k
Transcript
AutoML パッケージの開発を円滑に進めたい データと ML 周辺エンジニアリングを考える会 #2 Jul 19, 2019
Yu Ohori (a.k.a. Kon) NS Solutions Corporation (Apr 2017 -
) • Researcher • Data Science & Infrastructure Technologies • System Research & Development Center • Technology Bureau @Y_oHr_N @Y-oHr-N #SemiSupervisedLearning #AnomalyDetection #DataOps
約 3 ヶ月,同僚 3 名と以下の大会に参加した April 1, 2019 - July
20, 2019 3 任意のデータセットに対 する予測精度を競う大会 https://www.4paradigm.com/competition/kddcup2019
何故参加したか? AutoML 周辺技術の調査 開発力強化 案件利用 4
本大会の内容は? 入力 • 5 つの表形式データセット • スキーマ,関係等が記載されたファイル(右図) 提出物 • 学習,予測を行うコード
制約 • 計算資源:4 vCPUs (16 GB Memory) • 計算時間:数十分程度 評価指標 • AUROC 5
本大会の課題は? 時系列データの扱い • data leak を予防する方法は? • concept drift に対応する方法は?
複数表の扱い • 一対多,多対多で結ばれる表を結合する方法は? 4 つの型の扱い • cat 型を num 型に変換する方法は? • multi-cat 型を num 型に変換する方法は? • time 型を num 型に変換する方法は? 6
Concept drift とは? データを生成する確率分布が時間経過で変化する現象 • cat 型の場合,新規カテゴリの出現が相当 7 Gama, J.,
et al., "A survey on concept drift adaptation," ACM CSUR, 46(4), p. 44, 2014.
結果は? 計算時間超過で失格… 通過チームは 31/161 パッケージの内容は 懇親会でお話します 8
開発中,問題になったことは? コードが煩雑で,予測精度が低下した際にバグを特定できない 9
どうやってこれらの問題を解決したか? Codecov カバレッジを記録 CircleCI テストを実行 Comet.ml 学習結果を記録 開発者 変更を push/PR
GitHub 外部サービスに通知 テスト及び CV スコアの監視を継続的に行い,バグの混入を早急に察知する 10
何故これらのサービスを採用したか? 環境構築の手間を削減できるため • mlflow は自身でサーバを構築する必要がある private リポジトリに無料利用できるため • Travis CI
は課金する必要がある • Code Climate は private リポジトリに利用できない 11
何を学習結果として記録したか? • commit ID • ブランチ名 • 実行日時 • 計算時間
• 標準出力 • 依存関係 • 学習曲線 • CV スコア • ベストパラメータ • 等 12