Powerify

おすすめのML系の書籍

あとで書く

Powerifyについて

Shift ＋ Control ＋J ボタンで入力が止まるの早く直してください！（全角変換キーなので、、、）

こんなことありますよね

やる気スイッチがあればいいのに… →地味に辛い課題。。。

そこで

を作りました。

次のような、ものでこの課題の解決を私たちは目指します。

対話ができて、ひとりの時も、偉人から刺さる一言を貰えます！

対話スペースで、励ましてもらいたいときは、話を聞いてもらってやる気を上げましょう↑↑↑
あなたが元気になったら、やる気スイッチを押しましょう。
そのデータが、さらにあなたのやる気を刺激してくれることになりますよ。

元気を上げたいときは、誰かの背中も押してあげてくださいね。

それだけだと、利用者的にも、開発者的にも物たりさすぎるので、、、

ディープラーニングモデルや、最適化アルゴリズムを適用したり、 その仕組みに対して、フルサーバレス x インフラコード管理という ー　UX向上の目論見 ー　データ解析　x　データ運用 の仕組みを実現して…

もう1つの角度から、テーマにひっかけてみました！

アプリケーション構成について

構成は次の通りです。

ディープニューラルネットワークのモデルも含めて、全ての機械学習モデルがクラウド上にサーバレス構成になっていて、運用コスト、学習コスト、データコストなど、多くの面から優れたML運用が可能となっています。

フロント

• ionic

Webだけでなく、ネイティブとしてもデプロイが可能。 拡張性や、情報量を考えて選択。

• Twiter API (Auth, Favo-data）

Authorizationだけでなく、いいね情報を取得でき、ユーザの嗜好情報

サーバサイド

• apigateway

通信トラフィックを監視。Lambdaへのルーティングを担う

• lambda（Python）

MLや行列計算のタスクがあるため、Pythonで実装。

• dynamodb

機械学習データ、解析データ運用の観点からNoSQLを採用。 めっちゃ勉強になった。 （DynamoDB Streamsで発火して、色々データを扱えるみたいなので興味津々）

ML

• SageMaker Training Job

boto3経由で手軽にMLのタスクを発行出来る。 手軽にLambda経由などから発行出来るだけでなく、うまく扱えばディープな機械学習モデルも安価に運用できた。 S3やECRとも連携して、巨大データ運用、実行環境管理とも相性がいい

• Pytorch・Transformers

特に、SageMakerで運用しているため、アルゴリズムを考案する段階では、ガッツリローカルでも触った。 しかし、全てクラウド上でサーバレスで実装できている。 BERTを用いたいいねツイートの８つのマルチラベル感情分類を実装し、そのユーザ特性から、行列分解と合わせたブースティングを実現している。

• Python algorithm

ディープなモデルに対して、思い処理＋近似処理で、疎行列補完推定モデルをさらに高めている。 当然サーバレスで運用可能。

Ops

• cdk

ここまでサーバレス・フルクラウドを強調してきたのはこいつのため。 cdkならコードだけで、AWSのインフラを管理できる。 GUIを扱うより圧倒的に便利で、依存関係のために無茶な構成がしづらい。 再現性もあるため、他のプロダクトへの展開性も高く、非常に重要な技術。

• GitHub Actions

cdkとionicはマージと同時に自動でデプロイされるようにしていた。

NoSQL -> 学習モデルとの相性◎

研究の文脈ー＞５ー１０％が疎行列の前提 　　　　　　　スタートアップならもっと少なくても価値をあたる必要がある

→ブースティングモデル（BERT/行列分解）

cdk -> 特筆すべきは再現性の高さ。誰でも10分程度で今回のインフラ環境を再現でき、運用環境のもとで、サーバレスなデータ運用、MLOpsが可能!!