2016 년 2 월 25 일
Locruit Technologies는 기계 메이저 놀이터 목록의 "미래"를 개발합니다
정확도를 자동으로 향상시키는 메커니즘은 기계 튜닝 매개 변수로 실현됩니다.
Recruit Technologies Co., Ltd. (본사 : Chiyoda-Ku, Tokyo; CEO : Nakao Ryuichiro; 이하 신입 사원으로 언급)는 기계 메이저 놀이터 목록 모델을 사용하여 다량의 이미지 데이터를 분석하는 메커니즘을 개발했으며 신입 사원의 서비스에서 IT를 구현했습니다.이번에는 기계 메이저 놀이터 목록을 통한 빅 데이터 사용의 일환으로 기계 메이저 놀이터 목록 모델의 정확도를 "자동화"하는 작업을 수행했습니다.
① DeePlearning을 사용하는 기계 메이저 놀이터 목록 모델. 점점 더 실용적이 될 것으로 예상
Recruit Technologies는 이전에 딥 러닝*1을 사용하여 자체 이미지 분석 시스템을 구축하여 채용 그룹 서비스에서 구현했습니다. 예를 들어, 신입 사원 라이프 스타일이 제공하는 "Hot Pepper Beauty"의 네일 디자인의 유사한 이미지를 구별하고 큐 레이션 미디어 "Gathery"에서 부적절한 이미지를 교정하는 데 사용되었습니다.
*1 딥 러닝 ... "신경 네트워크 (인간 뇌의 신경 네트워크 모방)"이라는 기계 메이저 놀이터 목록 논리의 다층 조합.
기계 메이저 놀이터 목록 모델에서 파라미터 튜닝을 자동으로 자동화합니다
~ 인력없이 정확도를 자동으로 향상시키는 메커니즘을 달성합니다 ~
Recruit Technologies에서 채택한 이미지 인식 머신 러닝 모델은 다음 단계로 구성됩니다. 먼저 많은 수의 "교사 이미지"를 준비하고 "정답 범주"를 추가하십시오.
|
<リクルートテクノロジーズが採用している機械学習モデルの全体像>
- : 예를 들어, 우리는 많은 수의 호랑이 이미지를 준비하고 각 이미지에 대해 정답 범주 "그 이미지는 호랑이"를 제공합니다.
- : 교육 이미지를 사용하여 이미지에서 기능을 추출하고 예측 및 분류를 수행
- : 판별 모델로 훈련하기 위해 이미지와 다른 새 이미지를 게시
- : 새 이미지가 속한 범주의 확률을 결정합니다
Recruit Technologies는 2에 대한 판별 모델을 생성 할 때 "Convolutional Neural Net (CNN이라고 함)이라는 이미지 분석 방법을 사용합니다. 이것은 이미지 분석에 주로 사용되는 딥 러닝의 논리입니다.
첫 번째는 이미지를 분석하는 과정입니다. 왼쪽 이미지에 표시된 바와 같이, 특정 크기의 패치는 이미지에서 형성되며, 각 패치에 대한 여러 기능을 추출하기 위해 미끄러 져 슬라이드됩니다.
두 번째는 분해 된 부품을 하나로 모으는 과정입니다. 상기 추출 된 특징 수량을 수집하고 압축하여 계산량을 줄입니다.
이 두 단계를 반복하여 복잡하고 추상적 인 특징을 추출 할 수 있습니다. 추출 된 기능을 이러한 방식으로 결합하는 판별 모델을 사용하여
CNN 정확도 개선 프로세스
CNN에서, 위의 프로세스를 수행 할 때, 프로세스가 수행되는 순서 및 각 계층의 하이퍼 파라미터 (다중 매개 변수)의 설정 값이 중요하다. 다양한 하이퍼 파라미터 및 메이저 놀이터 목록 이미지 조정
<ハイパーパラメータの例>
패치 크기 조정
이 튜닝에는 이미지 인식 및 기능 추출을 위해 패치 크기를 조정하는 것이 포함됩니다.
슬라이드 크기 조정
패치 슬라이드 크기를 조정하고 기능 추출 영역을 설정하도록 튜닝.
자동 하이퍼 파라미터 튜닝
이미지 판별의 정확도를 향상시키기 위해 "메이저 놀이터 목록 계수", "반복 수"및 "모멘텀"과 같은 많은 다른 매개 변수를 위에 추가해야합니다. 이 매개 변수를 변경 한 후 순차적 모델을 생성하고 정확도를 여러 번 보는 단계를 반복합니다.
*2 DFO ... 실제 문제가 수학적 프로그래밍 문제로 취급 될 때 사용되는 솔루션 기술, 목적 함수의 차별화에 관한 정보를 사용 할 수없는 경우 DFO
③ 기계 메이저 놀이터 목록에서 기술의 도전을 모집
~ 실제 서비스의 품질을 지속적으로 개선하려는 목표 ~
머신 러닝에서 개발은 일반적으로 "혁신적인 기계 메이저 놀이터 목록 모델과 사용 방법"이 멈 춥니 다. 기계 메이저 놀이터 목록 모델이 생기고 정확도가 어느 정도 증가되면 정확도를 더욱 향상시키기 위해서는 많은 노력과 시간이 걸리기 때문입니다.
이 성과의 배경은 회원들을 탐험하려는 만족스러운 욕구였습니다. "더 많은 사용자에게 더 높은 품질의 서비스를 제공"하려는 우리의 약속은이 이니셔티브로 이어졌습니다.
회사 프로필
Recruit Technologies Co., Ltd.는 채용 그룹의 비즈니스를위한 온라인 마케팅 기술을 개발하고 제공하는 기능 회사입니다. 우리의 사명은 IT 및 인터넷 마케팅 분야에서 전문 지식과 혁신 기능을 갖춘 신입 사업을 발전시키는 것입니다.
- 회사 이름 : Recruit Technologies Co., Ltd.
- 설립 : 2012 년 10 월 1 일
- 용량 : 1 억 엔
- 직원 수 : 498 (2015 년 10 월 1 일 기준)
- 비즈니스 컨텐츠 : IT 및 온라인 마케팅 기술의 개발 및 제공
- 웹 사이트 :안전 놀이터- 온라인 추천 카지노 사이트
최첨단 기술에 대한 연구 개발을 수행하기위한 기술의 이니셔티브 모집
Recruit Technologies는 사용자에게 전례없는 경험 가치를 제공하기 위해 고급 기술을 모집 그룹 서비스에 구현하고 있습니다. 아래에 우리는 빅 데이터 활용 및 기계 메이저 놀이터 목록과 관련된 이니셔티브를 소개합니다.
빅 데이터 관련 강의
◆ WebDB Forum 2015 (2015 년 11 월 25 일)
````딥 메이저 놀이터 목록에 적용되는 이미지 분석 시스템 ''
Recruit Technologies Big Data Division은 딥 러닝을 적용하려는 노력의 일환으로 이미지 검색 시스템을 구축했으며, 이는 인공 지능을 실현하는 기술로서 비즈니스에 관심을 끌고 있습니다.서비스에서 구현되었습니다.
◆ 데이터 활용에 대한 세미나 (2015 년 9 월 1 일)
"신입 사원의 빅 데이터 사용 플랫폼 및 메타 데이터 관리 웹 소개"모집의 빅 데이터 사용 플랫폼 및 메타 데이터 관리 시스템 (Metadata Management System) 소개 모집의 비즈니스를 지원합니다. 각 비즈니스에 대한 여러 서비스를 운영하는 동안 데이터 정의 정보가 계획/개발에 배포되는 것과 같이 데이터를 완전히 활용할 수없는 문제가 등장했습니다.
◆ 인공 지능 협회 2015 (2015 년 5 월 31 일)
"단기간에 작업을 효율적으로 일치시키고 연결하는 일반 권장 사항에 따라"장기 동반 사용자를 고려하여 신부 및 결혼식 정보를위한 정보 추천 시스템 구축 "우리는"회사 유형의 권장 알고리즘 "이"특정 기간 (몇 개월에서 1 년에서 1 년까지) 동안 지속적으로 사용하는 서비스를 개발했습니다. 기계 메이저 놀이터 목록 방법 중 하나 인 "전송 메이저 놀이터 목록"을 사용하여 전체 앱은 일부 앱의 사용자 동작을 기반으로 개인화됩니다.
◆ Hadoop 소스 코드 읽기 (2015 년 5 월 21 일)
"추천 배치를 가속화하기위한 Spark/Mapreduce를위한 기계 메이저 놀이터 목록 라이브러리의 비교 검증"누적 된 데이터의 양이 증가함에 따라, 우리는 앱 관점에서 차세대 데이터 분석 처리 플랫폼으로 Spark의 실제 잠재력을 확인했습니다.
미래의 스마트 홈 기술 실험
IoT 기술 대중화의 표준으로서 물리 월에 중점을 둡니다. "집에서 실제 웹을 사용할 때 어떤 종류의 경험을 할 수 있습니까?"
*3 Google은 2014 년 10 월 3 일에 Google이 발표 한 프로젝트 인 사용자가 웹 기술을 사용하여 IoT를 사용하여 물건과 상호 작용할 수있는 시스템을 만들기위한 프로젝트를 발표했습니다.
