Machine Learning Platform室
Machine Learning Solution室
参考情報一覧


組織・業務紹介
LINE Machine Learning Dept, Data Science Center
2021年7月1日に開催した「LINE Machine Learning室 採用説明会」にて使用したMachine Learning室の紹介資料です。
※2022/2/2現在、スライド17枚目に記載のOpen Positionsのうち、「ML Product Manager」「ML Project Manager」は「プロジェクトマネージャー / Data Science Center」に統合されています。
LINEが抱えるデータの価値を最大化するのがミッション
LINEのMachine Learning室の各チームが目指すLINEの価値創造
LINEの機械学習の専門組織である「Machine Learning室」に所属する機械学習エンジニア、プロジェクトマネージャー、プロダクトマネージャーが、自らの仕事内容を紹介するイベントにおいて、それぞれのチームが抱えるミッションと業務について共有しました。
今より優れていればどんどん新しくしていく
LINEのMachine Learning室がチャレンジし続けるチームでいれるわけ
LINEの機械学習の専門組織である「Machine Learning室」に所属する機械学習エンジニア、プロジェクトマネージャー、プロダクトマネージャーが、自らの仕事内容を紹介するイベントにおいて、各チームで働く機械学習エンジニアたちが、実際の業務についてパネルディスカッションしました。
サービス横断で機械学習のデータを使いやすく整形
LINEのMachine Learning室のお仕事
LINEの機械学習の専門組織である「Machine Learning室」に所属する機械学習エンジニア、プロジェクトマネージャー、プロダクトマネージャーが、自らの仕事内容を紹介するイベントにおいてMachine Learning室のミッションについて共有しました。
LINEの広告やスタンプを適切に推薦するために機械学習をバックアップする2つのチーム
LINEの機械学習/データ基盤開発/AIサービス開発といった各部門のサーバーサイドエンジニア関連の横断的なオンライン採用イベントにて、大東と樋村が機械学習開発部門(Machine Learning室) サーバーサイドエンジニアの仕事についてご紹介しました。
LINE初のエンジニアフェロー並川淳さんは、どんな仕事をしているのか。マシンラーニングエンジニアが求められるスキルとは。
LINE初のエンジニアの最高役職、フェローに就任した並川(ML基盤開発担当)のインタビュー記事です。フェローとはどういう役職で、所属する「LINE Data Labs」というチームではどんな役割があるのか、活躍できる人材について紹介します。
インタビュー 石河純輝 (LINE 新卒採用 2021)
大学院を経て2020年に機械学習エンジニアとして入社した石河に、入社を決めた理由や詳しい業務内容・具体的な仕事の流れを聞きました。
プロジェクト紹介
より良い機械学習基盤を構築するために。属性推定システムのリニューアルにおける工夫と改善
ユーザー一人ひとりへ最適なコンテンツやサービスを届けるため、LINEでは機械学習を用いてユーザーの属性や興味・関心を推定する属性推定システムを開発・運用しています。2021年の夏に、この属性推定システムの利便性やメンテナンス性を向上させるため大規模なリニューアルを実施しました。
その過程で機械学習モデルだけではなく、モデルへの入力データパイプラインやモデル推論結果を安定的に外部供給するための仕組みなど、いくつもの改善ポイントが見えてきました。それらの課題を解決するために取り組んだ施策の秘話を機械学習エンジニアが解説いたします。
MLOpsを支えるモニタリングシステム。「Lupus」開発の裏話
このインタビューではMLプロダクトに必要なメトリクス収集やアラートシステム、ダッシュボードなどの機能を実現するモニタリングシステム「Lupus」の開発についてMachine Learning室 Machine Learning Developmentチームの石河が解説します。
レコメンド・画像自動タグ付け・ペルソナプロジェクト…
LINEのMachine Learning Solutionの2つのチームが開発しているもの
Machine Learning Solution1チームのマネージャーとMachine Learning Solution2チームのマネージャー吉永尊洸氏が、それぞれのチームが抱えるミッションと業務について共有しました。
数億のユーザーデータを使って作る機械学習の仕組み
LINEのエンジニアが開発するサービス横断型レコメンデーション
LINEで働くエンジニアが、各職種別に日々の業務内容や開発体制、働く環境、今後の展望などについて学生向けに話した「新卒採用 職域別エンジニア会」にて、Machine Learning室の取り組みを紹介しました。
ユーザー調査とテストを徹底的に繰り返し、反対派も巻き込みローンチに至った「スマートチャンネル」開発プロジェクトの裏側
天気予報や占い・話題のニュース記事など、普段利用しているLINEサービスからユーザーにおすすめの情報が、LINEのトークリスト上部に表示される新機能「スマートチャンネル」。今回はこのスマートチャンネルの企画からリリースまでの開発舞台裏について、プロジェクトメンバーに語り合ってもらいました。
イベント登壇記事
Tech-Verse 2022
Federated Learningを用いたLINEスタンプの推薦
LINEスタンプの推薦エンジンの処理の一部を連合学習(Federated Learning)に置き換えた事例を中心に、プライバシーに配慮した機械学習分野におけるLINEの取り組みをご紹介します。
LINE DEVELOPER DAY 2021
出前館におけるサービス向上のための機械学習
フードデリバリー事業における推薦システム、調理時間や配達時間の予測、ドライバー配置効率化のための需要予測、ドライバーと配送を担当する注文の効率良い組合せの決定などの取り組みにおいてそれぞれどのような難しさがあり、それをどのように解決しようとしているのかについてお話しします。
属性推定システムのリニューアルで見えた様々な課題とその解決の事例紹介
長年運用してきた従来の属性推定システムに対して、メンテナンス性向上などの観点から、昨年の夏、大規模なリニューアルを実施しました。
その過程で見えてきた課題をどのように解決してきたかについて、これまでのストーリーを交えつつ、実際の取り組みをいくつかご紹介いたします。
Lupus - MLOpsを加速させるためのモニタリングシステム
MLOpsでは学習やデプロイのパイプラインに注目されがちですが、そのライフサイクルを回すためには日々のモニタリングもまた重要です。そのため、MLプロダクト特有のメトリクスの収集やアラートシステム、ダッシュボードを共通化し、MLエンジニアやPMのような運用者が、工数をかける必要のないモニタリングシステムの開発に取り組みました。
本発表では、LINEにおけるMLOpsの課題とともに、MLOpsのためのモニタリング共通基盤 "Lupus" をご紹介します。
機械学習で使っている分散処理用RPCライブラリ
素早い起動、少ない依存ライブラリ、コードの書きやすさを念頭に開発したPythonの分散処理用のRPCライブラリを、いくつかの事例を交えて紹介します。
LINE DEVELOPER DAY 2020
機械学習アプリケーションのための、大規模データを分散処理するライブラリ
大規模データを使った研究開発において、機械学習エンジニアは、Hadoop上のデータ処理 〜 Kubernetesにおける計算リソース管理など、幅広い業務に携わる必要があります。特に大規模データをGPU上で処理する際には、データアクセス管理、データ転送、計算リソースの効率活用、分散学習などが課題となってきます。これらの課題を解決するために開発した内部ツール群と、これらを使った最新事例をご紹介します。
Libra suite – LINEのMLプロダクト改善のための内製ツールセット
LINEのData LabsはLINEの各サービスに機械学習ソリューションを提供していて、その一環としてMLOpsを実施するためのツール群「Libra suite」を開発運用しています。「Libra suite」は、推薦結果のデモ、A/Bテストの設定〜モニタリングする機能を有し、MLを含むデータ活用での最適化を支援しています。本発表では、このツール群の開発背景、仕組み、運用実例をご紹介します。
LINEサービス向けの効率的かつ効果的な推薦システム開発に向けて
推薦システム開発における実課題に対し我々がどのような取り組みを行っているか、データセット構築・推薦ロジック・評価などのレイヤごとに説明していきます。そしてそれらの実課題を念頭において現在開発しているシステム(masala)について説明いたします。
LINEではどのようにサービス横断でのデータ活用を実現しているのか
サービス横断的に行っているそのようなLINEのデータ活用事例を、分析・機械学習・マネジメントの観点からご紹介します。さらに、データ活用を推進するため開発している社内プロダクトについてもご紹介します。
自社LINE公式アカウントのメッセージ送りすぎ問題をデータサイエンスで解決する
LINE公式アカウントは、LINEと企業、ユーザーにとって三方良しとなるプラットフォームを目指しています。主要機能であるメッセージ配信機能によって、直接ユーザーに価値を届けることができることが本プラットフォームの大きな特徴です。プラットフォームの課題とそれを解決するためのデータサイエンス・機械学習の活用についてお話させていただきます。
LINE DEVELOPER DAY 2019
LINEの“すべて”のサービスから最適なコンテンツを届ける、推薦システムのアーキテクチャ
LINE フェロー Machine Learning 基盤開発担当の並川がLINEサービス全体を横断して、ユーザーに最適なコンテンツを届ける推薦システム構築について語りました。
LINE社内でのサービス横断データ活用の取り組み「Feature as a Service」の全体像
LINE Machine LearningチームのChaerim Yeoが、データ専門研究開発組織「LINE Data Labs」での機械学習の特徴量の運用方法「Feature as a Service」について解説しました。
LINE DEVELOPER DAY 2018
LINEの機械学習チームが語る、「おすすめのLINEスタンプ」のレコメンドアルゴリズム
Machine Learningチームの菊地が、機械学習を専門とするチームの紹介と、LINEのさまざまなサービスで用いられているレコメンド機能などの裏側について語りました。
その他外部メディア記事
「1日5億件のトラフィック」膨大なデータを活かして機械学習で事業に貢献するLINEのMachine Learningチーム開発裏側に迫る(gihyo.jp)
Machine Learningチームマネージャー菊地が、LINEが取り組む機械学習サービス開発について、オンラインインタビューに答えました。
LINEがサービス横断で実現する“データ活用の民主化”
「LINE DEVELOPER DAY 2020」では、ML基盤開発担当フェローの並川淳氏がLINEにおけるデータ活用事例を解説しています。さらにここでは、その並川氏に加え、データ分析のためのプラットフォーム構築に携わるチョルホ氏、そしてデータマネジメント室の勝山公雄氏に、具体的な取り組みなどについて伺いました。
LINEフェロー並川淳氏に聞いた、マシンラーニングでサービス価値や社会価値をどう向上できるのか?
LINEの機械学習を活用したサービス開発を担当する「Machine Learning室」において、フェローという立場で研究開発を続ける並川淳氏。機械学習はサービス価値や社会価値をどのように向上できるのか。それを実現するためのAI人材をどう育成するかについて、デジタルデザイン部の下條裕之氏が対談した内容を紹介します。
© LINE Corporation