Data Scienceセンター

Machine Learning室

参考情報一覧

組織・業務紹介

機械学習エンジニアチームの組織/仕事内容、機械学習を用いた最新事例の紹介(ログミーTech)

 

Machine Learning1チーム/マネージャーの菊地とフェローの並川が、機械学習エンジニアチームの仕事内容や事例を紹介します。

 

 

LINEの機械学習を活用したサービス開発を担当しているチーム紹介

 

LINEの機械学習を活用したサービス開発を担うMachine Learningチームの、組織体制やプロジェクト、技術スタック、今後の課題やロードマップなどを具体的に紹介します。

 

 

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 Engineering Blog)

 

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 菊地悠 (LINE 新卒採用 2021)

 

Data LabsのMachine Learningに関するチームのマネージャーを務める菊地がMachine Learningの組織や所属体制、役割について紹介します。LINEのエンジニに求められる資質、仕事のやりがいについてもぜひご覧ください。

 

 

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

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(LINE Engineering Blog)

 

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

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。このツール群の開発

 

 

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 Corporation