出版社内容情報
予測に基づいた広告配信や商品推薦など、ビジネス施策の個別化や高性能化のために機械学習を利用することが一般的になってきています。その一方で、多くの機械学習エンジニアやデータサイエンティストが、手元のデータに対して良い精度を発揮する予測モデルを得たにもかかわらず、実際のビジネス現場では望ましい結果を得られないという厄介で不可解な現象に直面しています。実はこの問題は、機械学習の実践において本来必要なはずのステップを無視してしまうことに起因すると考えられます。機械学習を用いてビジネス施策をデザインする際に本来踏むべき手順を無視して予測精度の改善だけを追い求めると、「解くべき問題の誤設定」や「バイアス」といった落とし穴に気づかぬうちにハマってしまうのです。
この問題を解決するためには、機械学習のビジネス応用において必要となる前提条件を着実にクリアしなくてはなりません。しかし多くの現場では、「学習」や「予測精度」などに関する手法やテクニックのみに注目してしまう傾向があり、「機械学習にどのような問題を解かせるべきなのか」「実環境と観測データの間の乖離（バイアス）の問題にどのように対処すべきか」といった効果的なビジネス施策をデザインするために重要な観点が軽視されがちです。機械学習をビジネス施策に活かすための前提が整えられていないにもかかわらず、発展知識を身に付けたり論文の内容をそのまま実装したところで、望ましい結果を継続的に得ることは難しいのです。
本書では、ビジネス施策を自らの手で導くために必要な汎用的な考え方を身につけることを目指します。そのため本書ではまず、機械学習をビジネス現場で活用する際に本来踏まねばならないステップを明文化した汎用フレームワークを導入します。そしてその汎用フレームワークを活用しながら、効果的な施策を自らの手で導出する「施策デザイン」の流れを繰り返し体験します。これまで軽視されてきた「機械学習の威力を担保するために必要な前提のステップ」をフレームワークとして明文化し、データから施策を導くプロセスを自らデザインするという斬新なコンセプトで、ビジネスにおける変幻自在/臨機応変な機械学習の応用を可能にすることが、本書の最終目標です。
内容説明
「バイアス」に惑わされない臨機応変な機械学習の応用技術。これまで素通りされてきた「予測の前段階」に焦点を当て、データ分析者としての新たな腕の見せ所を浮かび上がらせる。
目次
１章 機械学習実践のためのフレームワーク
２章 機械学習実践のための基礎技術
３章 Ｅｘｐｌｉｃｉｔ Ｆｅｅｄｂａｃｋを用いた推薦システム構築の実践
４章 Ｉｍｐｌｉｃｉｔ Ｆｅｅｄｂａｃｋを用いたランキングシステムの構築
５章 因果効果を考慮したランキングシステムの構築
付録Ａ 演習問題
著者等紹介
齋藤優太［サイトウユウタ］
２０２１年に、東京工業大学で経営工学学士号を取得。大学在学中から、因果推論と機械学習の融合技術（反実仮想機械学習）や、バイアスを含むユーザの行動ログに基づく推薦・ランキング学習に関する研究を行う。その過程で、ＩＣＭＬ・ＲｅｃＳｙｓ・ＳＩＧＩＲ・ＷＳＤＭ・ＳＤＭなどの機械学習・データマイニング領域におけるトップレベル国際会議にて査読付論文を発表。２０２０年には、半熟仮想株式会社を共同創業。以降当社の科学統括として、複数の国内テクノロジー企業との共同研究の取りまとめを担当、専門技術の社会実装や大規模実証研究に取り組み、その研究成果の一部が日本オープンイノベーション大賞・内閣総理大臣賞を受賞。２０２１年秋からは、Ｃｏｒｎｅｌｌ Ｕｎｉｖｅｒｓｉｔｙ、Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ（Ｐｈ．Ｄ．ｐｒｏｇｒａｍ）に進学し、関連領域の研究を継続する
安井翔太［ヤスイショウタ］
２０１３年にＮｏｒｗｅｇｉａｎ Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓにて経済学修士号を取得しサイバーエージェント入社。入社後は広告代理店にて広告効果検証等を行い、その後２０１５年にアドテクスタジオへ異動。以降はＤＭＰ・ＤＳＰ・ＳＳＰと各種のアドテクプロダクトにおいて、機械学習に関する業務やデータを元にした意思決定のコンサルティングを担当。現在はＡＩＬａｂの経済学チームのリーダーとして経済学と機械学習の融合に関する研究を行う一方で、Ｄａｔａ Ｓｃｉｅｎｃｅ Ｃｅｎｔｅｒの副所長として社内のデータサイエンスプロジェクトのコンサルティングも担当（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
Taizo
yyhhyy
みぎつた
シエナ
tossy
