読者です 読者をやめる 読者になる 読者になる

えいのうにっき

主に Web 系技術ネタ。背景画像 is powered by grass-graph.shitemil.works

大都会岡山 合同勉強会にて、Google Prediction API についての話をしてきました #gbdaitokai #gcpja

正式名称は、合同勉強会 in 大都会岡山 - 2015 winter

gbdaitokai.doorkeeper.jp

当日の雰囲気とかは、こちら↓とか。

togetter.com

こちらで、Google Cloud Platform のクラウドサービス群の一つである、Google Prediction APIについて、お話させて頂きましたー。

当日使用した資料は↓コチラ。時間配分を大幅に間違えてしまい、「これは LT かな?」てなかんじの切り上げ方になってしまったこと、大変申し訳なく思います。。m(_ _)m

www.slideshare.net

発表の流れ的に、資料にも書いてないし口頭でも補足できなかった点を、こちらでフォローさせてください m(_ _)m

  • 対象となる問題の「答え」は、「文字列」か「数値」か、で、予測の仕方が異なります
    • 今日の発表で例示したものは「文字列」の場合
  • 「対象となる問題」は、複数カラム与えることも可能です

この2点を考慮した良い例が、あらかじめ Google の Prediction API のドキュメントの方に用意されておりまして、それが下記のような例となります。

例えば下記のようなデータを学習データとして入力した場合、

Temperature ,City,Day_of_year,Weather
52,"Seattle",283,"cloudy"
64,"Seattle",295,"sunny"
60,"Seattle",287,"partly_cloudy"
...

このデータによる学習完了後、 Seattle,288,sunny という問題を与えた場合、 63 という予測結果が得られます。というもの。...なんとなく、わかりますでしょうか。Day_of_year は、例えば 1/1 なら 1 、12/31 なら 365 となります。つまり、与えられた地点と日付、その天気から、気温を予測するという学習モデルとなります。

私が用意した例のように、答えが文字列の場合は「カテゴライズに関する予測」を行い、ここで挙げた例のような数値の場合は「Regression Value の予測(いい日本語が出てこなかった)」を行う、という違いがある......、、という、補足になります。

こういった注意点はありますが、それでも Prediction API は非常にお手軽かつおもしろいツールであることは代わりありませんので、ぜひ学習データを準備の上、遊んでみて頂ければと思います...!

そして、合同勉強会(&忘年会議)への感謝

今回、合同勉強会の前日・12/4 が会社の忘年会かつ奥さんの誕生日という、「1年のうち、最も避けるべき日取り」であったにも関わらず、なかばヤケクソ気味に参加したわけですが、本っ当に、参加してよかったと心の底から思っています。

この1年を通じて何度となく、チームビルディング・マネジメントについてツイッターなどで意見のやりとりをさせて頂いていた @mao_instantlifeさんと、始めて直接お会いすることができた・今日だけでも熱い議論をすることができたこと。

数年前にネットの記事上で拝見して一方的にフォローして以来、どんな方かもわからなかった @kitaindia さんともご挨拶・お話ができたこと。

合同勉強会にてはてなインターンについて発表されていた id:daiksy さんに、インターンの受け入れについて質問・相談させて頂けたこと。(私が自社の冬季インターンシップの担当になっている関係で。)

そしてなにより、バラエティに富んだ(富みまくった)岡山のエンジニアのみなさんに、お久しぶりにお会いできたこと!

(参加者多杉でウォーリーを探せ状態だけど...w)

また、何らかのテーマでおじゃまさせて頂きたいと思います!

こんなに大規模なイベントをつつがなく?進行して頂いた実行役員の皆様、本当にありがとうございましたー!!