Yahoo! JAPAN Tech Conference 2022 Day2 Keynote #yjtc

タグ yjtc

スライド概要

Yahoo! JAPAN Tech Conference 2022 Day2 Keynote発表スライドです。

Yahoo! JAPAN Tech Conference 2022は2022年2月3日、4日に開催しました。
https://techconference.yahoo.co.jp/2022/

アーカイブ動画はこちらからご覧ください。
https://youtu.be/iTazAJ2bSmc

profile-image

Yahoo!デベロッパーネットワーク

@ydnjp

作者について:

エンジニア・デザイナー向けのヤフー公式アカウント。イベント/登壇情報/ブログ記事など、ヤフーの技術・デザインに関わる情報を発信します。

スライド一覧
シェア
埋め込む»CMSなどでJSが使えない場合

公開日

2022-02-02 17:33:00

各ページのテキスト

1. Day2 Keynote 〜データ利活用編〜 ヤフー株式会社 サイエンス統括本部 塚本 浩司 ©2022 Yahoo Japan Corporation All rights reserved.

2. 塚本 浩司 サイエンス統括本部長 2009年ヤフー入社 研究所やデータ系開発部門で、広告をはじめとする サービスのデータ活用を推進 2018年より執行役員 ©2022 Yahoo Japan Corporation All rights reserved.

3. このセッションについて データサイエンスをいかにサービスやプロダクトに導入し、 目指す世界像の達成やビジネス成長に結びつけていくのか。 その方向性や事例の一部をご紹介します。 ©2022 Yahoo Japan Corporation All rights reserved.

4. アジェンダ 1. ヤフーでのサービスとデータサイエンスの関係 2. データ利活用のアプローチ 3. データ利活用の事例 ©2022 Yahoo Japan Corporation All rights reserved.

5. アジェンダ 1. ヤフーでのサービスとデータサイエンスの関係 2. データ利活用のアプローチ 3. データ利活用の事例 ©2022 Yahoo Japan Corporation All rights reserved.

6. 1. ヤフーでのサービスとデータサイエンスの関係 Zホールディングスのサービス • Zホールディングスには多くのサービスが存在 (多くはtoC) • ヤフーのデータ組織は、グループ企業のサービス改善もミッションの一つ ©2022 Yahoo Japan Corporation All rights reserved. 2019年度 決算説明会資料より ※2019年度決算説明会時点での情報

7. 1. ヤフーでのサービスとデータサイエンスの関係 収益の構成 2019年度決算説明会資料の数値に基づく メディア事業 売上収益 3,410億円 検索連動型広告 YDN 1,697億円 トップ リアルタイム 検索 コマース事業 ファイナンス 1052 億円 1,052 天気・災害 スポーツナビ ©2022 Yahoo Japan Corporation All rights reserved. GYAO! (動画配信) 取扱高 プレミアム広告 660億円 ビューティー 検索 2兆5,936億円 ショッピング事業 10,347億円 ニュース ショッピング 知恵袋 ZOZO リユース事業 8,041億円 サービス・ デジタル 4,462億円 PayPay モール ヤフオク! 一休. com LOHACO PayPay フリマ ebook japan その他 3,086億円 ASKUL

8. 1. ヤフーでのサービスとデータサイエンスの関係 データ利活用の組織の位置づけ メディアカンパニー メディア 統括本部 検索 統括本部 コマースカンパニー マーケティング ソリューションズ 統括本部 事業 推進室 ショッピング 統括本部 O2O 統括本部 サービス 統括本部 ヤフオク! 統括本部 決済 統括本部 金融 統括本部 政策企画 統括本部 テクノロジーグループ データ統括本部 システム統括本部 サイエンス統括本部 コーポレートグループ 財務統括本部 ©2022 Yahoo Japan Corporation All rights reserved. 法務統括本部 ピープル・デベロップメント統括本部 SR推進統括本部 2019年度第1四半期決算説明会資料より

9. アジェンダ 1. ヤフーでのサービスとデータサイエンスの関係 2. データ利活用のアプローチ 3. データ利活用の事例 ©2022 Yahoo Japan Corporation All rights reserved.

10. 2. データ利活用のアプローチ アプローチの大枠 2.基盤技術開発+ レディーメイド化 自然言語処理 4.カルチャー 論文・記事発表 底上げ 学会参加 音声処理 導入 Yahoo! JAPANトップページ タイムライン Yahoo!検索 先進技術の 取り込み Yahoo!広告(ディスプレイ広告) ショッピング、ヤフオク︕、ZOZO PayPayカード 画像/動画処理 社内イベント ex. ポスター発表 機械学習 人財交流 情報検索 3.レディーメイド導入推進 導入 採用・教育 技術調査 1.オーダーメイド構築 ログ・ユーザー分析 Yahoo!ファイナンス Yahoo!知恵袋 レコメンデーション 大規模データ処理 Yahoo!ニュース Yahoo!不動産 使いやすさ等 feedback PayPay 求人検索 スタンバイ GYAO! ebookjapan … ©2022 Yahoo Japan Corporation All rights reserved.

11. 2. データ利活用のアプローチ アプローチの大枠 導入 1.オーダーメイド構築 Yahoo! JAPANトップページ タイムライン Yahoo!検索 先進技術の 取り込み ©2022 Yahoo Japan Corporation All rights reserved. Yahoo!広告(ディスプレイ広告) ショッピング、ヤフオク!、ZOZO PayPayカード

12. 2. データ利活用のアプローチ 1.オーダーメイド タスク  ヤフーのサービス・ビジネス全体に占める比重が 大きく、独自技術でのレバレッジが大きいもの  十~数十人規模のサイエンティストを専任で充て て、先進的なロジック・システムをつくる 選択の 基準 隣接領域 との関係 1.オーダーメイド構築 Yahoo! JAPANトップページ タイムライン Yahoo!検索 Yahoo!広告(ディスプレイ広告) ショッピング、ヤフオク︕、ZOZO PayPayカード  ビジネス規模・データサイエンス導入によるリターンの大きさ  技術的に今後注力すべきと判断したもの (数年前のフィンテック)  開発した技術のレディーメイド化  レディーメイドが使えれば、独自開発しない ©2022 Yahoo Japan Corporation All rights reserved.

13. 2. データ利活用のアプローチ アプローチの大枠 2.基盤技術開発+ レディーメイド化 自然言語処理 音声処理 底上げ 導入 先進技術の 取り込み 画像/動画処理 機械学習 情報検索 導入 レコメンデーション 大規模データ処理 ログ・ユーザー分析 … ©2022 Yahoo Japan Corporation All rights reserved. 使いやすさ等 feedback

14. 2. データ利活用のアプローチ 2.基盤技術開発+レディーメイド化 タスク 選択の 基準  サービスで広く使われる先進的な技術を開発  十人以上のサイエンティストで独自ロジック・シ ステムを構築 自然言語処理 音声処理 画像/動画処理  ヤフーのサービス全体への貢献度 機械学習  学会や技術コミュニティでのトレンド 情報検索  ヤフーに得意な人がいるか︖ 隣接領域 との関係 2.基盤技術開発+ レディーメイド化  オーダーメイドで開発された良いものの取り込み  オーダーメイドやレディーメイドでの利用の推進  学会やOSSコミュニティなどで発信 ©2022 Yahoo Japan Corporation All rights reserved. レコメンデーション 大規模データ処理 ログ・ユーザー分析 …

15. 2. データ利活用のアプローチ アプローチの大枠 3.レディーメイド導入推進 導入 Yahoo!ニュース Yahoo!ファイナンス Yahoo!知恵袋 Yahoo!不動産 使いやすさ等 feedback PayPay 求人検索 スタンバイ GYAO! ebookjapan … ©2022 Yahoo Japan Corporation All rights reserved.

16. 2. データ利活用のアプローチ 3.レディーメイド導入推進 タスク  オーダーメイド程の規模ではないが、サービスの 改善が見込めるもの  サービスのエンジニアと協力しながらレディーメ イドのツールの導入を行い、サービス改善を行う 3.レディーメイド導入推進 Yahoo!ニュース Yahoo!ファイナンス Yahoo!知恵袋 Yahoo!不動産 PayPay 求人検索 スタンバイ GYAO! ebookjapan 選択の 基準 隣接領域 との関係  データサイエンス導入によるリターンの大きさ …  サービス側の優先度の高いもの  レディーメイドの成果の利用し、使いやすさ等をフィードバック ©2022 Yahoo Japan Corporation All rights reserved.

17. 2. データ利活用のアプローチ アプローチの大枠 4.カルチャー 論文・記事発表 底上げ 学会参加 社内イベント ex. ポスター発表 人財交流 採用・教育 技術調査 ©2022 Yahoo Japan Corporation All rights reserved.

18. 2. データ利活用のアプローチ 4.カルチャー タスク  データサイエンスの成果を社内外に広める  社外成果の取り込み  関わる人のレベルアップ 具体例  論文2020年度 24件 4.カルチャー 論文・記事発表 学会参加 社内イベント ex. ポスター発表 人財交流 採用・教育 技術調査 EMNLP, COLING, KDD, CHI, SIGSPATIAL, INTERSPEECH, …  Z AI Academia 選択の 基準 隣接領域 との関係  中長期で見たROI、エンジニアやチームのレベルアップにつながるか︖  全データサイエンス領域のレベルアップ ©2022 Yahoo Japan Corporation All rights reserved.

19. 2. データ利活用のアプローチ アプローチの大枠 2.基盤技術開発+ レディーメイド化 自然言語処理 4.カルチャー 論文・記事発表 底上げ 学会参加 音声処理 導入 Yahoo! JAPANトップページ タイムライン Yahoo!検索 先進技術の 取り込み Yahoo!広告(ディスプレイ広告) ショッピング、ヤフオク︕、ZOZO PayPayカード 画像/動画処理 社内イベント ex. ポスター発表 機械学習 人財交流 情報検索 3.レディーメイド導入推進 導入 採用・教育 技術調査 1.オーダーメイド構築 ログ・ユーザー分析 Yahoo!ファイナンス Yahoo!知恵袋 レコメンデーション 大規模データ処理 Yahoo!ニュース Yahoo!不動産 使いやすさ等 feedback PayPay 求人検索 スタンバイ GYAO! ebookjapan … ©2022 Yahoo Japan Corporation All rights reserved.

20. アジェンダ 1. ヤフーでのサービスとデータサイエンスの関係 2. データ利活用のアプローチ 3. データ利活用の事例 ©2022 Yahoo Japan Corporation All rights reserved.

21. 3. データ利活用の事例 データ活用の事例 メディア 広告 アプローチ Yahoo! JAPANトップページタイムラインの最適化 後述 ニュースでの不適切コメント対策 ★深層学習による不快判定・関連度判定 Yahoo!検索でのDDの掲出判定 深層学習による掲出判定 Yahoo! BEAUTYでのヘアスタイル検索 ★深層学習によるヘアスタイル判別・類 似判定 YDAでのCTR/CV予測,年代推定,類似ユーザー拡張 深層学習による予測 検索での並び順の最適化 ★機械学習による検索ランキング最適化 レコメンデーション 深層学習等を用いたCTR/CVR予測 eコマース マーケティングメールの配信対象選択 機械学習を用いたオファー利用率予測 商品のカテゴリ推定・不正商品推定 機械学習を用いた商品の判別 PayPayカード入会審査・督促手段の選択 機械学習を用いたデフォルト等の予測 機械学習ランキングの使える検索のSaaS環境 基盤技術 ★深層学習等を用いた汎用レコメンデーションエンジン サービス利用状況に基づくユーザーの汎用ベクトル表現 ©2022 Yahoo Japan Corporation All rights reserved.

22. 3. データ利活用の事例 データ活用の事例 メディア 広告 アプローチ Yahoo! JAPANトップページタイムラインの最適化 後述 ニュースでの不適切コメント対策 ★深層学習による不快判定・関連度判定 Yahoo!検索でのDDの掲出判定 深層学習による掲出判定 Yahoo! BEAUTYでのヘアスタイル検索 ★深層学習によるヘアスタイル判別・類 似判定 YDAでのCTR予測/年代推定/類似ユーザー拡張 深層学習による予測 機械学習を使うケースが多いが、モデリングはタスクの一部 検索での並び順の最適化 ★機械学習による検索ランキング最適化 システム構築、データの整備、評価、更新・監視の仕組みづくり、 レコメンデーション 深層学習等を用いたclick/CV予測 などエンジニアリングの比重も大きい eコマース マーケティングメールの配信対象選択 機械学習を用いたオファー利用率予測 商品のカテゴリ推定・不正商品推定 機械学習を用いた商品の判別 PayPayカード入会審査・督促手段の選択 機械学習を用いたデフォルト等の予測 機械学習ランキングの使える検索のSaaS環境 基盤技術 ★深層学習等を用いた汎用レコメンデーションエンジン サービス利用状況に基づくユーザーの汎用ベクトル表現 ©2022 Yahoo Japan Corporation All rights reserved.

23. 3. データ利活用の事例 データ活用の事例 メディア 広告 アプローチ Yahoo! JAPANトップページタイムラインの最適化 後述 ニュースでの不適切コメント対策 ★深層学習による不快判定・関連度判定 Yahoo!検索でのDDの掲出判定 深層学習による掲出判定 Yahoo! BEAUTYでのヘアスタイル検索 ★深層学習によるヘアスタイル判別・類 似判定 YDAでのCTR予測/年代推定/類似ユーザー拡張 深層学習による予測 検索での並び順の最適化 ★機械学習による検索ランキング最適化 レコメンデーション 深層学習等を用いたclick/CV予測 eコマース マーケティングメールの配信対象選択 機械学習を用いたオファー利用率予測 商品のカテゴリ推定・不正商品推定 機械学習を用いた商品の判別 PayPayカード入会審査・督促手段の選択 機械学習を用いたデフォルト等の予測 機械学習ランキングの使える検索のSaaS環境 基盤技術 ★深層学習等を用いた汎用レコメンデーションエンジン サービス利用状況に基づくユーザーの汎用ベクトル表現 ©2022 Yahoo Japan Corporation All rights reserved.

24. 3. データ利活用の事例 Yahoo! JAPANトップページ タイムラインの構築 ①トピックス ②Autopi ③レコメンド  編集チームが公共性や社会的関心に基づき決定  編集チームと機械学習でピックアップした数百の品質の高い記事 から、統計×ヒューリスティックなルールで決定  各ユーザーの興味関心を、過去の閲覧記事を元に、RNNで 分散表現化 (Okura, KDD2017)分散表現でベクトル検索を 行い、推薦記事を選択  ベクトル検索は、密ベクトル検索エンジンで実現  記事の単語そのままを利用する場合に比べてクリック率が+23% ⓪その他 ©2022 Yahoo Japan Corporation All rights reserved.  メディアのほぼすべてのサービス(ニュースから、GYAO!、Trill等 まで)で入稿された記事・ユーザーログが一元管理されており、 分析や機械学習などでの利用が容易

25. 3. データ利活用の事例 ユーザー側もモデル化することで、レコメンドに活用 提示したニュースの クリック有無から ユーザーの興味を学習 GRU GRU News A News B News C GRU User Vector … GRU … Past ©2022 Yahoo Japan Corporation All rights reserved. Browsing History Current

26. 3. データ利活用の事例 配信時はパフォーマンスを考慮し内積を使いたい 1 week ago Click yesterday this morning Click Click Click features Model count, average, … 配信時の記事並べ替えは 予測モデルではなく内積で ©2022 Yahoo Japan Corporation All rights reserved. user features

27. 3. データ利活用の事例 内積が類似度として適切になるよう学習時の損失関数を工夫 An article in similar categories Base article Re-construction loss ©2022 Yahoo Japan Corporation All rights reserved. An article in non-similar categories + Inner product penalty

28. まとめ についてご紹介しました ©2022 Yahoo Japan Corporation All rights reserved.

29. ©2022 Yahoo Japan Corporation All rights reserved.

30. Day2 Keynote 〜研究開発編〜 ヤフー株式会社 サイエンス統括本部 Yahoo! JAPAN研究所 所長 CTO テックラボ 本部長 ©2022 Yahoo Japan Corporation All rights reserved. 田島 玲

31. 田島 玲 Yahoo! JAPAN研究所 所長 CTO テックラボ 本部長 ヤフーの2つのR&Dチームをリード データや先端技術をビジネスの現場で 役立てることがキャリアを通してのテーマ 趣味は、研鑽もかねてAIでの競馬予測 ©2022 Yahoo Japan Corporation All rights reserved.

32. このセッションについて 「AIテックカンパニー」を目指すうえで、最先端の技術を使いこなしていくことは 最も重要な課題のひとつです。 ここでは、ZHDグループとして、ヤフーとしての、技術を使いこなすため、 さらには新たに生み出していくための取り組みを事例も含めてお伝えします。 ©2022 Yahoo Japan Corporation All rights reserved.

33. アジェンダ 1. ZHDグループとしての取り組み 2. ヤフーとしての取り組み 3. 研究開発の事例紹介 ©2022 Yahoo Japan Corporation All rights reserved.

34. アジェンダ 1. ZHDグループとしての取り組み 2. ヤフーとしての取り組み 3. 研究開発の事例紹介 ©2022 Yahoo Japan Corporation All rights reserved.

35. 1.ZHDグループとしての取り組み ZHDの事業領域は、AIの社会実装という面で先行組 ZHDの事業領域 出典:科学技術振興機構 研究開発センター 研究開発の俯瞰報告書 2021年版 ©2022 Yahoo Japan Corporation All rights reserved.

36. 1.ZHDグループとしての取り組み 社会実装を進める上での重要な要素「倫理」への取り組みは必須 ©2022 Yahoo Japan Corporation All rights reserved.

37. 1.ZHDグループとしての取り組み AI倫理に関する有識者会議 外部の有識者の方々のご意見をふまえ、 委員の構成(敬称略) 委員長  大屋 雄裕(慶應義塾大学法学部 教授) 基本方針を明確化し、実効性のある  江間 有沙 自主ルールを策定していく  河島 茂生 (東京大学未来ビジョン研究センター (青山学院大学コミュニティ人間科学部  酒井 麻千子 → 事業領域は多岐に渡り、会社としての 准教授) 委員 (東京大学大学院情報学環 准教授) 准教授)  慎 ジュンホ (Zホールディングス株式会社 取締役GCPO(Group Chief Product Officer)) 規模もまちまちだが、グループとして  武田 英明 サポートしていく  田島 玲 (国立情報学研究所 教授) (Yahoo! JAPAN研究所 所長) ※五十音順。委員は今後適宜追加予定。 ©2022 Yahoo Japan Corporation All rights reserved.

38. 1.ZHDグループとしての取り組み Z AI アカデミア Zホールディングスの中の「AI人材が集まり共に学ぶ場」 Zアカデミア 学長 Zアカデミア 学長 伊藤 羊一 氏 ボードメンバー LINE株式会社 執行役員 AIカンパニーCEO 砂金 信一郎 氏 ©2022 Yahoo Japan Corporation All rights reserved. ヤフー株式会社 Yahoo! JAPAN CDO 谷口 博基 氏 ヤフー株式会社 Yahoo! JAPAN 研究所 所長 田島 玲 氏 幹事 株式会社一休 代表取締役社長 榊淳氏 アスクル株式会社 執行役員 兼CDXO 宮澤 典友 氏 株式会社 ZOZO NEXT 取締役 CAIO 野口 竜司 氏 38

39. 1.ZHDグループとしての取り組み Z AIアカデミアで目指したいこと 文理AI人材 の育成/量産 Knowledge Sharing Business Collaboration 文理両軸における AI人材育成の 推進/加速を目指し ZHDにおける AIに関する ナレッジシェアと AIを利用したビジネス コラボレーション促進を 行いたい AIテックカンパニーとしての人材・ナレッジ・実践力の底上げへ ©2022 Yahoo Japan Corporation All rights reserved.

40. アジェンダ 1. ZHDグループとしての取り組み 2. ヤフーとしての取り組み 3. 研究開発の事例紹介 ©2022 Yahoo Japan Corporation All rights reserved.

41. 2.ヤフーとしての取り組み 内部連携 - サイエンスシェア会・ポスターセッション サービス側の開発チーム、サイエンスの推進チーム、研究所など部門横断で それぞれの取り組み事例を紹介、議論 サイエンス シェア会 ポスター セッション ©2022 Yahoo Japan Corporation All rights reserved. • 社内なので具体的な数字も含め、より突っ込んだ内容 • 毎週1時間。30分 x 2トピック • 参加者 百数十名(オンラインに移行して激増) • 一堂に会して議論する場も不定期で開催。 近年はオンライン

42. 2.ヤフーとしての取り組み オープンコラボレーション – 大学等との共同研究  青山学院大学 莊司先生  筑波大学 上保先生  NII 河原林先生  筑波大学 加藤先生  大阪大学 天方先生・原先生  東京工業大学 下坂先生  お茶の水女子大学 椎尾先生  東京工科大学 加藤先生  Carnegie Mellon University 渡部先生  東京工業大学 奥村先生  九州大学 藤澤先生  東京大学 中山先生  京都大学 吉川先生  京都大学 黒橋先生  京都大学 平先生  慶應義塾大学 大越先生  慶應義塾大学 神武先生  慶應義塾大学 杉浦先生  筑波大学 森嶋先生  筑波大学 志築先生 ©2022 Yahoo Japan Corporation All rights reserved.  東京大学 瀬崎先生・西山先生  東京大学 関本先生  東京大学 柴崎先生  東京大学 川原先生  東京大学 佐藤先生  東北大学 鈴木先生  東北大学 北村先生  名古屋大学 内田先生  奈良先端大学・立命館大学・ 新潟国際情報大学  奈良先端大学 荒牧先生  Purdue University  兵庫県立大学 大島先生・山本先生  プリモルスカ大学(University of Primorska )/Dr. Iztok Savnik  明治大学 小松先生・中村先生・ 宮下先生  明治大学・大阪府立大学  立命館大学 上原先生  立命館大学 西尾先生  早稲田大学 河原先生 (五十音順)

43. 2.ヤフーとしての取り組み アウトプット - トップカンファレンスでの積極的な発信 論文発表数の増加 主な採択(2020-) 120 海外での発表               国内での発表 100 80 60 40 20 0 2013 2014 2015 2016 ©2022 Yahoo Japan Corporation All rights reserved. 2017 2018 2019 2020 AAAI2 0 2 0 SDM2 0 2 0 PerCom 2 0 2 0 ICAS SP2 0 2 0 x2 Mobisys 2 0 2 0 KDD2 0 2 0 U IST2 0 2 0 SOU PS2 0 2 0 CIKM2 0 2 0 InterSpee ch 2 0 2 0 x2 SIGSPATI A L 2 0 2 0 x5 EMN LP2 0 2 0 ISS2 0 2 0 x3 COLIN G2 0 2 0            TEI2 0 2 1 CH I2 0 2 1 (TOCH I ) CH I2 0 2 1 x2 U bicom p2 0 2 1 ( IMWU T) PerCom 2 0 2 1 N AACL-H LT2 0 2 1 Interspee c h2 0 2 1 x3 ISS2 0 2 1 x1 SIGSPATI A L 2 0 2 1 x2 H COMP2 0 2 1 ASR U 2 0 2 1 x3  WSDM2 0 2 2  U bicom p2 0 2 2 ( IMWU T)  TEI2 0 2 2 x2

44. アジェンダ 1. ZHDグループとしての取り組み 2. ヤフーとしての取り組み 3. 研究開発の事例紹介 ©2022 Yahoo Japan Corporation All rights reserved.

45. 3.研究開発の事例紹介 WSDM2022 採択論文 1. Web系トップカンファレンスでの採択︕ Doubly Robust Off-Policy Evaluation for Ranking Policies under the Cascade Behavior Model  Haruka Kiyohara ( Tokyo Institute of Technology )  Yuta Saito ( Hanjuku-kaso, Co., Ltd. )  Tatsuya Matsuhiro ( Yahoo Japan Corporation )  Yusuke Narita ( Yale University )  Nobuyuki Shimizu ( Yahoo Japan Corporation )  Yasuo Yamamoto ( Yahoo Japan Corporation ) 2. Yale大 成田先生チームとのコラボレーション ©2022 Yahoo Japan Corporation All rights reserved. 3. 「AIの社会実装」の うえで重要なトピック

46. 3.研究開発の事例紹介 AIはデータのバイアスとの戦い 社会にあるバイアス AI実装によるバイアス 配信 データのバイアス AI倫理 ©2022 Yahoo Japan Corporation All rights reserved. 学習 サービス品質

47. 3.研究開発の事例紹介 WSDM2022 採択論文 Doubly Robust Off-Policy Evaluation for Ranking Policies under the Cascade Behavior Model  Haruka Kiyohara ( Tokyo Institute of Technology )  Yuta Saito ( Hanjuku-kaso, Co., Ltd. ) 既存のロジックで配信されたログ  Tatsuya Matsuhiro ( Yahoo Japan Corporation ) (=バイアスのあるログ)を使って、  Yusuke Narita ( Yale University ) 新しいロジックの性能を 正しく評価したい  Nobuyuki Shimizu ( Yahoo Japan Corporation )  Yasuo Yamamoto ( Yahoo Japan Corporation ) → PDCAを回して AIを磨き込むための土台 ©2022 Yahoo Japan Corporation All rights reserved.

48. 3.研究開発の事例紹介 技術的課題 – 「反実仮想(counterfactual)」 ログには実績しか残っていない。 施策の評価は、 もし出さなければ(/出していれば) どうだったか、との比較 であるべき(反実仮想) レコメンド 有り レコメンド 無し 実績 比較 実績 実績 比較 実績 実績 比較 実績 → 社会科学で発展してきた「統計的因果推論」の技術を活用︕ ©2022 Yahoo Japan Corporation All rights reserved.

49. 3.研究開発の事例紹介 WSDM2022 採択論文 Doubly Robust Off-Policy Evaluation for Ranking Policies under the Cascade Behavior Model  Haruka Kiyohara ( Tokyo Institute of Technology ) Doubly Robust Estimator*  Yuta Saito ( Hanjuku-kaso, Co., Ltd. )  Tatsuya Matsuhiro ( Yahoo Japan Corporation ) 主流となってきている、バイアスを補正する推定手法。  Yusuke Narita ( Yale University ) サンプルごとの重みを工夫する手法(IPW)と、観測できていない  Nobuyuki Shimizu ( Yahoo Japan Corporation ) ところを推定する手法(Direct)とのハイブリッド  Yasuo Yamamoto ( Yahoo Japan Corporation ) *) 興味の有る方はこちらを -> "Counterfactual Learning and Evaluation for Recommender Systems" https://sites.google.com/cornell.edu/recsys2021tutorial ©2022 Yahoo Japan Corporation All rights reserved.

50. 3.研究開発の事例紹介 WSDM2022 採択論文 Doubly Robust Off-Policy Evaluation for Ranking Policies under the Cascade Behavior Model  Haruka Kiyohara ( Tokyo Institute of Technology ) Doubly Robust を、  Yuta Saito ( Hanjuku-kaso, Co., Ltd. ) 情報検索でよくある  Tatsuya Matsuhiro ( Yahoo Japan Corporation ) リストの評価(Ranking) Yusuke Narita ( Yale University ) 上位に掲載されていたものに結果が影響を受ける仮定 Nobuyuki Shimizu ( Yahoo Japan Corporation ) (Cascade Behavior Model)  Yasuo Yamamoto ( Yahoo Japan Corporation ) という設定に適用 ©2022 Yahoo Japan Corporation All rights reserved.

51. アジェンダ 1. ZHDグループとしての取り組み 2. ヤフーとしての取り組み 3. 研究開発の事例紹介 ©2022 Yahoo Japan Corporation All rights reserved.

52. Keynoteセッションの振り返り We are hiring! ©2022 Yahoo Japan Corporation All rights reserved.

53. この後のセッション <Casual Talk> <Talk Session> 14:00 14:30 ヤフーのAIプラットフォーム紹介 ~AIテックカンパニーを支えるデータ基盤~ 安藤 俊介 ビッグデータから人々のムードを捉える 宮原 聡子 16:00 - Yahoo! JAPANのIaaSを支えるKubernetes 17:00 クラスタ、アップデート自動化への挑戦 高橋 陽太 eコマースと実店舗の相互利益を目指したデザイン 14:30 15:00 平田 美緖 <Talk Session> サイエンス領域におけるMLOpsの取り組み 小出 明弘 <Talk Session> 17:00 – 17:30 ヤフーを支えるセキュリティ ~サイバー攻撃を防ぐエンジニアの仕事とは~ Brahma Saurav, 小林 怜央 15:00 16:00 <Panel Session> 個人や企業によるOSSへの貢献 服部 典弘、栗原 望、武内 覚(ゲスト)、瀬尾 直利(ゲスト) <Panel Session> 17:30 - 組織におけるデータ文化の育み方 18:30 水田 千惠、天神林 大士、香川 和哉(ゲスト)、嶋村 昌義(ゲス ト) ©2022 Yahoo Japan Corporation All rights reserved.

54. ©2022 Yahoo Japan Corporation All rights reserved.