こんちには。
データアナリティクス事業本部 機械学習チームの中村(nokomoro3)です。
2024/05/15に開催された「Classmethod Showcase 事例で学ぶ、データ活用戦略の最新動向」で、「実践AI/ML ~よくあるユースケースとレコメンデーションの効果的な活用戦略~」というセッションで登壇致しました。
この中で、私はレコメンドに特化したセッションを担当し、レコメンド導入時に発生しうる課題やその対策方法について紹介いたしました。
本記事にてスライドや概要・補足等をご紹介いたします。
スライド
概要・補足等
レコメンデーションとは
レコメンデーションの定義から始まり、似たような処理として検索処理との違いに着目して紹介しました。
その上で、レコメンデーションを導入する意義を利用者側と事業者側に分けて説明しました。
レコメンデーション導入の実際
レコメンデーション導入の実際では、Amazon Personalizeの機能を中心に紹介しました。
また応用として、以下を紹介しました
- Personalizeを用いないレコメンド
- レコメンデーションを正しく評価するためのABテスト
- コスト最適な推論処理の設計
- レコメンデーション結果の適切な提示方法
- 継続的な改善を考慮したパイプライン
最後に
今年はレコメンドを中心に紹介したセッションでしたが、それ以外の画像処理、時系列処理、またはAmazon SageMakerなどを用いた基盤構築も対応しております。
ご興味がある方はぜひ以下から機械学習相談会をお申込みいただき、お気軽にご相談ください。
0
