00:05
こんにちは、ながおかのプログラミングチャンネルです。
今回は、機械学習プロジェクトにおいて 精度がでないときの話をちょっとしたいと思います。
機械学習のプロジェクトをしているときに、 これは社内で行うプロジェクトでも、
実際、住宅、クライアントがいるプロジェクトでも そうなんですが、期待したような精度がでないということはあります。
それはもう仕方ないことで、 そういったときにどう対応するかという話なんですが、
もちろん、モデルを見直すであったり、 ハイパーパラメータなどのパラメータを調整して精度を上げる という試みをすることはもちろんなんですが、
それより前に行いたいこととして、 クライアント社内であれば、実際に行う他のチームとのコミュニケーション、
住宅の場合であれば、お客様とのコミュニケーションのところで、 いかにコミュニケーションをしておくかというところをお話したいと思います。
その機械学習のプロジェクトが、 他の分析のプロジェクトとどうしても違ってくるというところは、
1つは、実際にやってみないと ある程度わからないというところが結構あるというのはあるんですね。
これをやれば、ある程度の成果は出るだろう、 ある程度の精度は出るだろうというのはありつつも、
本当のところ、最終的にはやってみないとわからないというのが どうしても出てきてしまうというのがあります。
特にディープラーニングのようなモデル、 ドイプラーニングのような分析手法を使うと、
ちょっとどうしてもわからないとこが出てきてしまう。
そういうときにどれだけコミュニケーションで 信頼関係を握っておけるかというところが、
そのようなときの対応に差が出てくるのかなと思っています。
そこでどういうふうにコミュニケーションを 取っておくといいのかという話ですが、
これは常日頃から経緯をステップステップで コマ目にコミュニケーションしていく。
例えば始める前からこうこうこういうデータがあって、 我々はこういうふうに考えていて、
このような分析、このようなモデルを使って分析していきますと。
期待される成果としてはこうですが、こうこうこういう理由によって 期待されるような精度が出ないこともあり得ます。
その場合はまた違った、 こういった別のものを使ってやっていきます。
そのように考えている理由とリスク、 起こりうるリスクというのを共有して、
一緒に自分たちだけでなくてクライアントであったり、 社内の他のチームも当事者として一緒にやっていくというふうに
巻き込んでいけるということが大事かなと思っています。
ここで実際に巻き込めないで、単に分析お願いね というような関係になってしまうと、
結局ダメだったときに、全然ダメじゃんと、 じゃあ全然責任取ってよとか、
そういうような話になりかねないので、 そこは特に機械学習のプロジェクトの場合、
03:04
そういったコミュニケーション、 巻き込んでおくというのが大事かなと思います。
とはいえもちろん最終的には精度が出ないと やる意味がなくなってしまうので、
精度自体をもちろん上げるというのも大事ですが、 こういったそれの手前のコミュニケーションのところで
改善できるところというのもたくさんあると思うので、 そういったお話をさせていただきました。
ということで、このチャンネルでは レターやいいねコメントを絶賛募集していますので、
ぜひお願いします。 また、長プロで感想とかもいただけると嬉しいです。
ありがとうございました。
