Blog - LINE ENGINEERING

LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog

お知らせ：「LINEヤフー Tech Blog」に引っ越しました
LINE Engineering2023-10-02
LINE Engineering Blog official account
LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog （https://techblog.lycorp.co.jp/ja/blog） LINEヤフー Tech Blog のRSS これまでの過去記事は、ひきつづき当サイト上でご覧いただけます。今後ともどうぞよろしくお願い申し上げます。
【インターンレポート】詳細な説明文からの人間同士のインタラクション動作生成
馬上凌2023-09-29
AI Dev室 CVL VHLチーム
詳細な説明文からの人間同士のインタラクション動作生成東京大学情報理工学系研究科修士2年の馬上凌です。8月21日から9月29日の6週間、LINE DSC(データサイエンスセンター)のComputer Vision Lab (CVL) Virtual Human Lab (VHL)チームにてインターンシップに参加させていただきました。本記事では今回私が取り組んだ、詳細な説明文からの人間同士のインタラクション動作生成についてご紹介します。背景人間の動作生成は、アニメーションの生成や仮想空間内のアバター制御などにおいて重大な要素であり、ますます需要が高まっています。特に、文章を入力とした動作生成は人間にとって扱いやすいため、近年盛んに研究されています。動作生成における既存研究は、人間同士のインタラクションを含む動作の生成が困難だという課題を抱えています。これは、自身の動作生成時に、他者の動作を時間的・空間的に理解する必要があることに起因しています。例えば、握手する動作を生成したい場合、相手が手を出すタイミングに合わせて自分も手を出し、相手が近づいてくるのに合わせて自分も適切な速
【DroidKaigi 2023】Code Review Challenge 5問目解説
Hidetsugu Tamaki / Ralph2023-09-29
LINEのAndroidアプリを作っています。
こんにちは。コミュニケーションアプリLINEのAndroid版クライアントを開発している玉木です。この記事では、DroidKaigi 2023の企業ブースで行ったCode Review Challengeの5問目の解説をします。 Code Review Challengeについてはこちらを参照してください。出題タイトル: Bitter Sweets 5問目では、以下のコードが出題されました。 class MainActivity : AppCompatActivity() { override fun onCreate(savedInstanceState: Bundle?) { super.onCreate(savedInstanceState) setContentView(R.layout.activity_main) val request: Request = if (Build.VERSION.SDK_INT < Build.VERSION_CODES.TIRAMISU) { @Sup
- Android
- Code review
要件定義から運用まで、ML PMインターンの役割と学び
Lee Jaeyoung2023-09-29
Data Science CenterのDSC Planningチーム
はじめにこんにちは、京都大学大学院情報学研究科知能情報学専攻修士１年生のイジェヨン (Lee Jaeyoung) と申します。今回は、2023年夏にLINEのData Science CenterのDSC PlanningチームでML PM (Program Manager) として技術職就業型コースのインターンシップに参加しました。本記事ではその内容についてお話ししたいと思います。 ML PMとは？ LINE Data Science CenterにはDSC Planningチームという組織があり、ML (Machine Learning) やDS (Data Science) に関わるPM (Program Manager) が働いています。MLは機械学習のプロダクト開発を、DSは事業プロジェクトにおけるデータ分析を支える役割になります。今回私はMLに方に関わるML PMとして参加させていただきました。 ML PM とは、MLプロダクトに紐づいて、問題発見から実装・デプロイまでのすべての開発サイクルをマネジメントする人です。LINEのような大きい開発組織とな
【インターンレポート】デモグラフィックデータ可視化実装で学んだLINE NEWSのアジャイル開発
栗本龍一2023-09-29
ポータル開発室 NEWSサービス開発チーム
はじめにこんにちは！8月21日から9月29日までの6週間、LINE株式会社でサーバーサイドエンジニアとしてインターンシップをさせていただきました栗本龍一と申します。普段は大学でComputer Scienceを学んでいるほか、個人事業主としてWEBアプリケーションの開発を行っています。今回のインターンシップではNEWSサービス開発チームに所属し、記事を見た人のデモグラフィックデータ（人口統計学的データ）を可視化する機能の実装に取り組みました。この記事では、LINE NEWSで企画や要望がどのようにして実現されるかについてや、NEWSサービス開発チームで実践されているアジャイル開発、特にスクラムでの開発について、自身の実装時の体験をもとにお話したいと思います。背景 LINE NEWSでは現在1,100を超えるメディアと提携をし、記事をユーザーひとり一人にパーソナライズして配信しています(2022年1月時点)。一方で記事を配信しているメディアは、自身をフォローしているユーザーのデモグラフィックデータは確認できるものの、各配信記事を見た人のデモグラフィックデータを確認することはできま
【インターンレポート】Talk Message Risk Assessment Toolの開発
小谷将太郎2023-09-28
セキュリティアセスメントチーム
はじめにはじめまして。大阪大学大学院工学研究科修士1年の小谷将太郎です。2023年8月21日から9月29日までの6週間、Security Assessment Team(SAT)にインターンシップとして参加させていただきました。SATでは、LINEのリリース前のサービスや機能に対するリスクアセスメントやBugBounty Programの運営などを行なっています。リスクアセスメントでは、サービスの開発者から依頼を受けると、脆弱性やバグがないかを調査し、問題があれば開発者に修正の依頼を行います。BugBounty Programでは、外部のセキュリティ研究者から報告のあった脆弱性について社内で調査し、影響度の確認や修正の依頼、報奨金額の決定などを行います。私がLINEのセキュリティエンジニアのインターンに興味を持ったきっかけは、LINEのBugBounty Programです。以前、私が管理するOpenChatに不具合が生じたことがありました。この不具合の原因を調査する過程でバグを発見したため、LINEのBugBounty Programに報告したところ、報奨金の対象として認め
【インターンレポート】MLモデル解釈性の調査・探究および family serviceデータを用いた属性推定の改善
王朔2023-09-28
ML Sol.3チーム
はじめにこんにちは！LINEの6週間の就業型インターンシップで、ML室Solution3チームに所属させて頂いた王朔といいます。簡単に自己紹介をすると、東京大学大学院情報理工学系研究科の修士1年で、機械学習の理論を専門とする研究室に所属していて、個人的には機械学習の解釈性に関する研究をしています。インターンでは私の研究分野との融合を考えて「MLモデルの解釈性の探究」を1つの大きなテーマとしました。また今回お世話になったチームではユーザ属性(users' persona)をメインに扱っており、LINEの開発環境自体に触ることや、属性推定の精度を向上をさせることを目的として「family serviceデータを用いた属性推定の改善」というテーマについても取り組むことになりました。この記事では、これら2つのテーマについて私が得た体験と学びを書いていこうと思います。それでは第一部として「MLモデル解釈性の調査・探究」についてどうぞ！！ MLモデル解釈性の調査・探究背景 AIはblack box 一般的な話として、機械学習・深層学習モデル(以後MLモデルと呼ぶ)は基本的にブラックボック
【インターンレポート】2023 LINE技術職インターンシップ（ハッカソンコース）の様子をご紹介
LINE Engineering2023-09-28
LINE Engineering Blog official account
2023年8月~9月にかけてLINE技術職インターンシップ・ハッカソンコースを開催しましたので、その様子をご紹介します。このコースは、本格的なチーム開発を体験していただくこと、新しい技術に挑戦して今後につながる学びを得ていただくことなどを目的としています。今年で5回目の開催となったハッカソンコースですが、例年どおりの京都オフィスでの開催に加え福岡オフィスでもハッカソンインターンを実施し、初の2拠点開催で総勢22名の方にご参加いただきました。また、最終日の成果発表会は数年ぶりにオフラインでの実施となり盛況だったので、成果発表会の様子を中心にレポートをしていきたいと思います。なお、オリエンテーション〜開発までの詳細は昨年のハッカソンレポートをご確認ください。 2023年のハッカソンインターンの概要今年の開発テーマは昨年に引き続き「フードデリバリーアプリ」の開発でした。京都オフィスは京都の大文字焼きがハッカソンの開始日だったことに因んで、チームdai、チームho、チームmyoの3チームに分かれて、福岡オフィスは福岡を代表する駅である博多駅と天神駅からとって、チームhakataと
【DroidKaigi 2023】Code Review Challenge 4問目解説
Yuki Ando2023-09-27
iOS/Androidエクスペリエンス開発チーム
こんにちは。コミュニケーションアプリLINEのクライアントを開発している安藤です。この記事では、DroidKaigi2023の企業ブースで行ったCode Review Challengeの4問目の解説をします。 Code Review Challengeについてはこちらを参照してください。出題タイトル: Caught on Running 4問目では、以下のコードが出題されました。 class SomeActivity : AppCompatActivity() { private val logger: Logger = Logger() private val userDataRepository = UserDataRepository() override fun onCreate(savedInstanceState: Bundle?) { super.onCreate(savedInstanceState) setContentView(R.layout.activity_huge_legacy
- Android
- Code review
【インターンレポート】言語モデル訓練データのクリーニング：ルールベース vs 機械学習
近藤瑞希2023-09-27
NLP Foundation Devチーム
言語モデル訓練データのクリーニング：ルールベース vs 機械学習こんにちは、早稲田大学修士課程1年の近藤瑞希と申します。8月21日から9月29日の6週間、NLP Platform Foundationチームでインターンシップに参加しました。本レポートでは私がインターンシップ中に取り組んだ、言語モデル訓練データのクリーニングについて報告します。背景 ChatGPTなどに代表される大規模言語モデル(LLM)は多量のテキストを用いて学習を行っています。分析や研究に使うためにテキストを集積して構造化したものをコーパスと呼び、代表的なものではPile[1]やC4[2]が挙げられます。 LLMの学習に使われるコーパスはWeb上のテキストを集めたものが多く、質の悪いデータが含まれています。例えば、同じ単語の繰り返しや意味が通っていない文章などがWeb上には多く存在します。こうした質の悪いデータを除くことでLLMの性能が向上するといった報告もあります[3]。そのため多くのLLM事前学習ではテキストの品質を判定するフィルタを作成して、コーパスのクリーニングを行っています。フィルタはほとんどの場合でル

1 2 3 4 5