Blog - LINE ENGINEERING

TAG ARCHIVES: Machine Learning

【インターンレポート】ML Annotation tool における AutoLabeling 機能の開発
Sota Nakatani2023-09-19
ML Infrastructure1チーム
はじめにこんにちは、中谷颯太と申します。京都大学大学院の修士1年で、都市計画系の研究室に所属しており、転居に伴う弊害についての研究を行っています。今回は6週間の就業型インターンとしてML Infrastructure1チームに参加させていただき、ML Annotation tool におけるAuto Labeling機能の開発に取り組みました。本記事では、その内容について紹介します。 ML Infrastructureチームとは ML InfrastructureチームではMLエンジニアがモデル開発に集中できるように、また社内の他組織がMLおよびその周辺環境を利用しやすくなるような環境を作ることを目的としており、そのためのプロダクトの開発や運用保守を行っています。そのようなプロダクトの一つとして、ML Infrastructureチームでは社内のデータから学習データをより便利に円滑に作成するためのAnnotation toolの提供を進めています。今回はこのプロジェクトに参加させていただき、その中の一機能であるAutoLabeling機能の開発を行いました。背景アノテーションと
【インターンレポート】OFS Spark Syncer supporting Iceberg
Kengo Arakawa2023-09-14
Machine Learning Infrastructure2チーム
はじめに自己紹介初めまして、京都大学情報学研究科修士１年の荒川健吾です。大学院では、HRI（ヒューマンロボットインタラクション）分野の研究室に所属し、アバターロボットの移動操作の困難性の解決に意図認識の手法を用いて取り組んでいます。また、普段はアルバイトとして医療現場での医師の負担軽減を目的としたカルテ要約ソフトのバックエンド開発を担当しています。今回は６週間の就業型インターンで、Machine Learning Infrastructure2チームに配属され、Spark を用いた OFS（Online Feature Store）のデータインジェストジョブの開発に取り組みました。 Machine Learning Infrastructure2 チームとは Data Engineering センター/Machine Learning Platform室に属し、4名のエンジニアが在籍しています。社内のエンジニアがMLモデルの開発や利用のみに集中できるように、MLとその周辺環境を利用しやすいものにすることを目的として、たくさんのプロダクト・ツールの開発・運用を行っています。
深層学習時系列予測モデルのライブラリー実装とLINEスタンプの月次売上予測
Kento NIshio2023-07-31
Data Science Developmentチーム
はじめに　初めまして。東京大学工学系研究科修士2年の西尾健人と申します。普段の研究ではグラフニューラルネットワークを用いて物質の構造からその物性を予測するモデルの開発に関する研究を行っています。6月から7月の2ヶ月に渡り週2〜3日、内定者アルバイトとしてData Science Developmentチームの業務をお手伝いさせていただきました。本記事では私が行った業務についてご紹介します。背景　Data Science Developmentチームでは属人化されがちであったデータ分析の知見や手法を全社のデータサイエンティストが使いやすくなるように，分析に必要な共通のツールや基盤を開発・整備しています。今回のアルバイトでは、時系列予測に関するプロジェクトの業務をお手伝いさせていただきました。　時系列予測プロジェクトでは時系列解析・予測のPython用OSSであるdartsパッケージとそれを拡張実装した独自ライブラリであるMLC Forecastingを開発することで、時系列予測の手法を使いやすい共通のインターフェースで提供しています。今回のアルバイトでは深層学習時系列予測モデルの
- Machine Learning
- Data Science
NeurIPS2022参加報告
Rei Sato, SengPei Liew2023-01-11
Sato:ML-Engineer / Liew: Research Scientist
LINEは最新技術の業務への応用を歓迎しており，その一助として情報収集を目的とした社員の国際会議への参加を支援する制度があります． 2022年11月28日から12月3日にかけて開催された機械学習分野のトップカンファレンスであるNeurIPS 2022には，弊社Machine Learning Solution室からSatoとLiewが聴講参加してきました．この記事では会議の様子や得られた知見を報告します． NeurIPS 2022とは NeurIPS（Neural Information Processing Systems）は年一回開催される機械学習に関する国際会議で，当該分野におけるトップカンファレンスの一つとして知られています．2022年は9634本の投稿があり，このうち2672本が採択されました（採択率27.7%）．採択された論文のうち，約200本が口頭発表（オンライン）を実施します．今年のNeurIPSはアメリカ合衆国ルイジアナ州に位置するNewOrleansで開催されました． NeurIPS 2022が開催されたNew Orleans Ernest N. Morial
SIGMOD2022 参加報告
Tsubasa Takahashi, Seng Pei Liew2022-08-23
Data Scienceセンター ML Privacyチーム / AI開発室 TrustWorthy AIチーム
LINE Data Scienceセンター、ML Privacyチームのリュウと髙橋です。6月に世界トップレベルの国際会議、SIGMOD2022にて発表しました。また、第43回先端的データベースとWeb技術動向講演会にて、SIGMOD2022国際会議報告を実施しました。本ブログではその模様について報告いたします。 SIGMOD 2022について Association for Computing Machinery主催のSIGMOD2022 (ACM SIGMOD/PODS Conference on Management of Data)は、データベース・データ工学分野におけるトップカンファレンスです。VLDBやICDEと並ぶデータベース系三大会議として知られています。本年度は、6月12日〜17日にかけてアメリカのペンシルベニアでオンラインと兼ねてハイブリットの形で開催されました。LINEからは、私たちリュウセンペイおよび髙橋翼と、京都大学大学院情報学研究科吉川正俊教授および曹洋特定准教授との共同研究の成果が採択され、発表の機会を頂きました。（参考）プレスリリー
【インターンレポート】　プライバシを保護したFederated Learningの安全性評価
Marin Matsumoto2022-02-25
2021年夏のインターンシップに参加したお茶の水女子大学の松本茉倫です．インターンシップでは「局所差分プライバシを適用したFederated Learningの安全性評価」について研究しました．本研究に関する論文は，第14回データ工学と情報マネジメントに関するフォーラム (DEIM2022) にて、3月1日に同タイトル（プライバシを保護したFederated Learningの安全性評価）発表予定です．研究背景クライアントが持つデータを集約せずに分散した状態で機械学習を行う方法として，2016年に提唱されたFederated Learningがあります． Federated Learningは，サーバから配布されたグローバルモデルを使ってクライアントが自身の持つデータの勾配を計算し，サーバが勾配を集約すること(平均化など)で学習モデルを更新する方法です．一見するとプライバシ保護されているように思えますが，クライアントが生成した勾配から元データが復元される恐れがあるとされています．プライバシ保護をした状態でFederated Learningを行う方法の一つとして，勾
【インターンレポート】有用性の高いモデルを獲得する差分プライベート学習手法
Ryuichi Ito2022-02-24
大阪大学情報科学研究科の伊藤竜一と申します．2021年の夏期インターンシップに6週間参加し，期間後もアルバイトとして従事していました．プライバシを保護しながらパーソナルデータを含むデータの分析を可能にしたいというモチベーションから，データ生成と差分プライベート学習に関する研究を行いました．この記事では差分プライベート学習について紹介したいと思います．なお，より詳しい内容は第14回データ工学と情報マネジメントに関するフォーラム (DEIM2022) にて「低ランク近似を介した選択的パラメータ更新による差分プライベート学習」として発表予定です．研究背景個人に関するデータ，つまりパーソナルデータの利活用が進んでいます．パーソナルデータの利用はサービスに有用となることが多いですが，一方で個々人の特定やプライバシの開示を防ぐ必要があります．プライバシ保護技術は多数ありますが，今回は差分プライバシという指標に注目します．差分プライバシは，簡単に説明すると，「特定のデータが含まれているかどうかの識別が ϵ, δ というパラメータで指定した程度に困難である」というこ
ICRA2021に位置合わせについての共同論文が採択されました
Kent Fujiwara2021-06-04
AIカンパニー AI Researchチーム所属の藤原研人です。弊社が国立情報学研究所(NII)と共同で運営している研究部門、ロバストインテリジェンス・ソーシャルテクノロジー研究センター(CRIS)の活動の一貫として、現在大阪大学の松下研究室と共同研究を進めています。この度、その成果の一部がICRA2021に採択されたので、弊社AI Researchチームの活動内容と共に紹介させて頂きます。 ICRA2021 ICRA(International Conference on Robotics and Automation)は、IROS(International Conference on Intelligent Robots and Systems)と並びロボティクス分野を代表する国際会議で、ロボティクス分野の新技術や関連するコンピュータービジョンの研究が発表されます。本年は5月30日から6月5日まで中国・西安とオンラインでのハイブリッド形式で開催されました。今回は松下研究室のFeiran Li氏、藤原、松下康之教授の共著論文が採択されました。本ブロ
新卒NLPエンジニアが取り組んだ音声合成システムにおける句境界予測モデルの導入
Kosuke Futamata2021-05-13
はじめにこんにちは、2020年4月に新卒としてLINE株式会社に入社した二又航介です。テキスト音声合成システムの研究開発を担当するAI開発室 Voiceチームに所属し、音声合成システムにおけるテキスト処理部の研究開発やチームの機械学習基盤構築に取り組んでいます。学生時代は機械翻訳や同時通訳に関連する研究に取り組んでいました。研究以外の活動としては、アルバイト・インターンでの対話システムや機械翻訳システムの研究開発、個人活動としてwebアプリケーション開発などを行っていました。このような活動を通じて、数多くのユーザーに利用される自然言語処理技術を活かしたサービスに携わりたいという思いからLINEを志望しました。学生時代は専ら自然言語処理に関連する研究に取り組んでいましたが、音声合成に興味を持ち始め、かつ音声合成システムの研究開発において自然言語処理の知見が活きるタスクが多くあるため、これらに取り組む形でVoiceチームに配属しました。全体研修や集中開発研修を経て、去年8月にAI開発室 Voiceチームに配属となりました。エンジニアとして入社した同期が、配属部門での開発業務について
【Team & Project】LINEの機械学習を活用したサービス開発を担当しているチームを紹介します
LINE Engineering2020-12-23
LINE Engineering Blog official account
LINEの開発組織のそれぞれの部門やプロジェクトについて、その役割や体制、技術スタック、今後の課題やロードマップなどを具体的に紹介していく「Team & Project」シリーズ。今回は、LINEの機械学習を活用したサービス開発を担うMachine Learningチームを紹介します。Machine Learningチームのそれぞれのポジションで開発を進めている4名（菊地悠、齋藤祐樹、櫻打彬夫、境美樹）に話を聞きました。 ―― まず、自己紹介をお願いします。菊地：2017年10月にプロジェクトマネージャーとして入社しました。前職は携帯電話キャリアでソフトウェア畑の研究系業務からスタートし、転職直前は位置情報系サービスの分析・開発に携わっていました。現在はチームのマネージャーとして、プロジェクトや業務の管理を行なっています。齋藤：前の会社では広告のCTR予測やショッピングサイトのランキングシステムのアルゴリズムの作成に携わっていました。LINEには2018年2月に中途入社し、現在は、Machine Learni
- Machine Learning

1 2