Machine learning

【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

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.

【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

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.

【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。

LINE TIMELINEの新たな挑戦vol.3 – ディスカバー・レコメンド・モデル

LINEのタイムラインに必要な機械学習とレコメンドモデルを作っているData Science DevのJo Younginです。vol.1とvol.2に続き、今回のvol.3では「ディスカバー」を閲覧するユーザーに見せるコンテンツをどのように選定し、どの順番で配置するかについて説明します。 

Machine Learning Production Pitch #1 開催レポート

Clova開発室でエンジニアをしています服部 (keigohtr) です。
2019年3月7日に “Machine Learning Production Pitch (#MLPP)” という機械学習系のイベントをエムスリー株式会社とLINE株式会社とで共同開催しました。LINE株式会社からはDataLabsの呂彩林さんとClova開発室の的場勇樹さんが登壇しました。エムスリー株式会社からはnishibaさんとvaaaaanquishこと河合俊典さんが登壇しました。

MACHINE LEARNING Meetup KANSAI #1 参加レポート

こんにちは。LINE Fukuoka 開発室データラボチームの立石です。
去る4月4日、それぞれ京都に拠点を持つLINE株式会社、株式会社ハカルス、株式会社はてな、の3社の尽力によりMACHINE LEARNING Meetup KANSAI #1が開催されました。今回はこのイベントにスタッフとして参加させていただきましたので、そのレポートをお届けします。

今回の会場となったのは株式会社はてなさんの京都本社。早い段階で応募枠を上回る申込みがあり、関西も例に漏れず機械学習に対する注目度が高いことがわかりました。当日は会場の席はしっかりと参加者で埋まっており、とても盛況でした。

Sparkと機械学習と時々MPI

はじめに

こんにちは、LINEで機械学習エンジニアを担当している久保です。この記事はLINE Advent Calendar2016の14記事目です。 今回の記事は、機械学習の(勾配などの)基本的な知識を持ち、Sparkにおける機械学習に興味がある人向けの内容となっています。

Sparkは大規模なデータのための分散処理フレームワークとして人気があり、弊社でも機械学習関連の開発において利用しています。 弊社では機械学習の特徴量の元となるデータがHDFSに格納されているため、それらを容易に読み込むことができる親和性の高さと、分散処理のコードが容易に実装できる所がSparkを利用する上での大きな魅力となっています。

具体的な利用方法として、例えば機械学習エンジンに入力する特徴量を作成するためのETL(抽出、変換、ロード)処理に利用しています。 また、LINE STOREにおける着せ替えの商品ページの右枠にあるアイテムベースのレコメンドやLINEアプリ内でLINE NEWSを立ち上げた際にトップ画面に出てくる「FOR YOU」枠のためのユーザベースのレコメンドなどにおいて、Sparkの機械学習ライブラリであるMLlibを用いてモデルの学習を行っています。