概要

現在海外のECサイトの商品分析を行っており、機械学習および深層学習を用いて分類モデルを開発しようと考えております。
また、プログラミングスクールを行う上でアプリケーション部分の教材は仕上がっているのですが、
データ部分の機械学習領域の教材を作る上で、上記社内での独自モデルの試行錯誤を教材に活用したく、
データサイエンスに精通している方を募集しております。

<体制>
社員5名で、3名がアプリエンジニア、代表およびもう一名の計2名でデータ分析を行っております。
現状のデータ分析のレベルで申しますと、データアナリストというレベルであり、
下記の流れがあった場合の４あたりが弊社で足りていない領域です。
１，ビジネスゴール設定
２，データ収集
３，データ加工
４，学習＆評価
５，本番での運用

<想定される業務>
・機械学習モデル選定方法および評価方法のアドバイス
　→例：〇〇においてのテキスト分類に関しては、BERT or GPT？
・数式も踏まえたコード実装の意味についてアドバイス
　→例：Attentionの〇〇の処理は△△の数式でいうと、■■を表現しているから、XXと同義だよ等
・マルチモーダルについてのアドバイス
　→例：テキストならBERTで単語分散表現を得て、画像ならResNetで特徴ベクトル取ると良い等
　→例：ディープラーニングだけじゃなくて、特徴ベクトルに対して、〇〇(KNN等)を行い、△△処理する等
・実装したモデルについてのフィードバックおよびコード修正

<実現したいこと>
商品タイトル＆商品画像から得た特徴量を元に100(もう少し減らす可能性あり)class分類。
分類精度(f1-score)はminで90%

<上記に対しての現状>
データ件数：約100万件(左記の内20%を検証用として利用での精度)
class数：50
f1-score：0.71
min f1-score: 0.42
モデル：BERT-base
与えるデータ：商品のタイトル(画像は未使用)

<課題>
下記が不明および把握に時間がかかるのが課題となっております。
１，画像データも活用したマルチモーダルはどのように行うか？　どのように選ぶのが最適な手順か？
２，自然言語のモデルはBERTを利用しているが、GPT等その他はどうなのか？
３，各classに属している商品数がclassで異なるが、どのように標本を選ぶか？
　　例えばA classに10万件属していたとして、B classの1万件に合わせてダウンサンプリングを行う、
　　その場合A classからどのようにして1万件を選ぶのか？
※現状としては、A classにkmeansをかけ、エルボー法でkを選び、kからランダムに標本を取得することを検討

<本件に携わるメリット>
１，煩雑なデータ収集、クリーニングはこちらで行うので、上位の「モデル選定、評価、改善施策の指示」だけ行える。
２，「色々なデータ触ってみたいな」という方は、多様なECサイトの商品データ(全部英語タイトル)に触れることができる。

参加対象者

・機械学習、深層学習を使って、自分でコーディングし、業務でモデルを作ったことがある方
・自然言語モデルBERTを利用したことがある方(業務ではなく、個人でも問題なし)

<歓迎条件>
・マルチモーダルの理解がある方
・多値分類モデル開発のご経験がある方
・画像モデルEfficientNetの理解がある方

企業概要

合同会社志庵

合同会社志庵はデータ分析およびソフトウェアサービスを提供する企業です。
・海外への輸出業を営む個人法人へのソフトウェアサービスの提供
・企業向けのデータ分析および改善施策を提供
・プログラミングスクール事業（2021夏頃開校予定）