「不適切コンテンツ検出」 の機械化と安定運用 / Automating "unsafe content detection" with Amazon SageMaker - Speaker Deck

「不適切コンテンツ検出」 の機械化と安定運用 / Automating "unsafe content detection" with Amazon SageMaker - Speaker Deck

第4回 Amazon SageMaker 事例祭り/2019 年 4 月 17 日 https://pages.awscloud.com/AmazonSageMaker20190417-jp.html SNS mixi において固定の人的コストを必要としてきた「不適切コンテンツ検出」というタスクが、Amazon SageMaker はじめ AWS のサービスによって機械化され、コストを抑えて安定運用されるようになりました。 機械化にいたった経緯と成果、アーキテクチャと運用上のポイントについてお話しします。 1.事業紹介 2.「健全性維持」という課題と対策 3.アーキテクチャ解説  ⅰ.カスタムアルゴリズム  ⅱ.中間生成物の管理  ⅲ.定期実行タスク 4.まとめ *「機械学習による不適切コンテンツ検出」の実装と成果 https://medium.com/mixi-developers/mixi-20190110-d1cde81cf37c *【開催報告】第4回 Amazon SageMaker 事例祭り https://aws.amazon.com/jp/blogs/news/amazon-sagemaker-fes-4/

Keywords: sagemaker
Date: 2019/04/25 02:17

Bookmark Comments

Related Entries

Read more A survey of anomaly detection methodologies for web system - Speaker Deck
16 users, 5 mentions 2018/11/17 07:53
Read more アノテーション一致度 - murawaki の雑記 - rekkenグループ
4 users, 1 mentions 2019/02/04 11:15
Read more Machine Learning Explainability | Kaggle
4 users, 3 mentions 2019/02/16 03:47
Read more GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
42 users, 10 mentions 2019/09/04 09:47
Read more 機械学習による自動応答の今 外部知識に基づく応答生成に関するサーベイ結果 Part1 - ログミーTech
11 users, 5 mentions 2019/09/06 08:18