イベント概要
- https://imas.connpass.com/event/134735/
- 2019/07/06(土) 12:00 〜 18:00
- 会場：株式会社Speee（東京都港区六本木4-1-4 黒崎ビル4F）
- ハッシュタグ：#imastudy
- togetter: https://togetter.com/li/1373719
- 本日のアイマス的飲み物
- 動画
発表
データサイエンスアイドル「小日向美穂」と考える「つながり」
- 小日向美穂と言えば、データサイエンスアイドル
- 「何つながりなのかな？」
- もしかして：機械学習
- 機械学習でアイドルの共通の特徴を探る方法
- 教師あり学習と教師なし学習
- 線形回帰による回帰・ロジステック回帰による分類・単純パーセプトロン
-
im@sparql)からアイドルを観測事象とする整然データを作成
- 名義尺度を定量データに変換、正規化、欠損値補完
- 教師データの作成。学習、回帰係数
- 例えばこんな予測ができる：MillionStarsメンバーのU149所属確率
- 馬場このみは39人中12位
- 小日向美穂と言えば、自然言語処理アイドル
- 自然言語（熊本弁&標準語に詳しい）
- 自然言語処理で「何つながりなのかな？」を探る
- TF-IDF重み付け
- TF：Term Frequency＝テキストにおける単語の出現頻度
- IDF：Inverted Document Frequency：語句がどのくらいのテキストに出現しているかの度合い
- TF-IDFの例：「放課後クライマックスガールズ」を題材にTF-IDFを計算
- アイドルを説明するテキストを用意 → テキストを語句に分かち書き → TFを計算 → TF-IDFを計算
- 単語の分散表現
- 単語の意味をベクトルで表現したもの
- 単語同士の数値的な比較・加減算が可能になる
- 1-of-N と bag-of-words表現
- スライド窓による単語列の分割
- skip-gram表現
- 分散表現によるTF-IDFの次元削減、分散表現による回帰係数
- 分析の例：「七尾百合子と誰かの『何つながりなのかな？』」をWordCloudで表示する
- アイドル同士がどんなテーマで話してそうかを機械学習である程度探ることができる
Ut Video Codec Suite 高速化の11年
- 作者による発表。
- Ut Video Codec Suiteとは
- 映像キャプチャ向け可逆圧縮コーデック。
- ニコマス方面・MMD方面などいろんなところで使われている。
- ニコニコ動画で「神画質」と言われているものはこのソフトが使われている。
- 作り始めたきっかけ
- エースコンバット6をキャプりたかった
- 高速化の歴史
- 圧縮手法（ハフマン符号・フレーム内予測・planer変換）
- マルチスレッド化、SIMD
- ハフマン符号化でループ間のMOV命令を1個削減
- 部分レジスタトール回避
- predict gradient フレーム内予測の追加
- ... etc
- 結果的に60倍高速化
小鳥さんとKotlinを勉強できるサイトを100%Kotlinで作る
スライド資料
自作コミュ 1:46:20~
動画 1:52:57~
- スライドでの発表前に小鳥さんの自作コミュ再生（発表者による生フルボイス付き）
- Kotlinはいいぞ
- SAM変換（インターフェース定義をラムダで書ける）
- Null許容・非許容を「？」で明示。null許容型の場合、直接アクセスするとコンパイルエラーになるので安全。
- 小鳥さんとKotlinを学べるサイト 小鳥さんの自習室 を作った。
- Kotlinの基礎的な文法解説
- Web上で小鳥さんとペアプログラミングしながらKotlinを勉強できる！
- Kotlinを勉強したい小鳥さんとのコミュを楽しめる！
- Ktor + Kotlin + React
- Kotlin/JS: KotlinをJavaScriptに変換するトランスパイラ
- ＠JsModuleアノテーションを使って、JSをKotlinにインポート
- この仕組みにはdynamic型が使われており、JSオブジェクトをそのまま扱える
-
js()メソッド：Kotlin中に生のJSをそのまま書ける - JSに近い文法でそのまま操作できる＝気づいたらJSを書いている罠
- Kotlin/JS はKotlinに慣れてから触るとたくさんの発見がある
LT第一部
iOSDCの技術パッション枠でiOS関係なくIM@Studyの話がしたい！
- きのこるFM
- iOSエンジニアとアイマスのつながりと言えばリンゴ。
- LoveLiver：デレステMV→ライブフォト切り出し生成。GUIで操作できるものはこちら。
- ライブ＋心拍数。iOS13 + watchOS 6で騒音レベルのデータもグラフ化できそう
- ライトニングキャプチャー&クロマキー：PhotoStudioPlayer
音無小鳥は無能なの！？765プロの経営管理をハックしてみた
- 765プロの経営管理の現状、アイドルの契約体系といった生々しい話から経営管理をGSuiteを使って効率化する話。
- プロデューサーや事務員は雇用契約。アイドルは委任契約。
- 小鳥さん仕事多すぎ。
- 解決のための手段
- 基幹システムとしてGoogleDriveを採用することによる情報集約
- 一部手動オペレーションについてはGoogle App Scriptによる業務の自動化で省略可
- Gmailから添付ファイルを取得してSlackに自動通知
- 会計ソフトから情報を自動取得して経営分析を自動で行う
- 取引を販売管理ソフトから集計して会計ソフトに記録する
- 経費申請リマインド など
- クラウド系SaaSを活用して遠方の士業に情報共有
- GSuite×freeeで無限の効率化
- クラウド化は情報共有の始まり
続・Pのための名刺管理サービス
- THE NAMECARDM@STER
- アイマスP向けの名刺管理・交換サービス
- AWS EC2 t3.microでつつがなくサービス中
じじいにゃつらいよ デレステ フォトスタジオ-ポーズ検索を作った話
- デレステ フォトスタジオ ポーズ検索
- フォトスタジオに「○○ちゃんっぽく！」機能が追加。
- 似ているポーズもあり、どれがどのアイドルのポーズか探すのが困難
- どこかにまとめサイトあるっしょ… → ない
- 仕方ないので作った。
- 画像をまとめるのが大変だるかった。
im@sparqlでプレイリストを作る
- 曲が多い。聴く曲が偏っている。
- プレイリストを自動生成したい
- Node-RED + Audio Station + Docker
- しんどいポイント：Audio Station APIリファレンスがない
- 詳細は「週刊 iM@Study」誌面で。
プロデューサーさん、わたし、Metalデビューしたいですっ！
- うづコイン
- Metal: iOSデバイスなどのGPUにほぼ直接アクセスできるグラフィックスAPI
LT第二部
IM@Study at 尾張だよ～(o・∇・o)
- 4月に行われたハンズオン・ハッカソンの活動報告
- アイマスハッカソン2019 in 名古屋
- im@sparqlハンズオン
- 「SPARQLを広めていきたいんですね～」「せっかくim@sparkqlあるし、愛知でハンズオンやっていきましょ！」→「LODチャレンジで一緒だった、名工大の白松研に協力いただきました！」
- アイマスハッカソン in 名古屋
- よかったこと
- 大学内の宣伝ポスター。いつもとは違う層への宣伝効果◎
- デジタルサイネージ「メイ&タクミ」：正門前で「アイマス」と聞くだけでハッカソンの詳細を教えてくれる
- 改善点
- 大学内なので飲酒できない → LT大会などは2次会に併設
- LT大会を2次会で → お店の中なので配信できない
- よかったこと
ナターリアとAkashic Engine
- Akashic Engineを用いたダイマ方法。リポジトリ
- ゲームを作って担当アイドルをダイマできる。
- akashic-contents にオープンソースのゲームがいくつかある。
- それをダウンロードして画像を差し替えることで、手軽に改造できる。もちろんソースコード自体の編集も可能。
- アップロードすれば簡単にダイマ可能。
「MVが3人な曲の一覧」って取得できます? (デレステ・ミリシタ・Mステ)
- 一覧表 - Googleスプレッドシート
- デレステやミリシタのMVで楽しむ
- 編成を決めてから、それに合うMVを探す
- 例えば3人編成 → そもそも3人だけ登場するMVって何があるんだっけ？
- 手作業で確認
- ミリシタ・デレステ：編成画面でわかる（例外あり）
- Mステ：MVを実際に再生するまでわからない（歌唱3人 MV5人、歌唱3人 MV3人）
- とりあえず一覧表を作った。
- 今後は歌唱メンバー、難易度・ノーツ数などを追加したい。
- 更新頻度が高い情報（月数回）のため、自分一人だと多分気力が持たない。他人が編集できる形にしていきたい。
アイドルと幼馴染になるにはどの県に生まれるべきか。
- 統計資料（平成17年人口統計）とアイドルの出身地情報を基に指標を作成し、地図に表示
- 約15年前の国勢調査資料を基に、アイドルの幼少時代の日本の都道府県人口を調査。
- 海外及びウサミン星は除外
- 各都道府県別の出身アイドル数・アイドル密度・アイドル率を地図表示
- アイドル密度・アイドル率の地図を重ねることで、アイドル密度アイドル数相関を表示。
- 結論：東京がおすすめ（身も蓋もないが）
- 地方だと石川県、香川県、京都府、長崎県がおすすめ
デレマス呼称表から見えるアイドルの関係
- 呼称表からアイドルの関係性を見てみる
- アイドルマスターシンデレラガールズ呼称表
- 呼称データがあるアイドルは交流があると考える
- 「頂点＝アイドル」「辺＝呼称」のネットワークを分析
- 分析に使ったもの：NetworkX
- 最短経路検索
- グラフ同士の類似度算出：グラフ同士がどれだけ似ているか
- 中心性算出：各点を特徴づける指標を算出
- 中心人物は誰か？
- ネットワークから中心性を算出
- デレマスコミュニティのコア人物を見つける
- 中心性：次数中心性、近接中心性、媒介中心性
- 結果：本田未央ぶっちぎり…だったが、元データを見てみると、未央から他アイドルへの呼称がほぼ全員分あることが判明。
- 調整後：諸星きらり、川島瑞樹、堀裕子、大槻唯が浮上
- 辻野あかりが夢見りあむと他メンバーの橋渡しになっている
- 結果を見ると、コミュ力が高そうなアイドルが上位に来ていた
ジェバンニの佐久間まゆ講座
- 佐久間まゆはヤンデレではない
- 周りとのコミュニケーションを重んじている
- 編み物や料理が得意＝普通の女の子と同じ
- 我々に深い愛情を伝えてくれる健気な女の子である
- 発表中に言及している小説のリンクはこちら
サーバーレスアプリケーションでサクッと始めたいアイマスbot
- AWS SAM
- AWSのサーバレスアプリケーション構築用フレームワーク
- 利用するAWS環境を定義するテンプレートとメインロジックとなるプログラムを開発者が用意
- SAMで用意されたCLIでテスト・ビルド・デプロイを実施
- AWS Toolkit
- AWS SAMの機能をIDE上で実行可能にするプラグイン
- AWS Toolkit for IntelliJ
- AWS Toolkit for Eclipse
- AWS Toolkit for Visual Studio
- いおりんbot
- SlackでBotを用意する
- AWS Toolkit導入済みのIntelliJでAWS Serverless Applicationのプロジェクト作成
- Botのエンドポイント等AWS環境の定義をtemplate.yamlに記述
- Botで動かすプログラムとユニットテストを書く
- AWS Toolkitを使ってデプロイ
未来ちゃんでもわかる?デザインパターン入門 memento pattern ~望月杏奈を再現してみたい~
- 望月杏奈
- ONモード / OFFモード で性格が切り替わる
- アイドルの姿：元気いっぱいで活発
- 普段の姿：引っ込み思案で大人しめ
- 望月杏奈を再現したい！
- ランダムに切り替える？
- テンションを記憶させたい
- どうやるか？
- Memento Pattern
- Mement: 形見
- Mement Moment：この瞬間を忘れない
- データ構造に対する状態を記憶しておき、以前の状態への復帰を行えるようにする
- Originator（作成者）：作成・状態を表す
- Memento（形見）：内部情報を保持する
- Caretaker（世話人）：作成者に指示を出す・履歴を保持する
idol2vec アイドル紹介記事の分散表現によりキャラクター性を定量的に扱う試み
- idol2vec - サンプルコード&モデル
- Python3.7環境
- WordVec2モデル添付
- アイドルのキャラクター性を定量的に扱いたい
- アイドルの性格・位置づけをグラフ上に表したい
- 「島村卯月とキャラクター性が近いのは誰？」
- 「『クール属性の佐久間まゆ』は誰に相当する？」
- 「卯月と凛を足して2で割ると誰に近い？」
- これらの疑問に主観的でなく定量的に回答したい
- 文書の分散表現で実現できる？
- アイドルの人となりについて記述された文書があれば、それを分散表現化（ベクトル化）することで定量的に扱える（仮説）
- ソース候補はピクシブ百科事典やニコニコ大百科
- 前処理：タグ、数字の桁区切り、余白、固有名詞（姓名、愛称やユニット名）の除去
- 単語の分散表現モデル：シンデレラガールズSSコーパスから作成
- アルゴリズム：SWEM-aver
- ベクトルの類似度計算：NGT(Yahoo Japan)を使用
- ベクトル化減算の例
- 佐久間まゆ－島村卯月＋渋谷凛 → 三船美優
- 島村卯月－水本ゆかり＋北条花蓮 → 双葉杏
- 諸星きらり－野々村そら＋渋谷凛 → 神崎蘭子
- （島村卯月＋渋谷凛）/ 2 → 多田李衣菜
- TensorBoardによる可視化
- まとめ
- 結果の解釈は主観的にならざるを得なかった
- 文書の前処理・文書の分散表現手法の選択によって、結果が大きく変わる
- メタな位置づけ、記事執筆の癖にも影響されている可能性がある
- 「任意の評価軸」を設定することは難しい
- 改善案：ニコニコ大百科とPixiv百科事典の結合、前処理の強化、別の分散表現手法の採用、大規模なコーパスから取得したW2Vモデルの使用