Help us understand the problem. What is going on with this article?

IM@S Engineer Talks 2019 クール編

イベント概要

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」

スライド資料
動画 4:48~

  • 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

スライド資料
動画40:05~

  • 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!

スライド資料
動画 2:53:13~

  • 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

スライド資料
動画 2:59:40~

  • 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

動画 3:12:25~

  • 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

スライド資料
動画 3:18:47~

  • 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

スライド資料
動画 3:24:04~

  • 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!

動画 3:29:50~

  • 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)

スライド資料
動画 3:36:13~

  • 4月に行われたハンズオン・ハッカソンの活動報告
  • 「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

ナターリアとAkashic Engine

動画 3:45:21~

  1. Akashic Engineをインストール
  2. ダイマしたいアイドルのゲームを作る(公式チュートリアル参照)
  3. RPGアツマールにアップロード
  4. ハッシュタグ付きでゲームのURLツイート
  • 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)

スライド資料
動画 4:00:43~

  • 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。

動画 4:07:13~

  • 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

スライド資料
動画 4:15:01

  • 呼称表からアイドルの関係性を見てみる
  • 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

動画 4:26:11~

  • 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

スライド資料
動画 4:32:46~

  1. SlackでBotを用意する
  2. AWS Toolkit導入済みのIntelliJでAWS Serverless Applicationのプロジェクト作成
  3. Botのエンドポイント等AWS環境の定義をtemplate.yamlに記述
  4. Botで動かすプログラムとユニットテストを書く
  5. 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~

スライド資料
動画 4:39:01~

  • 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

スライド資料
動画 4:48:54~

  • 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

関連

yama-t
CBcloud株式会社所属。「PickGo」を開発するエンジニア。 フロントエンドエンジニアだったがRailsはじめました。 言語:HTML, CSS, JavaScript, Ruby, 多少のScala フレームワーク: Vue, AngularJS, Rails PickGoについて: https://pickgo.town/
https://cb-cloud.com/
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした