こちらで Blog 化した記事について、まとめてご紹介します。
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ
仕様問題への取り組みに関する発表のフォローアップ記事（鈴木 穂高、国分 佑樹）
仕様作成フェーズで混入した欠陥をなるべく早く見つけるためにはどうすればよいか、そのアプローチとして研究していることを紹介します。
今回は例として内製マスター管理ツール「Oyakata」を題材に、形式仕様記述とはどのようなものか紹介し、利点や注意点をお話しします。
エンタメ活用へ向けたAIによる音声生成
バーチャルキャラクターやスマートスピーカーなど音声を活用した新たなアプリケーションが広がっています。近年、発展が著しい深層学習は音声分野にも導入が進んでおり、自分好みの声で好きな言葉を喋らせることや、男性の声を女性の可愛らしい声に変換することが可能になってきました。
本記事では、最新の音声AI技術を紹介するとともに、音声合成・音声変換のエンターテインメント分野への導入の試みについて紹介します。
オートモーティブの大規模データ処理を支える技術
次世代タクシー配車アプリ「MOV」や商用車向け交通事故削減支援サービス「DRIVE CHART」において、車両の動態データを加工・分析するためのパイプラインを例にとり、GCP の Dataflow、Pub/Sub、AWS の ECS、SQS などを活用してスケーラブルなデータ処理パイプラインを構築、改善した事例などご紹介します。
次世代タクシー配車アプリ「MOV」や商用車向け交通事故削減支援サービス「DRIVE CHART」において、車両の動態データを加工・分析する際、大規模な地図データを効率よく扱うために実施した、オブジェクト数の削減や、メモリマップドファイルを活用したコンテナ間でのメモリ共有などの事例をご紹介します。
DRIVE CHARTにおけるAI技術の事業応用 ーモデル開発からサービスデプロイまでー
- Part1 事業応用にあたってComputer Vision技術によるDeep Learning（以下、DL）モデルの要素技術開発事例について（栗林 英範）
- Part2 研究開発しているアルゴリズムをどのようにドラレコに組み込んでいるか、実装観点でご紹介（加藤 倫弘）
本記事では、事業応用するにあたってDeep Learningのモデルやアルゴリズム開発からエッジデバイスにデプロイするまでのプロセスについて紹介します。
具体的には、事業ドメインに合わせた改良や安定したシステムを構築するための取り組みについてお話します。
MOVお客様探索ナビアーキテクチャー道場
MOV お客様探索ナビの現状のアーキテクチャーと課題について解説（森下 篤）
AIで需要を予測し、最適なタクシーの営業経路を案内する"MOV お客様探索ナビ"は、GCP、Kubernetesを活用して構築しています。
低遅延への要求や、「時間特性」「地理特性」のあるデータを、どのようにサーバAPIのアーキテクチャーに落とし込んでいったのか解説します。
DeNA データプラットフォームにおける自由と統制のバランス
DeNA TechCon 2020 ライブ配信でいただいた質問への回答（岩尾 一優、大橋 宣宏）
データの利用者は「自由」に分析したい、データプラットフォームの提供者である我々は安定運用のため「統制」を取りたい。
そのような状況下で DeNA がどのようなデータプラットフォームを設計・構築したのか、本セッションでは「自由と統制のバランス」というテーマに沿ってお話します。
DeNA TechCon 2020 アプリ開発について
アーキテクチャ編（大西 克己）
Flutter製 DeNA TechCon 2020 専用アプリ のアーキテクチャを公開！BLoCの状態管理、レイヤードのモジュライゼーションのアーキテクチャを紹介しています。
スタンプ編（中西 葵）
Flutterアプリ x TensorFlow Liteで電子スタンプラリーを実現する技術を全て公開！DIYでスタンプ制作〜スタンプ用AIモデルの作り方、チート対策まで写真付きで解説します
デザイン編（向井 毅男）
Flutter製 DeNA TechCon 2020 専用アプリ のデザイン開発のプロセスを公開！Flare (Rive) で作成したアニメーションも紹介しています。
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
発表予定だったセッションのスライドと補足 Blog 記事（藤田 泰介、吉江 智弘）
本記事では、GKE, gRPC, OpenAPIなどの技術を駆使して、タクシー配車システムに求められる大量の車両データのリアルタイム配信や、タクシー事業者様ごとに異なる配車システムの言語, プロトコルに向き合うためのシステム構築の工夫や運用について事例を交えてご紹介します。
DRIVE CHARTの裏側~ AI x IoT x ビッグデータを支えるアーキテクチャ ~
発表予定だったセッションのスライドとコメント（森 健太郎、木村 尭海）
年間40万件以上発生している交通事故。DRIVE CHARTはAIドラレコで交通事故ゼロ社会を目指すサービスです。DRIVE CHARTを実現する上では、AIの組み込みやIoT機器によるセンシング、膨大なデータ処理といったチャレンジがありました。本記事ではその裏側を支えるサーバサイドおよびIoT機器の事例についてご紹介します。
オンプレミスとパブリッククラウド間のネットワーク接続
私達はオンプレミスのデータセンタで大規模なインフラを長年運用してきましたが、ほぼ全てのサービスをクラウドに移行する全社方針が決定しました。
大規模なクラウドの移行にあたり、私達は AWS TransitGateway、および GCP SharedVPC の利用を選択しました。本記事ではこれらを用いた DeNA のハイブリッドネットワーク設計や導入による
効果、運用ノウハウなどを紹介いたします。
最後まで読んでいただき、ありがとうございます！
この記事をシェアしていただける方はこちらからお願いします。