【GIG勉強会Vol.34 】「GitHub Actionsを触ってみた」と「機械学習におけるPDCAを回すための環境構築」

今回は先日開催された、第32回目勉強会（LT.22）の様子をご紹介します。

前半テーマ：「GitHub Actionsを触ってみた話」

前半はバッグエンドの石倉彰悟さんが登壇し、GitHub Actionsの特徴について話しました。

石倉彰悟（いしくらしょうご）：1991年生まれ。地元専門学校卒業後、ソーシャルゲーム会社にカスタマーサポートとして入社。 2014年にエンジニアとして転職し、大規模決済システムや通信キャリア系ECサイト等の開発を行う。 2018年7月、GIGに参画。現在は「Workship」のバックエンド全般を担当している

前半テーマで当日使用したスライドはこちら

LT.22 GitHub Actionsを触ってみた話 from GIG inc.

GitHub Actionsの特徴とメリット

石倉さんによると、CIツールの流行を見るにGitHub Actionsは最も注目をあびているツールであるとのこと。そんなGitHub Actionsは、CircleCIとTravis CIと比べてどのような点が異なるのかを解説してくれました。

パブリックリポジトリ、プライベートリポジトリ問わず、他のCIより料金がお得
並列ジョブ数が多い

GitHub Actionsが、1リポジトリあたり20ワークフローまで可能なのに対し、CircleCIはひとつのみ。無料で利用していくと、ジョブが詰まり実行に時間がかかってしまいます。またTravis CIは、並列するジョブ実行数に応じて料金が発生。並列ジョブ数でいっても、GitHub Actionsはよい選択肢だといいます。

さらにGitHub Actionsのメリットは以下の通りです。

GitHubに組み込まれているため、面倒な設定が不要
あらゆるGitHubイベントに対応
他の人が作ったさまざまなActionをワークフローに組み込める

他のCI/CDツールと比較して特に優れているというわけではありませんが、今後Actionが充実するにつれて、CI/CDの環境構築が楽になるのではないかと期待が高まっているとのことでした。

すでに環境を構築し利用しているものがあれば、移行するメリットはそこまで大きくありません。一方で、これからプライベートリポジトリで個人開発を行うのであれば、GitHub Actionsはコスパの良い選択肢だそうです。

後半テーマ：「機械学習におけるPDCAを回せる環境構築の話」

後半は、バックエンド/機械学習エンジニア、データサイエンティストの坂本昂輝さんが登壇。機械学習におけるPDCAを回せる環境構築についてお話してもらいました。

坂本昂輝（さかもとこうき）：バックエンド/機械学習エンジニア、データサイエンティスト。 2018年にGIGに入社し、メディアサイト制作のバックエンドを担当。2019年からは自社サービスWorkshipのレコメンドエンジンやスコアリングシステムの開発、およびデータ分析業務に従事している

後半テーマで当日使用したスライドはこちら！

LT.22 機械学習におけるPDCAを回せる環境構築の話 from GIG inc.

「Workship」のスコアリングPDCA

現在GIGが提供しているサービス「Workship」では、プロフィールに書かれた情報をもとにフリーランスのスコアリングが行われています。しかし、スコア分布が広がりにくかったり、項目ごとの平均点を算出したりするため、スコアの差がつきづらいという問題がありました。

たとえば、2つの項目の点数が5点ずつの人と、0点と10点の人、スキルは異なるもののスコアとしては同じであると評価されてしまうのです。そこで坂本さんは、スコアリングを改善するために、プロフィールの文章量に応じてスコアが上がるような関数を設定したといいます。それでも、質ではなく量でしか判断できないため、本当にその点数で正しいのかと疑問を解消するためスコアリングに機械学習を利用することにしました。

機械学習のPDCAをまわしていくなかで実現できたことを紹介してもらいました。