山口 周

株式会社中川政七商店, 社外取締役

Yohhei Someya

Makoto Kataigi

株式会社プレイド, エンジニア

Shun Okada

株式会社monopo, 代表取締役COO兼CTO

Masaya Suenaga

株式会社グロービス, Technology Director

Tomoko Furuki

▼Keyword
Python, NetworkX, Bokeh, Network Analytics, PEP

▼ What? （これは何？）
　Pythonの重要な公式技術ドキュメントのひとつであるPEP（Python Enhancement Proposal）同士の参照関係を可視化するWebページです。
　① あるPEPが、他のどのPEPにリンクをしているか
　② あるPEPが、他のどのPEPからリンクされているか
を、インタラクティブに可視化しています。
　「Timeline」と「Network」の2つの方法で可視化しており、「Timeline」では1hop内のPEPを年表形式で、「Network」では480以上ある全てのPEPのネットワークを表示しています。

▼ Why? （何故作った？）
　私がPythonを学ぶ上で、技術の一次情報（PEP）を読むときの「地図」のようなものが欲しかったからです。
　初級者が中級者にステップアップする上では、どこかの誰かがまとめた二次情報ではなく、「一次情報（公式ドキュメントや論文など）を自力で噛み砕いて読む経験」が必要だと考えています。とはいえ難解で膨大な技術情報を、初学者が無策のまま読むのは大変です。
　膨大な一次情報を心折れずに読むにはどうすればよいでしょうか？ アプローチのひとつとして、「まずは全体像をざっくり把握してから、徐々に詳細を把握する」という方法が考えられます。書籍であれば「目次に目を通す」というやり方です。しかし、PEPには階層構造を持つ目次がありません（PEP 0は目次に相当しますが、全てのPEPが並列に並んでいます）。その代わり、PEPとPEPの間には「リンク」、つまり参照・被参照の関係があるーーつまり、階層構造ではなくネットワーク構造を持つドキュメント群です。
　「リンクがあるPEP同士は何らかの関係がある」 と推測できることから、PEP同士の参照関係を可視化することで「PEP全体の構造を俯瞰できる = PEPの地図になる」のではないかと考え、開発を行いました。

▼ How? (どうやって作った？)
【データ取得・整形】BeautifulSoup4, pandas
【グラフ構造化】NetworkX
【可視化】Bokeh

・可能な限り楽に運用したい（サーバ無しでWeb上で公開したい）
・ノード数がたかだか数百程度で、そこまで大規模なグラフにはならない
上記理由により、BokehでHTMLを生成し、GitHub Pagesで公開する方法を取っています。

▼ 資料
【PyConJP 2018】 https://bit.ly/2O4I7kw
【CodeZine記事】https://codezine.jp/article/detail/11031
【GitHub】https://github.com/komo-fr/pep_map_site

▼OSS活動
NetworkXとBokehの連携はまだ発展途上段階なので、必要に応じてOSS本体にpull requestを送っています。

・【Bokeh】issue #8183 （https://github.com/bokeh/bokeh/issues/8183）
NetworkXからBokehに変換する時、ノードとエッジの属性が引き継がれるよう改善
・【Bokeh】issue #8311 （https://github.com/bokeh/bokeh/issues/8311）
NetworkXからBokehへの変換で、固定レイアウトを扱えるよう改善

【社外活動】PEP Map 〜 PEP (Python Enhancement Proposal)の参照関係ネットワークを可視化するプロジェクト

▼Keyword
Hackathon, Deep Learning, Keras, Image Classification, Object Detection, Azure, Slack, GitHub

▼ 担当
・チームリーダー
・アイデア原案 / 深層学習モデル構築（画像認識・物体検出） / Web API化 / データ収集 / プレゼン資料作成 / Slack連携 / デモ動画用GUIツール作成 他

▼ What? （これは何？）
AI（画像認識&物体検出）で部屋の状況を判断し、一定期間「汚部屋」の状態が続いたら通知（アラート音やSlackへの通知）を行うアプリケーションです。元はハッカソンの成果物で、データ収集・深層学習モデル構築・WebAPI化までスクラッチで開発しました。ハッカソン終了後も私が継続的に開発に取り組んでおり、現在定常運用化とモデルの改善を進めています。

▼ Why? （何故作った？）
　「部屋の乱れは心の乱れ」という言葉もあるように、ストレスなどで心身に不調が生じると、自分では疲れている自覚がなくても、知らず知らずのうちに「部屋が荒れる（日常のちょっとした片付けができなくなる）」ことがあります。また病気や障害には、うつ病や認知症など「部屋が片付けられなくなる」という変化が初期症状として現れるものもあります。そのため「体を診る」のではなく「暮らし（=日常の部屋の画像）を診る」ことで心身の不調に気づきやすくする、というアプローチを考えました。
　「部屋を片付ける」という行為には、「① 今が片付けるべき状態だと認識する」「② 片付けというタスクを、最後まで遂行する」という2ステップが必要です。OheyaObeyaはAIで部屋の状況を判断し（①認識をサポート）、一定期間汚部屋状態が続いたら通知やアラーム音を出す（②遂行をサポート）ことで、暮らしの乱れを検知・改善します。

▼ How? (どうやって作った？)
現時点では、部屋全体ではなく「机の上」に問題を限定してプロトタイプを作成しています。
【画像データ】 自前で用意した机の上の画像 
【画像認識】 ライブラリ: Keras,  モデルの構造: MobileNet
【物体検出】 Azure Custom Vision Service（現在MobileNet-SSDへの移行を検討中）
【学習環境】 Azure Deep Learning VM
【デモ用GUIツール】 Python / OpenCV / pygameなど

実現方法の詳細については、下記資料をご参照ください。

▼ 資料
【ハッカソンプレゼン資料】 https://bit.ly/2Y6K3eH
Appendixに使った技術・参考文献の一覧をまとめています。

【展示用サマリ】 https://bit.ly/2FsZ5D5 
2ページの要約です。

【デモ動画】https://youtu.be/Pub1_Nes1tM
機能の一部（画像認識）を紹介した動画です。注: 音が鳴ります。

【GitHub】 https://github.com/OheyaObeya
一部非公開のコードもありますが、コードが整理出来次第、追加しています。

【社外活動】 暮らしを診る眼 OheyaObeya 〜 AIで汚部屋を何とかするPJ

PEP Map (Python Enhancement Proposal Map)