All Slides

株式会社サイバーエージェント 新卒エンジニア研修 最終成果発表資料

埋め込みコード

iframe
<iframe src="https://www.ren510.dev/slides/embed/beaubelle/" title="株式会社サイバーエージェント 新卒エンジニア研修 最終成果発表資料" width="100%" style="aspect-ratio:1.778" frameborder="0" allow="clipboard-write" allowfullscreen></iframe>
script タグ
<script defer class="ren510-slide-embed" data-slug="beaubelle" data-ratio="1.7777777777777777" src="https://www.ren510.dev/static/slides/embed.js"></script>
🤖 AI による要約 ✨
  1. P.1 — タイトルスライド。BeauBelle 最終成果発表。
  2. P.2 — 発表の目次。サービス紹介、使用技術、まとめの3部構成。
  3. P.3 — セクション区切り。サービス紹介パートの開始。
  4. P.4 — 課題提起。理想のタイプを言語化する難しさについて。
  5. P.5 — 問いかけ。「あなたの本当の理想ってどんな人？」というコンセプトの導入。
  6. P.6 — サービスコンセプトの紹介（1/8）。
  7. P.7 — サービスコンセプトの紹介（2/8）。
  8. P.8 — サービスコンセプトの紹介（3/8）。
  9. P.9 — サービスコンセプトの紹介（4/8）。
  10. P.10 — サービスコンセプトの紹介（5/8）。
  11. P.11 — サービスコンセプトの紹介（6/8）。
  12. P.12 — サービスコンセプトの紹介（7/8）。
  13. P.13 — サービスコンセプトの紹介（8/8）。
  14. P.14 — BeauBelle のコンセプト。AI で生成した美女の画像をシェアする新たな SNS。
  15. P.15 — 実装機能の概要。AI による美女生成とシェア、いいね・スーパーライク機能。
  16. P.16 — 実装機能の詳細。いいね・スーパーライクによる評価と、自分のタイプが詰まった一覧表示。
  17. P.17 — セクション区切り。使用技術・ツールと工夫した点パートの開始。
  18. P.18 — セクション区切り。WEB フロントエンドの技術紹介。
  19. P.19 — フロントエンド技術スタック。Next.js 14、SWR、zod、shadcn、Storybook、NextAuth を使用。
  20. P.20 — セクション区切り。バックエンドの技術紹介。
  21. P.21 — バックエンド技術スタック。Ruby on Rails、MySQL 8.0（Aurora）、Active Job、EKS IRSA による S3 署名付き URL。
  22. P.22 — セクション区切り。ML パートの紹介。
  23. P.23 — 違反画像の自動検知機能の概要。投稿画像に対しコンセプト面・倫理面で不適切な画像を自動検知。
  24. P.24 — AI 活用の詳細。ML 側でリアルタイム推論により規約違反画像を検知するシステムの説明。
  25. P.25 — AI 活用の詳細（続き）。投稿時の違反検知フローの説明。
  26. P.26 — AI 活用の詳細（続き）。画像確認中の状態遷移フローの説明。
  27. P.27 — 検知技術の詳細。3段階フィルター構成（人か判定→女性か判定→不適切判定）で違反をブロック。
  28. P.28 — 検知技術の詳細（続き）。第1〜第3フィルターの処理フロー。
  29. P.29 — 検知技術の詳細（続き）。フィルター構成の全体像。
  30. P.30 — AI 活用のまとめ。不適切画像をブロックし安心安全な投稿機能を実現。
  31. P.31 — ML 運用の全体フロー。投稿画像格納から学習インスタンスでのモデル学習までのアーキテクチャ。
  32. P.32 — 推論フローの詳細。S3 への画像格納→イベントトリガーによるリアルタイム推論の流れ。
  33. P.33 — 再学習フローの詳細。通報画像データの蓄積→再学習→モデルアップロードの流れ。
  34. P.34 — セクション区切り。運用構成パートの開始。
  35. P.35 — 設計思想・技術選定。DevOps、Developer Safety、Availability の3軸で Kubernetes ベースのエコシステムを構築。
  36. P.36 — アーキテクチャ設計。3 AZ 負荷分散、ASG・HPA による水平スケーリング、プライベートサブネット配置。
  37. P.37 — 運用基盤の概要。Kubernetes エコシステムの成長として ML 基盤統合、GitOps、Telemetry の整備。
  38. P.38 — 運用基盤のコンセプト。Kubernetes をベースとした継続的な開発・運用の DevOps の枠組み。
  39. P.39 — 迅速なデプロイと属人化防止。GitHub からボタン一つで誰でもデプロイ可能な仕組み。
  40. P.40 — ArgoCD による GitOps 化。WEB UI でリソース可視化、デプロイステータス確認、ログ調査が可能。
  41. P.41 — デプロイフローの詳細（1/4）。GitHub Workflows 実行からスタート。
  42. P.42 — デプロイフローの詳細（2/4）。コンテナイメージのビルドとプッシュ。
  43. P.43 — デプロイフローの詳細（3/4）。マニフェストのイメージタグ更新。
  44. P.44 — デプロイフローの詳細（4/4）。ArgoCD が変更差分を検知して kube API を実行。
  45. P.45 — セクション区切り。まとめ・振り返りパートの開始。
  46. P.46 — チーム目標。「シナジーを活かして一歩先へ」各領域の専門性を結びつけ技術の優位性を確立。
  47. P.47 — 振り返り。メンバーの得意領域をプロダクトに活かし、技術浸透とバグ改善にチーム全員がコミット。
  48. P.48 — サービス URL の共有。BeauBelle を使ってみてねという案内。
  49. P.49 — インフラのキャパシティ確保。Grafana モニタリングと HPA によるマルチ AZ スケーリングの紹介。
  50. P.50 — エンディングスライド。