• 人気のコメント(1)
  • 全てのコメント
nilab nilab データマイニングコンペティションサイト Kaggle にも Deep Learning ブームがきてるかと思ったのでまとめる - 糞ネット弁慶

2014/03/13 リンク

MOBIUSi MOBIUSi 早めに追いつきたい

2013/06/02 リンク

digima digima 後でちゃんと読んでおこう

2013/05/09 リンク

muddydixon muddydixon 特徴量作りに心血を注いできたデータサイエンティスト憤死

2013/05/09 リンク

zonoise zonoise python CUDAか

2013/05/09 リンク

minusplusmm minusplusmm "一つの巨大なニューラルネットワークを使って特徴量抽出から識別までやってしまうという最近の学習法." DeepLearningってそういうものだったのか。

2013/05/09 リンク

uehara-masayuki uehara-masayuki via はてなブックマーク - 人気エントリー - テクノロジー http://b.hatena.ne.jp/hotentry/it

2013/05/09 リンク

stealthinu stealthinu 最近のdeep learning流行についてのまとめ。今はあんまりノウハウがないとのこと。それは逆にやりたくなるなあ。リンクにあったCUDA使ったツールの話、大変そうだけど試せるか。

2013/05/09 リンク

asklife asklife データマイニングコンペティションサイト Kaggle にも Deep Learning ブームがきてるかと思ったのでまとめる - 糞ネット弁慶

2013/05/09 リンク

vvakame vvakame "一つの巨大なニューラルネットワークを使って特徴量抽出から識別までやってしまうという最近の学習法." DeepLearningってそういうものだったのか。

2013/05/09 リンク

kazutaka83 kazutaka83 Kaggleというのを知らなかった

2013/05/09 リンク

roht roht この技術が実戦投入されるには処理量やパラメータふりのノウハウやら課題はあるんだろうな。ただ、エラーレート10%向上とか、ちょっと引くくらいすごい。なにそれ。

2013/05/09 リンク

ttpooh ttpooh まだ誰もが使えるようにはなってない、と。

2013/05/09 リンク

kana0355 kana0355 とりあえず,今月号の『情報処理』に解説記事があったけど,まだまだ勉強が足らないので,頑張らないと….

2013/05/09 リンク

rishida rishida データマイニングコンペティションサイト Kaggle にも Deep Learning ブームがきてるかと思ったのでまとめる - 糞ネット弁慶 概要最近話題の Deep Learning,NIPS や ICML,CVPR といった世界の話だろうと思っていたら Kaggle で Deep learning

2013/05/09 リンク

endo_5501 endo_5501 「Deep Learning に必要な Deep Naural Net を簡単に扱うライブラリが存在しない」「ノウハウがほとんど無い」

2013/05/09 リンク

harapon1012 harapon1012 素晴らしい記事

2013/05/09 リンク

mayakovskii mayakovskii 「とかいう感じで特徴量作りに心血を注いできたデータサイエンティスト憤死という内容になっている.」

2013/05/09 リンク

    関連記事

    データマイニングコンペティションサイト Kaggle にも Deep Learning ブームがきてるかと思ったのでまとめる - 糞糞糞ネット弁慶

    概要 最近話題Deep Learning,NIPS や ICML,CVPR といった世界の話だろうと思っていたら Kaggle で ...

    ブックマークしたユーザー

    • k0kubun2018/07/22 k0kubun
    • odan_poyo2016/10/17 odan_poyo
    • taiyo-k2016/05/20 taiyo-k
    • obsedant2015/12/01 obsedant
    • ohnabe2015/06/01 ohnabe
    • monnalisasmile2015/02/16 monnalisasmile
    • monopole2015/01/16 monopole
    • jp-myk2014/11/21 jp-myk
    • upaksta2014/11/08 upaksta
    • namanurui2014/10/23 namanurui
    • mu-de2014/09/12 mu-de
    • fubar_foo2014/06/17 fubar_foo
    • michael-unltd2014/05/06 michael-unltd
    • nilab2014/03/13 nilab
    • kaz_uki_10142013/09/03 kaz_uki_1014
    • goto02013/08/12 goto0
    • kyopeco2013/07/30 kyopeco
    • kitanow2013/07/06 kitanow
    すべてのユーザーの
    詳細を表示します

    いま人気の記事

    いま人気の記事 - テクノロジー

    新着記事 - テクノロジー

    同じサイトの新着

    • Sequences of Sets (KDD 2018) 読んだ - 糞糞糞ネット弁慶

      1 usersrepose.hatenadiary.jp

      KDD 2018 | Sequences of Sets 好きな研究者が何人かいて,タイトルで気になった論文の著者がその人だとちょっとうれしくなる.Cornell University の Jon M. Kleinberg や Google の Ravi Kumar , Stanford の Jure Leskovec は気になって定期的に著者のページを見に行っている.Facebook の Lars Backstrom は久しく論文を書かなくなってしまったので悲しい. 今回の論文は Ravi Kumar が Co-Author に入っている. 集合 (set) の系列 (sequence) についてモデリングする.論文中では ある人物が送信したメールそれぞれの宛先を時系列でソートしたもの Stack exchange において投稿された質問に付与されたタグをユーザごとに集めてソートしたもの
    • Learning and Transferring IDs Representation in E-commerce (KDD 2018) 読んだ - 糞糞糞ネット弁慶

      2 usersrepose.hatenadiary.jp

      KDD 2018 | Learning and Transferring IDs Representation in E-commerce EC サイトにおける商品 (item) の埋め込み (embedding) を学習する.その際,商品につけられたメタデータをまとめて学習する. 基本方針 ユーザの商品閲覧行動にもとづいて skip-gram を学習する.すなわち,窓幅を として を学習する.この時 である. が 次元の商品の埋め込みとして得られる. 商品と属性の埋め込み ここで,商品には様々な属性が付与されていることを考える.論文では例として ある「商品」(product,例えば iPhone X) は異なる店 (store) にて異なる商品 (item) として扱われている 「商品」にはブランド (brand) が付与されている 「商品」には階層的なカテゴリ構造 (cate-leve
    • Trajectory-driven Influential Billboard Placement (KDD 2018) 読んだ - 糞糞糞ネット弁慶

      1 usersrepose.hatenadiary.jp

      KDD 2018 | Trajectory-driven Influential Billboard Placement 街頭広告をどのように選ぶかに取り組む。 問題設定としては 緯度経度で構成される軌跡 (trajectory) の集合 緯度軽度とコストで構成される街頭広告 (billboard) の集合 総予算 が与えられ、 軌跡 のいずれかの点が街頭広告 の半径 に入った時、確率 で影響を受ける (influenced) 街頭広告集合 に対する軌跡 への影響を とする とするときに影響が最大になるように広告を選ぶ問題を解く。 方針としては「実データにおける多くの軌跡は短い領域の中に存在する」という観測にもとづき、同じ軌跡になるべくクラスタが被らないように街頭広告をクラスタリングして解く。 DP の話が出てきたので読むのを止めた。 こういう話結構昔からやられてそうだけど最適化の世界はよ
    • Customized Regression Model for Airbnb Dynamic Pricing (KDD 2018) 読んだ - 糞糞糞ネット弁慶

      3 usersrepose.hatenadiary.jp

      KDD 2018 | Customized Regression Model for Airbnb Dynamic Pricing 民泊サービス Airbnb において, host (部屋を提供する人,ホスト) に対して「この値段で部屋を貸すと良い」と価格を提案する機能を実装するための技術. 予約 (booking) が入るかどうかの予測を行う その上で最適な価格を提示する という二つの方法を取る. この論文の貢献は以下の二つ. 価格の決定方法を評価する指標を提案していること その指標にもとづき価格を提示するモデルを学習する方法を考えたこと なぜ需要の推定が難しいか 「価格を決定する」というのは非常に古典的な問題.一般的には需要関数を求めて面積が最大となるような価格 を提案する.このとき,需要関数は価格のみの関数 である. しかし, Airbnb では需要は価格だけではなく,時刻 およびそ

    Your Cart tells You: Inferring Demographic Attributes from Purchase Data (WSDM 2016) 読んだ - 糞糞糞ネット弁慶

    10 users https://repose.hatenadiary.jp/

    冬のコミックマーケットC85 29日日曜日東タ27-aで「声優統計 第三号」を出します - 糞糞糞ネット弁慶

    14 users https://repose.hatenadiary.jp/