エンジニアコラム 広い技術領域をカバーする当社の機械学習エンジニアが、 アカデミア発のAI&機械学習技術を 紹介&解説いたします。 株式会社Laboro.AI リード機械学習エンジニア 吉岡 琢 2019.12.5 概 要 このコラムでは確率モデルによる情報処理について、その概要をいくつかの具体例と共に見ていきます。確率モデルの利点は確率的な潜在要因を柔軟に組み合わせることができる事です。最初の例では確率的潜在要因をどのように取り扱うかを簡単な例で紹介します。そして、変分ベイズ法と呼ばれる手法による潜在要因の推定方法の概要を説明します。最後に二つの全く違った例を同じ考え方でモデル化する事で、確率モデルの持つ柔軟性を示したいと思います。 目 次 ・不確実性を考慮したモデル ・確率的要素の組み合わせ ・潜在変数の推定 ・より複雑な確率モデル ・まとめ 不確実性を考慮したモデル 現実のデータを分
こんにちは、シニアアプリケーションエンジニアのid:taraoです。この記事ははてなデベロッパーアドベントカレンダー2015の10日目です。昨日はid:tapir320によるはてなの組織開発についてでした。 先月開催されたWebDB Forum 2015で、「はてなブックマークにおけるアクセス制御: 半環構造に基づくモデル化」というタイトルの発表をしました。 はてなブックマークにおけるアクセス制御 - 半環構造に基づくモデル化 from Lintaro Ina 発表資料には多くの方に興味をもっていただけたようですが、わかりにくい点も多かったのではないでしょうか。スポンサー企業としての技術報告セッションとはいえ学術会議での発表なので理論面と独自の工夫点にフォーカスした内容であったり、口頭での発表のしかたに大きく依存したスライドの遷移方法になっているので、この資料だけで細かいところまで理解しよ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く