はじめに 『機械学習のための特徴量エンジニアリング』の書誌情報 Kaggleのワークフロー 1. (探索的データ分析) 2. ベースラインモデルの構築 3. Validationの構築 4. 特徴量エンジニアリング 5. ハイパーパラメータ調整 6. アンサンブル 『機械学習のための特徴量エンジニアリング』の貢献箇所 Kaggle観点で本書をオススメする読者 おわりに はじめに このたび、『機械学習のための特徴量エンジニアリング』をご恵贈いただきました。 Kaggleと親和性が高い書籍名で、Twitterのタイムラインなどを見るに、Kaggleに興味がある層を中心に大きな注目を集めているようです。 本記事では本書の発売に寄せて、Kaggleの自分流のワークフローと「特徴量エンジニアリング」の位置づけについての私見を述べます。その上で本書がKaggleのワークフローのどの部分に寄与するかを説
【9月22日 AFP】ゲームの世界でライバルを倒し続けてきたeスポーツの第一世代が引退し始めるなか、ある難しい問題が浮上している──引退後、プロ選手は一体何をすればいいのか、という問題だ。 eスポーツの世界では他の多くのスポーツに比べ、この問題に直面する時期が早い。激しいゲームで戦う選手たちにとっては、ミリ秒単位の遅れが致命的になり得るため、「反応の鈍り」が現れるとされる23歳でその選手生命が終わることすらあるという。 急成長するeスポーツの世界では、その賞金も高騰している。8月に中国・上海で開催されたマルチプレーヤーゲーム「ドータ2(Dota 2)」世界大会の賞金は過去最高となる3370万ドル(約36億4000万円)に達した。この数字は今後、さらに上昇するとみられている。 ドータ2では、選手の引退年齢は30歳と言われており、そのタイミングは比較的遅めだ。プロゲームチーム「ニュービー(Ne
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