リクルート、世界最大のデータサイエンティストコミュニティ"Kaggle"と日本企業初の共催となるデータ予測コンペティション「RECRUIT Challenge - Coupon Purchase Prediction」開催を決定 | リクルートホールディングス
Home プレスルーム ホールディングスのプレスリリース リクルート、世界最大のデータサイエンティストコミュニティ"Kaggle"と日本企業初の共催となるデータ予測コンペティション「RECRUIT Challenge - Coupon Purchase Prediction」開催を決定 株式会社リクルートホールディングス（本社：東京都千代田区、代表取締役社長 兼 CEO：峰岸真澄、以下リクルート）の人工知能（AI）の研究機関であるRecruit Institute of Technology（以下、RIT）は、世界最大のデータサイエンティストコミュニティであるKaggle（https://www.kaggle.com）において、日本企業として初の共催となるデータ予測コンペティション「RECRUIT Challenge - Coupon Purchase Prediction」を開催いたしま
TechCrunch
This pitch deck makes for some really interesting reading and storytelling, so let's dive in and see if we can spot what happened and how.
第30回 データマイニング+WEB＠東京( #TokyoWebmining 30th)−機械学習活用・マーケティング 祭り− を開催しました - hamadakoichi blog
2013/10/19 "第30回 データマイニング+WEB ＠東京 ( #TokyoWebmining 30th) −機械学習活用・マーケティング 祭り−"を開催しました。 第30回 データマイニング+WEB＠東京 ( #TokyoWebmining 30th) ー機械学習活用・マーケティング 祭り−: Eventbrite Google グループ 会場提供し運営を手伝って下さった ニフティ株式会社 のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧： 参加者Twitter List: Twitter List TokyoWebmining 30th 参加者セキココ：第30回 データマイニング+WEB ＠東京 セキココ (作成してくれた [
ニューラルネットの逆襲 - Preferred Networks Research & Development
岡野原です。Deep Learningが各分野のコンペティションで優勝し話題になっています。Deep Learningは7、8段と深いニューラルネットを使う学習手法です。すでに、画像認識、音声認識、最も最近では化合物の活性予測で優勝したり、既存データ・セットでの最高精度を達成しています。以下に幾つか例をあげます。 画像認識 LSVRC 2012 [html] 優勝チームスライド [pdf], まとめスライド[pdf] Googleによる巨大なNeuralNetを利用した画像認識（猫認識として有名）[paper][slide][日本語解説] また、各分野のトップカンファレンスでDeep Learningのチュートリアルが行われ、サーベイ論文もいくつか出ました。おそらく来年以降こうした話が増えてくることが考えられます。 ICML 2012 [pdf] ACL 2012 [pdf] CVPR
交差検証の k の値はどれくらいにすればいいのか - ほくそ笑む
分類器(識別器)のモデルを評価する手法に交差検証(クロスバリデーション)があります。 交差検証を行うには、データをいくつに分割するかを表す k の値を決めてあげなければなりません。 SVM のチューニングのしかた（１） において、交差検証の k の値を決めるとき、僕は個人的に k = 1 + log(n)/log(2) という式を用いていると書きました。 この式は、知っている人ならわかると思いますが、スタージェスの公式です。 スタージェスの公式は、ヒストグラムを描く際にサンプル数から階級数を決めるのに便利な公式です。 しかし、この公式を交差検証の k を決める際に使用するのは、はっきりいって根拠がありません。 そこで、今日は交差検証の k の値をどのくらいにすれば良いのかについて考えてみたいと思います。 準備（予備知識） k の値は大きければ大きいほど、正確にモデルを評価できます。 k の
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
Crfと素性テンプレート
4. CRF に入る前に… ● マシンラーニング界での CRF の立ち居値は何処？ ML界 Logistic Regression SVM 識別モデル Perceptron M^3N CRF Structured SVM PA Structured Perceptron MIRA HMM 識別関数 構造学習 ベイジアンの集う修羅の地 生成モデル 僕は立ち入れないので説明不可 NB ※ @echizen_tm さんのネタパクりました。
Machine Learning that Matters(ICML 2012) 読んだ - 糞糞糞ネット弁慶
機械学習やってる人は皆読むべきだと思う． Machine Learning that Matters (pdf) 概要 機械学習のトップカンファレンスICMLに数式/アルゴリズム/定理を1つも書かずに通った論文． 機械学習は何のために重要なのか，現実世界との繋がりを失っていないか，あなたは「機械学習って何の役に立つの?」と聞かれた時にちゃんと答えられるのか，まだ取り組まれてない重要な問題は何か，について触れた長文ブログのような論文． contributionsは 機械学習の研究と人類と科学全体におけるもっと大きな研究との間にある欠落に対する明確な特定と解説 そのギャップに取り組むための第一歩 (どう訳していいかわからなかった) 機械学習において重要な問題の提示 機械学習のための機械学習(要約: マッシュルームやアヤメの分類器を死ぬほど作って何の役に立ったの？) ベンチマークデータの問題 こ
NTTとPFI、ビッグデータに対する高度な分析をリアルタイム処理するソフト基盤を開発
NTTとプリファードインフラストラクチャー（PFI）は2011年10月26日、分散ソフトウエア基盤「Jubatus（ユバタス）」を開発したと発表した。Jubatusは大量データに対する機械学習などの高度な分析をリアルタイムで処理できるソフトウエア。10月27日からオープンソースソフトウエア（OSS）として公開する。 Jubatusは、発生したデータを複数のサーバーに振り分けて、リアルタイムに分析処理を行う。サーバー台数を増やすことで処理性能を向上するスケールアウト構成をとることができる。Jubatusの構成は、複合イベント処理（CEP）やストリーミング処理ソフトに似ている。しかし、CEPやストリーミング処理ソフトが、集計やパターンマッチングといった単純な処理のみを実行するのに対して、Jubatusは機械学習のような高度なデータ分析をリアルタイム処理できることが特徴だ。 機械学習とは、データ
Log In - Apache Software Foundation
Powered by a free Atlassian Confluence Open Source Project License granted to Apache Software Foundation. Evaluate Confluence today. Čeština Dansk Deutsch Eesti English (UK) English (US) Español Français Íslenska Italiano Magyar Nederlands Norsk Polski Português Română Slovenčina Suomi Svenska Русский 中文 日本語 한국어 Powered by Atlassian Confluence 7.19.25 Printed by Atlassian Confluence 7.19.25 Report
芸能人推薦のしくみ
第一回 mixi × ca 合同勉強会のLTで発表した資料に一部加筆修正を加えたものです。Read less
Jubatusにおける大規模分散オンライン機械学習
1. Jubatusにおける⼤大規模分散 オンライン機械学習 2011/12/08 @⼤大規模データ処理理勉強会 株式会社Preferred Infrastructure 海野 裕也 (@unnonouno) 2. ⾃自⼰己紹介 l 海野 裕也 (@unnonouno) l Preferred Infrastructure (PFI) 研究開発部⾨門リサーチャー l 社員20⼈人くらい l 検索索・レコメンドエンジンSedueの開発など l 専⾨門 l ⾃自然⾔言語処理理 l テキストマイニング l Jubatusプロジェクト内での役割 l 主に特徴抽出エンジン、機械学習エンジンの研究開発 2 3. Big Data ! l データはこれからも増加し続ける 多いことより増えていくということが重要 l データ量量の変化に対応できるスケーラブルなシ
Machine Learning for Hackers
Read it now on the O’Reilly learning platform with a 10-day free trial. O’Reilly members get unlimited access to books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers. If you’re an experienced programmer interested in crunching data, this book will get you started with machine learning—a toolkit of algorithms that enables computers to train themselve
Jubatus : Distributed Online Machine Learning Framework¶
Jubatus English Japanese
過学習と局所解 - 職業としてのプログラミング
もし、私が電気の専門家であったなら、電話を発明することはできなかっただろう。 何故なら、そんなものは最初から不可能だと決め付けたであろうから。 冒頭の引用にあるベルの言葉※1は、たまたま見たテレビ番組で取り上げられているの見て初めて知りました。非常に印象的な言葉でした。 技術者として仕事をしていると、無理難題とも言える仕様、無理なスケジュールを突きつけられることが良くあります。そんな時、ついつい「無理を言うのは技術を分かっていないからだ。無理を言われても困る」と考えがちです。しかし、実際は中途半端に技術を理解しているがために視野が限定され、結果として発想力に乏しくなっているのは技術者の側、ということもあるのではないでしょうか。ここで、学生の頃かじったニューラルネットワーク(Neural Network)や遺伝的アルゴリズム(GA)のことを思い出しました。 ニューラルネットワークとGA。どち
[授業]
東京工業大学 2008年度前期（学部2年）：確率と統計 2008年度前期（大学院）：パターン情報処理（英語） 2007年度後期（学部3年）：情報認識 （学生評価の高い講義に選ばれました！） 2007年度前期（学部2年）：確率と統計, 宿題用のデータ 2007年度前期（大学院）：データ解析特論（英語）, 宿題用のデータ 2006年度後期（学部3年）：情報認識 （学生評価の高い講義に選ばれました！） 2006年度前期（学部1年）：５類Ｆ１ゼミ 2006年度前期（学部2年）：確率と統計 （学生評価の高い講義に選ばれました！） 2006年度前期（学部3年）：情報工学創作実習 2006年度前期（大学院）：パターン情報処理（英語） 2005年度後期（学部3年）： 情報認識 2005年度前期（学部1年）：５類Ｆ１ゼミ 2005年度前期（学部2年）：情報工学創作実習 2005年度前期（大学院）：データ解析
機械学習研究グループ T-PRIMAL (Tokyo PRobabilistic Inference and MAchine Learning)
[ English | Japanese ] 機械学習研究グループ T-PRIMAL (Tokyo PRobabilistic Inference and MAchine Learning) 趣旨 近年，NIPS, ICML, KDD, ICDMなど，いわゆる機械学習に関する 国際会議が大きな盛り上がりを見せています． しかし残念ながら，これらのトップレベルの国際会議における 日本人の発表件数はそれほど多くありません． さらに問題なのは，これらの国際会議に 論文を投稿する日本人そのものの数がそれほど多くないという事です． このような状況を鑑みた発起人一同は， 機械学習分野における日本人の存在感を高める事を目指して， 研究グループT-PRIMALを発足するに至りました． 機械学習の分野では，大学や企業の垣根を越えて 共同研究を行なうのが国際的な潮流です． 一方日本国内では，部署・研究室など
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
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
untitled
LDA入門
Machine Learning for Email