「機械学習とビジネスを橋渡しするものこそ評価指標であり, "全てのビジネスは条件付期待値の最大化問題として書ける"」という話の問題点と代替案 - ill-identified diary
概要 はじめに I. 条件付き期待値が全てか? i 条件付き「期待値」だけでよいのか? ii 条件付き期待値の条件とはなにか? メディアミックスモデルを例に 外挿と選択バイアス 補足: 条件付き期待値の条件付けに関して II. 機械学習の性能評価 ≠ ビジネスモデル なのか? 分類モデルと確率の推定 確率推定の評価はできるのか III. こういう話の教科書・参考書はないのか? まとめ 参考文献 概要 『機械学習とビジネスを橋渡しするものこそ評価指標であり, ”全てのビジネスは条件付期待値の最大化問題として書ける”仮説についての一考察 - 株式会社ホクソエムのブログ』というブログ記事に対する私の昨日の twitter での連続投稿の話を書き改め, 説明不足な部分を補った. 昨日と同様に, (I) 条件付き期待値だけでよいか, (II) ビジネスモデルと機械学習の性能評価は一致しないのか, (
horovodのご紹介 ~Tensorflowの分散処理(Distributed Tensorflow)を簡単に実現！！~ - Qiita
horovodのご紹介 ~Tensorflowの分散処理(Distributed Tensorflow)を簡単に実現！！~PythonDeepLearningPython3TensorFlowhorovod 現在、ニューラルネットワークのモデルは非常に巨大になっていて、１台のGPUマシンだと計算に多くの時間がかかってしまうことが多くなってきました。そこで、多くのGPUで並列処理を行い計算を高速化させる需要が増えています。Tensorflowにも分散実行させるしくみを利用して並列処理を行うことが可能です。しかし、Tensorflowで分散処理を行うには以下のことを理解して１GPU用のコードを書き換える必要があります Parmeter server、Workerの配置 各サーバーへのグラフ、データの配置 これらを意識してコードを書き換えることは可能ですが、学習コストと改造量が多くDistrib
1
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
