ICONIQ Growth has raised $5.21 billion across two funds associated with the seventh growth fund family, according to SEC filings. However, the firm’s actual fundraise was $5.75 billion, accordin
![TechCrunch](https://cdn-ak-scissors.b.st-hatena.com/image/square/92584d6251feb0822f349cf0211361b2833c9939/height=288;version=1;width=512/https%3A%2F%2Ftechcrunch.com%2Fwp-content%2Fuploads%2F2018%2F04%2Ftc-logo-2018-square-reverse2x.png)
機械学習エンジニアはどこまでコミットしたいのか 藤倉成太氏(以下、藤倉):ここにいらっしゃる方、世の中の機械学習向けエンジニアの方々は、プロダクションのコードを書くところまで、みなさんやりたがっているものなんですか? 例えば、採用などで考えたときに「いやー、俺はそこまでやらないです」みたいな方が果たして出てきてしまうのか。 谷脇大輔氏(以下、谷脇):弊社の場合は特殊で研究系のエンジニアは本当に研究系の人で、アプリ開発とかは一切やらない。ただ、その代わり一点突破というか、研究にすごく強い。それで我々がそれ以外の部分をカバーする感じですね。 逆にプロダクト開発チームは機械学習にすごく強い人はそこまでいないです。とはいえ、機械学習のことがわからないと、どういうインフラ、アプリケーションを作るかが想像できないので、そのへんのキャッチアップがすごく重要になっています。 竹原一彰氏(以下、竹原):メル
連載目次 ※本稿には新バージョンがあります。2021年に向けてのアップデート記事(2020年12月16日公開)はこちらです。 本稿は、ディープラーニング(深層学習)に関心があるビジネスマンから、これから始めてみたいというエンジニア、既に取り組んでいる実務経験者まで、幅広い人に向けて書いた。よって、初歩的な内容も含めつつ説明していくのでご了承いただきたい。 ディープラーニングを実装する場合、フルスクラッチでゼロからコードを書くのは非効率なため、専用のライブラリ/フレームワークが用いられるのが一般的だ。ディープラーニングが流行してから直近4年ほどの間に、次々と新しいフレームワークが登場した。現在、主要なものを挙げると、 TensorFlow: 2015年登場、Google製。一番有名で、特に産業界で人気 PyTorch: 2016年登場、Facebook製。この中では新興だが、特に研究分野で人
こんにちは! PRチームのmayumineです。 最近、メルカリに新入社員が入社しました。その名もAI社員の「HISASHI」くん! Slack上に存在し、社内のヘルプデスク業務に対して、AIによるサポートをするのがHISASHIくんの役目です。「印刷の仕方」や「経費精算の仕方」「翻訳の依頼」などの質問や業務は、基本的に社内の「担当の誰か」が対応していましたが、質問する人もされる人も解決までに時間がかかってしまいます。「AI社員が答えられることは自動対応できるようにしよう!」ということで、HISASHIくんが爆誕し、社員として活躍できるまで育成されてきたのでした。 HISASHIくんにできること 誰しも、「調べれば簡単にわかりそうなことを誰かに聞くのは悪いな〜。でも調べるのはめんどくさいな〜」という心理的ハードルはあると思うんですけれど、HISASHIくんだったら心置きなく気軽に質問できま
大人気ゲーム「Fortnite」を送り出したEpic Gamesの創業者兼CEO、ティム・スウィーニー(Tim Sweeney)氏。2019年、急成長が予想されている。 Epic 我々は、20人以上のベンチャーキャピタルの投資家に、2019年に急成長すると彼らが信じているスタートアップをあげてもらった。 ベンチャーキャピタルには、それぞれのポートフォリオの中から、2019年、特に注目しているスタートアップを1社あげてもらった。 またそれに加えて、投資はしていないが、良い話を聞いており、成功するだろうと考えているスタートアップも1社あげてもらった。 消費者向け健康商品から人命を守るドローンまで、テック系ベンチャーキャピタルが期待するスタートアップ57社のリストがまとまった。 スナップチャットやフェイスブックといった人気サービスを提供しているテック企業のことは、業界に精通していなくても分かる。
年末までにこのエントリを投下したい、と思いつつ、あれよあれよと年があけてしまいましたが、去る2017年12月に表題の通り、機械学習のアルゴリズム「以外」を対象としたML Ops Study(仮)#1 という勉強会を開催してみました。 経緯など ここ数年、機械学習やらディープラーニング、と言われる領域に親しいところに身を置いていて、自分の興味が機械学習や高度な分析の社会実装に興味があることが分かってきました。幸いにして、機械学習ブームによって、機械学習のアルゴリズム部分に関する勉強会や書籍はたくさん世の中に出てくるようになり、結果、多くの人が機械学習のアルゴリズムを勉強をするようになったように思います。一方で、問題を解決できそうなアルゴリズムがあったとしても、実際はそれを仕組みに落としていくところ、仕組みにした後に継続的に運用し続ける部分に関しての知見やノウハウはなかなかないのが現状です。こ
この記事はMercari Advent Calendar 6日目の記事です。 メルカリのBIチームのアナリスト/マネジャーの @hikaru が、メルカリの分析チームの事情についてお送りします。 ※ BIチーム…メルカリ内の分析を一手に担うチーム。Business Intelligenceチーム。 この記事について イベントやカジュアル面談などでメルカリの分析チームの内幕についてよく聞かれる質問があります。 いえ、それどころか場合によっては社内であまり一緒に仕事する機会がない方々からも、チームに関して質問されることがあります。 ※ カジュアル面談…メルカリでは、社内のポジションに興味ある方にオフィスに来ていただいて1on1でざっくばらんに話す会を頻繁に行っています。 正直、分析チームというのは外部から何をやっているか見えづらい面もあるため、理解できます。 よく頂く質問としては、 組織的なこ
これはMercari Advent Calendar 2017 の2日目の記事です。 昨日は @stanaka の分散ファイルシステムはブロックチェーンの夢を見るか でした。 今回は@Hmj_kd が、メルカリの機械学習の取り組みや機械学習エンジニアの今年行ってきた活動のいくつかをご紹介したいと思います。 以下、一部にて機械学習をMLと略します。 この1年間で機械学習で取り組んだこと 私が入社したのは2017/01で、社内では二人目の機械学習エンジニアでした。 その当時は speakerdeck.com にあるように、プロダクトにMLに関するものはありませんでした。 現在は、チーム全体でマネージャも含めて約10人ほどの組織になり、活発に実験や開発が行われています。 いくつかを列挙しますと - 商品出品時の価格推定とサジェスト - 一部カテゴリについて商品タグの推定 - 商品出品時のカテゴリ
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