Amazonの推薦システムの20年
IEEE Internet Computingの2017年5・6月号に "Two Decades of Recommender Systems at Amazon.com" という記事が掲載された。 2003年に同誌に掲載されたレポート "Amazon.com Recommendations: Item-to-Item Collaborative Filtering" が Test of Time、つまり『時代が証明したで賞』を受賞したことをうけての特別記事らしい 1。 「この商品を買った人はこんな商品も買っています」という推薦で有名なAmazonが1998年にその土台となるアルゴリズムの特許を出願してから20年、彼らが 推薦アルゴリズムをどのような視点で改良してきたのか 今、どのような未来を想像するのか その一端を知ることができる記事だった。 アイテムベース協調フィルタリング 20年前も
アマゾンの“おすすめ”で鍛えた機械学習技術、AWSがサービス化
Amazon Web Services（AWS）は4月9日、マネージド型の機械学習サービス「Amazon Machine Learning」の提供を開始した。多額のインフラ投資をすることなく、AWSのストレージやデータベースに蓄積された大量のデータを使って、簡単に将来予測を実行できる。 機械学習（ML：Machine Learning）は、大量の過去データを「学習用データセット」として利用することで、ビジネス判断を支援する結果予測の方程式（予測モデル）を作成する技術。人間が予測モデルを作成する場合、数学統計やデータ分析に対する深い知識を持つ人材や、予測モデルを反復的に実行／修正する作業（トレーニング）が必要となるが、機械学習では大量のデータを自動処理することで、こうした負担を大幅に軽減する。 機械学習技術は、たとえば金融取引における不正トランザクションの検知や、商品の需要予測、カスタマーサ
AWS News Blog
Join AWS Hybrid Cloud & Edge Day to Learn How to Deploy Your Applications in the Everywhere Cloud In his keynote of AWS re:Invent 2021, Dr. Werner Vogels shared the insight of how “the everywhere cloud” is bringing AWS to new locales through AWS hardware and services and spotlighted it as one of his tech predictions for 2022 and beyond in his blog post. “What we will see in 2022, and even more […]
「Amazon Machine Learning」発表。クラウドで機械学習サービスを提供
Amazonクラウドはクラウド上で機械学習を提供するサービス「Amazon Machine Learning」を発表しました。 これはAmazon社内でデータサイエンティスト達が使っているのと同じものと説明されており、既存のデータ群から適切な機械学習モデルを作りだし（データからパターンを学習し）、そのモデルを新しいデータに適用して予測などを行っていくというもの。 高いスケーラビリティで日々何十億もの予測を行う能力を備え、リアルタイムに予測を生成できるとされています。 簡単に学習させられ、大規模処理も可能 Amazon Machine Learningのページでは、特長として5つの要素が示されています。 1つ目は、既存データをAmazon S3やRedshift、Amazon RDSなどから簡単に読み込んで学習させることができること。2つ目は、数秒でモデルを作成し、予測までできること。 3つ
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
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
GitHub - amazon-archives/amazon-dsstne: Deep Scalable Sparse Tensor Network Engine (DSSTNE) is an Amazon developed library for building Deep Learning (DL) machine learning (ML) models
Machine Learning (ML) on AWS - ML Models and Tools - AWS
Amazon.co.jp： データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学): 久保拓弥: 本
Amazon.co.jp: フリーソフトでつくる音声認識システム パターン認識・機械学習の初歩から対話システムまで: 荒木雅弘: 本
Amazon.co.jp: 言語処理のための機械学習入門 (自然言語処理シリーズ 1): 高村大也: 本
Amazon.co.jp: パターン認識と機械学習 上 - ベイズ理論による統計的予測: C. M. ビショップ (著), 元田浩 (翻訳), 栗田多喜夫 (翻訳), 樋口知之 (翻訳), 松本裕治 (翻訳), 村田昇 (翻訳): 本
Amazon.co.jp: 統計的学習の基礎 ―データマイニング・推論・予測―: Trevor Hastie (著), Robert Tibshirani (著), Jerome Friedman (著), 杉山将 (翻訳), 井手剛 (翻訳), 神嶌敏弘 (翻訳), 栗田多喜夫 (翻訳), 前田英作 (翻訳), 井尻善久 (翻訳), 岩田具治 (翻訳), 金森敬文 (翻訳), 兼村厚範 (翻訳), 烏山昌幸 (翻訳), 河原吉伸 (翻訳), 木村昭悟 (翻訳), 小西嘉典 (翻訳), 酒井智弥 (翻訳)
Amazon.co.jp: パターン認識と機械学習の学習―ベイズ理論に挫折しないための数学: 光成滋生 (著), 竹迫良範 (編さん): 本
overlasting.net