このホームページを、英語・中国語・韓国語へ機械的に自動翻訳します。以下の内容をご理解のうえ、ご利用いただきますようお願いします。 1.
2018年の発行以来、多くの読者に支持された書籍を全面改訂! 不確実性の高い機械学習プロジェクトについて、「仕事で使う」という観点から整理するコンセプトはそのままに、初版の発行後に登場した概念や課題を取り上げます。「機械学習でいい感じにしてくれ」と突然上司に言われたとき、本書で学んだことが読者の力になるはずです。本書で得た知識は読者が「いま」困っている問題を解決する助けとなるでしょう。 第2版では、機械学習システムの開発と運用の統合する「ML Ops」、機械学習モデルを解釈し、その妥当性や根拠を明らかにする「機械学習モデルの検証」、ユーザーの行動を学習しながら予測を進める「バンディットアルゴリズム」、意思決定における予測システムの役割や意思決定のデザインを扱う「オンライン広告での機械学習」といった新章を追加しています。 本書のサポートページ(GitHub) まえがき 第I部 1章 機械学習
新卒としてITエンジニアとして働き始め2年目に突入したので人生を考えてみる。 自分は、中学生の頃からプログラミングを始め、大学で Computer Science を学び、2020年4月からIT企業で働き始めて1年と少しになる。 業務では日本向けのフリーマーケットアプリのAndroid 版を国際色豊かなメンバーとワイワイ開発している。 仕事は苦労しつつも同じ職種だけではなく、PdM・デザイナー・QA・その他大勢の助けを受けつつ「設計、開発、QA、リリース、バグ対応、開発環境整備」等々やっている。 新しい技術のキャッチアップができ、タスクの自由度はいい塩梅、自分が利用者なアプリの開発が出来て最高な環境だと思ってる。 世間一般の人からするとコロナ禍にも関わらず支障なく働けているため非常に恵まれた環境だと思う。 しかし、悩み事が一つある。 「平凡ITエンジニアであること」に悩んでいる 所謂サラリ
仕事で英語を使う機会が増えたことが学習を始めるきっかけ。 2021年1月頭から熱心に学習を始めた。 TOEICスコアはもともと高かったがスピーキングはろくにできない状態がスタート地点。 短期間で上達したいという一心で、考えられる限りあらゆる方法で英語を学習した。 TOEICのスコア向上を目的としたわけではないが3ヶ月間でスコアが850から950へと上がった。 スピーキングに関しては、レアジョブに登録していると無償で受けられるスピーキングテストにおいて CEFR準拠レベル B2, RareJobレベル 8 (High Intermediate) となっている。 たぶん去年受けたらレベル6くらいだったと思う。 英語話者との会議でたどたどしくもやりとりできる程度になった。 実感としてリスニング、リーディング、スピーキングいずれも上達している。 学習のコツとして、個別のスキルを一つずつ伸ばしていく
恥ずかしながら Docker をほぼ触ったことがなかったので、基礎的なことを学びました。 学びながら「こんな絵があったら理解しやすかったなー」と感じていた絵を自分で描きました。 せっかくだから整理して公開したいと思います。 同じ様な方の役に立ったら、とても嬉しいです。
みなさん、ワンライナーで日本語を簡単に処理したい場合、何を使うでしょうか。 ワンライナーで言語処理といえばPerlですよね[要出展]。 Perlでは、「ひらがな」「カタカナ」「漢字」といった文字にマッチする正規表現を簡単に書くことができます。 例えば、青春→鯖鰆みたいなやつという記事では、漢字にマッチさせるのに\p{Han}という正規表現を使っていました。 $ perl -Mutf8 -CSD -le 'print "漢" =~ m{\p{Han}} ? 1 : 0' 1 $ perl -Mutf8 -CSD -le 'print 1 if "あ" =~ m{\p{Han}} ? 1 : 0' 0 なんてこった。 "「"は明らかに漢字じゃないだろう? 調べてみると、perlunicodeに以下のような記述がありました。 Prior to Perl v5.26, the single for
対象読者 こんな人に向いてます Transformerを知らない人 私も全く知らずに調べました!なんにもわからない人の目線で書きます! 想定される疑問を載せてます! 多層パーセプトロンは知っているけど、それ以降出てきたいろんな用語についていけなくなった人 いつも知らない言葉を含んだ図ばかりで結局詳細がよくわからないって思っている人 図に式も載せて式を見ればやっていることがわかるようにしました! 結局解説サイトを読んでもどう動くかわからない人 実際に軽いデータでTransformerを動かしてみたい人 軽く動かせるNotebookを用意してます! ミスがあればご指摘くださると幸いです。 自然言語処理で大活躍している手法。 機械翻訳 テキスト要約 文章生成 文書カテゴリの分類 最近では、画像データやテーブルデータ(時系列データ)でも活躍しているようだ。 画像認識の大革命。AI界で話題爆発中の「
まず言っとくと、大学は就職予備校ではないから、就職に不利になるとかそんなのは知らん。この反論をよこしてくる奴は、文章の一文目すら読めないアホだから無視する。 大学に行っても、ほとんどの人はそこで習うことを身に付けられないし、将来役に立つこともないから、そいつらが大学に行くのは無駄だ。 ところが、インターネット上を見ていると、大学教育の必要性を説く自称知識人が驚くほどいる。いわく、「大学は教養を身に付け、豊かな人生を送るために重要」だとか。 もちろん、本当に「教養」のある人がこういうことを言ってる分にはいいのだが、そうじゃない人がこんなことを言ってるのは相当恥ずかしい。童貞がセックスのテクニックを語っているようなものだ。 専攻にもよるが、大学の専門課程の内容をきちんと理解している学生は、東大や京大でも上位の2〜3割程度だ。それよりもレベルの低い大学では、その割合はもっと低い。 インターネット
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