機械学習を利用するプロダクトのテスト - froglog
このエントリについて 2種類の要件 性能要件のテスト offline と online offline 性能テストの自動化 A/B テストはすぐにほしい 機能要件のテスト 性能テストのみで十分なのでは？ テストデータ生成 機能テストをいつ作るか まとめ このエントリについて ポエムです。 11/8(火) に開催された Cloudera World Tokyo 2016 に参加しました。 大規模データに対するデータサイエンスの進め方 #CWT2016 (以下、発表 1) データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016 (以下、発表 2) その中で上記の2つの発表がとてもいい話でした。 多少絡みのある内容として機械学習を利用するプロダクトのテストについて述べたいとちょっと前から考えていたので、いい機会なので
人材流動性を高めました - froglog
このエントリについて いわゆる退職エントリです。 と言っても退職したのはおよそ1ヶ月前ですが。 退職の経緯 8月末で株式会社 ALBERT を退職しました。 2年と2ヶ月の在籍でした。 退職を決めた理由は、 新しい分野・環境に身を置きたくなったこと 上場して会社としてのステージが変わったこと などです。*1 入社してからは主にレコメンデーションっぽいシステムの開発に携わることが多かったのですが、特に去年の秋から今年の春にかけてやっていたプロジェクトにおいてレコメンデーションまわりでやりたかったことを一通り実現できてしまいました。 推薦システムは奥深い分野であり極めたなどとはもちろん微塵も思っていませんが、そこに至って環境を変えた方が自分にとってのインプットが大きいのは間違いないだろうとの見込みがありました。 そしてちょうど2月に IPO があり、組織としてのステージも変わってきたのでいいタ
クラスタリング結果の評価の尺度基準 - froglog
このエントリについて クラスタリングの結果を定量評価するときの基準を数年に1回ぐらい調べてる気がするのと、日本語であまりまとまった情報を見ない気がしたので挙げてみます。今回挙げるのはハード（クリスプ）クラスタリングについての指標です。後で追加するかも。 クラスタ内距離二乗和 という呼び方が正しいのかどうかわかりませんが、k-means 法の場合はこの値を繰り返し処理の結果、極小化するようになっており*1、重要な指標となります。 クラスタ内の凝集性を表現します。 \( P_k = \sum_{i=1}^k \sum_{x \in C_{i} } \left( d(x, c_i) \right) ^2 \) \( k \): クラスタ数 \( C_i \): i番目のクラスタ \( x \): クラスタのメンバー \( c_i \): i番目のクラスタのセントロイド Pseudo F Cali
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
