機械学習で泣かないためのコード設計

【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか？〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。 本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライド

[ryun_ryun]

機会学習の難しさを分かりやすくまとまってるのは参考になる。上の連中が人工知能は簡単で万能みたいな考えを持ってて最近困ってたんだ。

[elu_18]

今日話したものです。最近TensorFlowで苦しむ中で得られたノウハウのすべてがここに。 https://t.co/7qv6ijJSVv https://t.co/MLL7HkiGKw

[otihateten3510]

この資料コンプラ大丈夫？

[razokulover]

久々にこれ読んだけどここに書かれてる事ある程度できるようになった気がする

[georgew]

基本の注意事項。種々のパラメータ調整に頭を悩まされる機械学習。得てして期待するパフォーマンスも出ず。

[shotakame]

こういう体験談はためになる

[ak1can]

機械学習

[newmind]

機械学習っていうか、途中からTensorFlowの話になってない？

[natsutan]

ありがたや

[Rinta]

大事な記事。

[qpci32siekqd]

あるある

[legoboku]

ほむほむ

[fufufukakaka]

こういうのがベースになっていくんだろうな。毎回パラメータ指定してたから、確かに分けて書くべきだとは思う

[north_korea]

活性化関数とか学習率を変えると一気に性能向上することもあるし最適なものを見つけるのはかなりしんどい

[buenaarbol]

appendixがやばい価値ある

[braitom]

機械学習で難しいこと、原因の切り分け方が簡潔にまとめられている。

[kaz_uki_1014]

機械学習で泣かないためのコード設計 機械学習で泣かないためのコード設計1.Copyright © 2016 TIS Inc. All rights reserved.機械学習で泣かないためのコード設計戦略技術センター久保隆宏2.2Agenda• Who are you• TIS株式会社について•

[h_nitoliam]

Modelでlossを返さない？理由がよくわからん

[kimutansk]

ロジック部をデータ入出力部と分離、パラメータは外だしでまとめる、モデルにロジック含めない、と。これ普通のプログラムでも重要な話ですね。