DeNAの機械学習・深層学習活用した�体験提供の挑戦Experience Design 2016 SPRING の登壇資料です。深層学習活用したファッション・マンガ・画像生成・対話 等の各種体験提供の挑戦、開発で行っている８つのこと・心がけていること等紹介しています。Read less
k-meansの最適なクラスター数を調べる方法 - Qiita
背景 お手軽なクラスタリング手段としてk-meansが有名であるが、以下の様な困ったポイントがある k-means法の問題点の一つは、クラスタの個数kを指定しなければならないことだ。 クラスタリングは探索的 (exploratory) なデータ解析手法であって，分割は必ず何らかの主観や視点に基づいているということです．よって，クラスタリングした結果は，データの要約などの知見を得るために用い，客観的な証拠として用いてはなりません． 参照元 それは知っている。で、結局クラスター数は本当に分析者の決め打ちでいいのか？ 「このクラスター数はどうやって決めたの？」「これまでの分析結果からソーゴー的に考えて決定しました」とか言いたくない このページの目的 「最終的には分析官の判断でクラスターは決定しました」といいつつも、何かしら数値としての根拠を持ってクラスター数を決定したい 何か良い判断基準は無いの
いまさら聞けない機械学習の評価関数 - Gunosyデータ分析ブログ
アライアンス事業開発部の大曽根(@dr_paradi)です。 ニュースパスというアプリの分析と開発を行っております。 今回は機械学習の評価関数のお話をします。 内容は、【FiNC×プレイド】Machine Learning Meetup #1 - connpassで発表したものになります。 発表資料 いまさら聞けない機械学習の評価指標 from 圭輔 大曽根 www.slideshare.net 機械学習における評価 現在は機械学習ライブラリが充実しており、また、Webサービスの普及により学習に必要なデータの獲得も以前と比較して容易になっています。 そのため、機械学習のビジネス利用への敷居が下がっています。 予測や分類といった問題を解く際には、設定した課題に対してどのモデルが最も適しているかを評価するための指標(評価関数)が必要になります。 Kaggle*1などのコンペティションではあらか
新サービスを使い続けてもらうために工夫した2つのこと - クックパッド開発者ブログ
こんにちは。くらしのきほんグループのエンジニアの長田です。 私たちのチームでは、「くらしのきほん」という普段の暮らしの楽しさや感動を再発見するサービスを提供しています。 くらしのきほんでは、料理をはじめとした日々の暮らしを丁寧に送るためのコンテンツを提供しています。 また、くらしのきほんのサービスの一部として、「わたしのきほん」という、ユーザーが普段の生活の中で大切にしている事を言葉で投稿するサービスをスマートフォンWebで提供しています。 この記事では、わたしのきほんを使い続けてもらうために工夫したことと、その効果についてご紹介します。 わたしのきほんとは わたしのきほんは、TwitterやFacebookのように自分の近況を投稿するのではなく、自分が今までの人生の中で出会った、素敵だと思う言葉を投稿するサービスです。 投稿の例としてはこんなものがあります。 このサービスの1番面白いポイ
西武筑波店を閉店に追い詰めた｢TX｣の存在
8月最初の週末――。昼下がりに訪れた西武筑波店はひっそりとしていた。夏休み真っただ中にもかかわらず、家族連れを目にすることはほとんどない。1階の和菓子、洋菓子エリアには数人の客のみで、従業員のほうが圧倒的に多かった。 売り上げはピーク時の半分 セブン＆アイ・ホールディングスは8月2日、傘下のそごう・西武が運営する百貨店2店の閉店を発表した。西武筑波店（茨城県つくば市）と西武八尾店（大阪府八尾市）で、2017年2月末に閉店する。5月に就任した井阪隆一・セブン＆アイ社長の体制となって初めて実施される構造改革となる。 今回閉店が発表された西武筑波店は、国際科学技術博覧会（つくば科学万博）が開催された1985年に開業。家族連れやシニア層を中心ににぎわい、1991年度には過去最高となる248億円の売り上げを記録した。だが、そこを境に業績は低下の一途をたどる。直近の2015年度の売上高は128億円と、
機械学習怖い話 - Qiita
これは、私が実際に体験した話なんですがね。 その時私は、ニューラルネットワークを使って、 特定の文章を機械が読める特殊な形式に変換する、 という実験をやってたんだ。 でも何しろニューラルネットワークなんて大学でちょびっと習ったっきりなもんで、 処理ソフトについてるチュートリアルをやってみたり、インターネットに転がってるサンプルコードを読んでみたり、 とにかくいろいろやってみるしかない、ってんでいろいろ勉強して、 やーっと、それらしいものが動くようになった。 あるところからもらってきたデータセット、これを仮にデータAさんとしましょうか、データAさんでニューラルネットワークを学習してあげたあとに、それらしい入力をニューラルネットに与えてみる。 そうすると、けっこう面白い結果が出てくるようになったんですね。 いろいろ悩んでやってみた結果ちゃんとした出力が出てきたわけですから、それはもううれしかっ
マイクロにしすぎた結果がこれだよ！
This document summarizes a microservices meetup hosted by @mosa_siru. Key points include: 1. @mosa_siru is an engineer at DeNA and CTO of Gunosy. 2. The meetup covered Gunosy's architecture with over 45 GitHub repositories, 30 stacks, 10 Go APIs, and 10 Python batch processes using AWS services like Kinesis, Lambda, SQS and API Gateway. 3. Challenges discussed were managing 30 microservices, ensur
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
