It’s that time of week again, folks. Welcome to Week in Review (WiR), TechCrunch’s regular digest of the past week in tech. New here? Not to worry — sign up here to get WiR in your i

こんにちは、ほけきよです。 DeepMindが数日前に、tensorflowを用いたモジュール"sonnet"をオープンソース化しました。 普段Kerasしか使っていないのですが、ちょっとだけ触ったり調べたりしたので インストール方法 Exampleについて Kerasとの違い。想定ユーザ など、所感とともにメモとして残しておきます。 sonnetとは requirement インストール方法 bazelのインストール sonnetをダウンロード、チェック ビルド、インストール チェック Exampleを試す タスク データセット 結果 中身をちょっとだけ見る 所感 sonnetとは DeepMind(今一番キテるGoogle傘下の研究所)が社内用に使っていた深層学習用ライブラリ tensorflowのラッパー的立ち位置(tensorflowが入っていることが必要) Linux/MacOS

Lance Riedel and Nigel Daley both spent decades in search discovery, but it was while working at Pinterest that they began trying to understand how to use search engines to…

定期的に自分の思考を言語に変えていく作業は必要だなぁと感じて、年末に時間が空いたのでこの１年半ぐらい考えていたことをまとめてみることにしました。 以前ブログで、世の中は連立方程式のようなもので、３つ（お金・感情・テクノロジー）の異なるメカニズムが併存し相互に影響を及ぼしており、それらが未来の方向性も決めている、という話を書きました。３つの要素がそれぞれ違うベクトルを指して進んでいます。それらの先端を結んだ三角形の中間が「現在」であり、その軌道が「未来」の方向性であると。３つのベクトルではお金が最も強く、次に人間の感情、最後にテクノロジーの順番としていました。 ただ、この時はまだモヤモヤしていて、もう少し掘り下げればより普遍性のある構造が隠れているように感じていて、この１年半は日々のビジネスで試行錯誤しながら、ずっとこのテーマを考えていました。書籍やブログではテクノロジー系の話ばかりしていて

気が付いたら僕がデータ分析業界に身を置くようになってそろそろ5年近くになるんですね*1。この5年間の間に色々勉強したり業界内で見聞してきた経験をもとに、「実務の現場においてモデリングを行う上での注意点」についてだらだらと書いてみようと思います。 と言うのも、色々な現場で様々なモデリング（統計学的にせよ機械学習的にせよ）が行われていることが伝わってくるようになった一方で、ともすれば「え？こんな基礎的なポイントも守ってないの？」みたいなとんでもないモデリングがまかり通る現場があると愚痴る声を業界内で聞くことが少なくないので。自戒の意も込めて重要なポイントを備忘録としてブログ記事にまとめておくのも有益かなと思った次第です。 この記事では手法選択（線形・一般化線形・ベイズ＋MCMC・識別関数・識別モデル・生成モデル・樹木モデル・Deep Learning etc.）の話題は割愛しました。一般に、モ

何の話かというと Google Cloud MLを利用して、TensorFlowの分散学習を行う方法です。取り急ぎ、自分用のメモとして公開しておきます。 分散学習にはいくつかのパターンがありますが、最もシンプルな「データ分散」の場合を説明します。各ノードは同じモデルに対して、個別に学習データを適用して、Variableを修正する勾配ベクトルを計算します。それぞれで計算した勾配ベクトルを用いて、共通のVariableを修正していきます。 前提知識 TensorFlowの分散学習処理を行う際は、3種類のノードを使用します。 ・Parameter Server：Workerが計算した勾配ベクトルを用いて、Variableのアップデートを行います。 ・Worker：教師データから勾配ベクトルを計算します。 ・Master：Workerと同様の処理に加えて、学習済みモデルの保存やテストセットに対する