golang.tokyo#11の発表資料です。 スライド中のリンク Github: https://github.com/morikuni Twitter: https://twitter.com/inukirom goldi: https://github.com/fgrosse/gold…

Modernizing Your HCL Connections Experience: Visual Report to chain, Profile Enhancements, and AI Integration

Rules of Machine Learning: Stay organized with collections Save and categorize content based on your preferences. outlined_flag Prioritize building robust infrastructure and simple models before incorporating complex machine learning algorithms. Leverage existing heuristics and domain knowledge to enhance model performance and system intuition. Continuously iterate and refine models through featur

Google の人たちが書いた論文 "Machine Learning: The High Interest Credit Card of Technical Debt" をまとめました

こんにちは。ぼへみあです。 こんな記事を読みました。 japan.zdnet.com よくあることだと思いますが、上から降ってきた機械学習プロジェクトは99%失敗し、導入したとしても技術的負債という形でエンジニアを苦しめることになるので、やらないほうがいいと思います。 僕は普段から、ディープラーニング面白しれー、機械学習サイコーと世に広めてしまっているのですが、 こちらの講演を聞き、機械学習をシステムに組み込んで運用する際に、普通のシステム以上に技術的負債が発生しやすく、どの企業でも気軽に導入を進めるべきでないと思いましたので、今の考えをまとめてみました。 ディープラーニング、実サービスへの導入の実際 〜niconicoにおけるレコメンド、コメント解析、画像解析〜 | Peatix 機械学習は技術的負債の高利子クレジットカード 近年高い成果を上げ、ブームになっている機械学習を導入したいと考