タイトル通り日本ソフトウェア科学会の研究会、機械学習工学研究会キックオフシンポジウムに登壇しました。@bonotake さんから声をかけられた時はカジュアルに受けたのですが、蓋を開けてみれば大御所の方々ばかりで恐縮しながらの発表でした。 僕の発表内容としては、書籍「仕事ではじめる機械学習」の話からデプロイパターンの話と、機械学習特有の難しさはどこから来るのかという話をしました。
こんにちは。tkm2261です。 今日は10/28に開催したKaggle Tokyo Meetup #3の模様をレポートします。 connpass.com このmeetupは@threecourseさんや@smlyさんが2年前ぐらいから始めて不定期で開催しており、 私もニートの有り余る労働力を活かして今回運営をして来ました。 開始前 今回はsmlyさんの勤め先であるアドバンステクノロジーラボさんに会場をお借りすることが出来ました。 いよいよKaggle Tokyo Meetup当日です! 入り口入って右手のエレベーターで4Fです お待ちしております! pic.twitter.com/80r6soIJ9H— Takami Sato (@tkm2261) 2017年10月28日 渋谷の超良いところにあって、美術館の上という超良いところのオフィスでした。 今回、Youtubeのチャネル登録者数が
※各プロダクト名の頭の”Google”は省略しています ※もちろん実際にはGoogle社のツール以外にも様々な分析用プロダクトが使われています 各ツールの詳細についてはWeb上の良質な情報がたくさんあるので、説明はそちらに譲るとして、ここではそれぞれの簡単な特徴とメルカリでの活用の仕方について主に述べていきます。 ◆ 1.BigQuery “弊社分析の中核的存在” 利用シーン: データの集計 どんなツールか Google BigQuery SQLの超速いやつ どんな大きなデータでも、複雑なクエリでも、高速で結果を返してくれる頼れるアニキ メルカリの分析での使い方 速いは正義 メルカリは多くのユーザを抱えているため、そのログデータも非常に巨大です。 そのため、通常のSQLでは計算に時間がかかりすぎるということが多々発生します。 BigQueryは とにかく「高速」の一言。なのでトライアンドエ
How Mercari Analytics Team is defined and works.. Presented in Data Analytics Summit 2018 Event Page https://webtan.impress.co.jp/events/201804a2i
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 本連載「サイバーセキュリティ未来考」では、注目のキーワードを読み解きながら、企業や組織におけるセキュリティ対策のこれからを占う。 「GDPR」とは? 日本で改正個人情報保護法が施行されたように、欧州では2018年5月に「GDPR」が施行される。GDPRは「General Data Protection Regulation」の略で、「一般データ保護規則」とも呼ばれる個人情報保護の法律だ。その内容は、端的に言えば「個人データ」の「処理」と「移転」に関する法律ということになる。 対象を、情報に紐づく個人である「データ主体」、個人データ処理の目的と手段を決定する「管理者」、管理者を代行して個人データの処理を行う「処理者」に分けている。主に「個
The document discusses machine learning projects and production. It begins with an introduction of Aki Ariga and their background. It then discusses 4 patterns for machine learning projects: 1) train batch/predict online via REST API, 2) train/predict batch via shared DB, 3) train/predict/serve continuously via streaming, and 4) train batch/predict on mobile apps. The document also covers machine
1. Copyright © TIS Inc. All rights reserved. 機械学習で泣かないためのコード設計 2018 戦略技術センター 久保隆宏 Don't cry anymore when creating machine learning model 2. Copyright © TIS Inc. All rights reserved. 2 ◼ はじめに ◼ 機械学習モデルの開発における問題点 ◼ 原因の特定が難しい ◼ コード上で管理できない依存が発生する ◼ 処理に必要な静的ファイルが多い ◼ 設計による問題の解決 ◼ 機械学習モデル開発におけるモジュール構成 ◼ 構成のポイント ◼ vs問題の切り分けが難しい ◼ vsコード上で管理できない依存が発生する ◼ vs処理に必要な静的ファイルが多い ◼ おわりに 目次 3. Copyright © TIS Inc.
機械学習工学研究会(MLSE)は、2018年度より、日本ソフトウェア科学会の公式研究会として発足した新しい研究会です。 近年の機械学習、特に深層学習(ディープラーニング)の発展に伴って、機械学習を利用するシステムは急速に社会に浸透しつつあります。しかし一方で、従来型のITシステムに用いられてきた様々なソフトウェア工学の手法は、機械学習を組み込んだシステム(機械学習システム)に全くと言っていいほど通用しなくなっています。 そういった問題を解決するため、本研究会では、機械学習システムを開発・運用するためのソフトウェア工学的手法やツール(機械学習工学)を追求する研究者とエンジニアが、互いの研究やプラクティスを共有し合う場を提供してきます。 このシンポジウムは、MLSEの最初の公式活動として、機械学習・ソフトウェア工学を代表する研究者・エンジニアが一同に会し、機械学習工学のあるべき姿を議論しま
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