階層モデルの分散パラメータの事前分布について2. 本⽇日紹介する論論⽂文 • “Prior distributions for variance parameters in hierarchical models” • (階層モデルの分散パラメータの事前分布) • by Andrew Gelman • Bayesian Analysis 2006 https://projecteuclid.org/euclid.ba/1340371048 2
AWSではじめるMLOps
1. © 2022, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark. Amazon Web Services Japan Machine Learning Solutions Architecht AWS ではじめる MLOps 第15回 MLOps 勉強会(Online) 2. © 2022, Amazon Web Services, Inc. or its Affiliates. All rights reserved. Amazon Confidential and Trademark. 本⽇お話すること 2 l Amazon における機械学習 l AWS における MLOps l MLOps で使える AWS サービス AWS で
Dockerからcontainerdへの移行
NTT Tech Conference 2022 での「Dockerからcontainerdへの移行」の発表資料です https://ntt-techconf.connpass.com/event/241061/ 訂正： P2. . 誤: ``` Ship docker run -it --rm alpine Run docker push ghcr.io/ktock/myalpine:latest ``` 正: ``` Ship docker push ghcr.io/ktock/myalpine:latest Run docker run -it --rm alpine ``` Read less
Teslaにおけるコンピュータビジョン技術の調査
2. Mobility Technologies Co., Ltd. 宮澤 一之 株式会社Mobility Technologies AI技術開発部 AI研究開発第二グループ グループリーダー 経歴 April 2019 - March 2020 AI研究開発エンジニア@DeNA April 2010 - March 2019 研究員@三菱電機 March 2010 博士@東北大学 自己紹介 2 @kzykmyzw 3. Mobility Technologies Co., Ltd. 3 2014年10月：Autopilot誕生 2015年10月：「バージョン7.0」リリース 2016年01月：Summonベータ版をリリース 2016年10月：第2世代のハードウェアを全車種搭載へ 2018年10月：Autopilotにナビゲーション機能追加 2019年09月：Smart Summon機能リ
イミュータブルデータモデルの極意
6. Data / Inform / Information Inform: “to convey knowledge via facts (事実によって知識を伝える)” Data (Factの集合) Information 選択・加工して知識を取り出す Value of Values (Rich Hickey) 業務システム構築におけるデータモデリング (和田省二) 7. Dataを場合分けする Event (コト) Resource (モノ) 日時属性をもつ 日時属性をもたない 非対称性 対称性 ある一時点 ライフサイクルがある 一時点の事実の記録なので、属性は変わる ことはない。 ライフサイクルにともない属性が変化して いくこともある。 属性が変化しても同じモノであることを示 すためIdentityが必要。 データは大まかに2種類に分別できる。
研究の呪い
2. 自己紹介 • 自然言語処理のなかの、特に自動要約など、テキストを計算機に吐かせる技術 (自然言語 生成) については (たぶん) 割と知見があります • 基本的なアイデアの考案から、研究開発、商用化まで一貫して携わっています • ここしばらくは組織の立ち上げや強化 (らしきもの) やどろどろとした開発を推進してい ます • お仕事探し中や人生お悩み中の方はぜひ hitoshi@nishikawa.name にご連絡をば…… 2021/03/19 bit.ly/hitoshini NLP 2021 Workshop 若手研究者交流のニューノーマルを考える 2 西川 仁（にしかわ ひとし） アスタミューゼ株式会社 データ・研究開発部 部長 3. 想定する聞き手 • 大企業の研究所にも大学にもベンチャー企業にも在籍した (している) 経験を鑑みると、 研究と呼ばれる行為に関するあまりよくな
統計的因果推論への招待 -因果構造探索を中心に- - SlideShare
3. 相関があるからと言って 因果関係があるとは限らない 3 Messerli, (2012), New England Journal of Medicine ノ ー ベ ル 賞 受 賞 者 の 数 相関係数: 0.79 P値 < 0.0001 チョコレート消費量 4. 相関関係と因果関係のギャップ 4 チョコ 賞 ?チョコ 賞 or GDP GDP チョコ 賞 or GDP 相関係数 0.79 P値 < 0.0001 複数の因果関係が 同じ相関関係を与える 賞 潜在共通原因 潜在共通原因 潜在共通原因 ギャップ 5. 相関と因果の違い • 相関関係 • チョコ消費量が多い国ほど、受賞者が多い • チョコ消費量が多い国と少ない国 の受賞者数を比較 • 異なる国の違い • 因果関係 • チョコ消費量を増やすと、受賞者が増える • 介入して、 ある国のチョコ消費を増やす場合とそのままの場合
基礎線形代数講座
4. 公開にあたって ●まえがきに代えて 本書は 株式会社 セガ にて行われた有志による勉強会用に用意された資料を一般に公開するもので す。勉強会の趣旨は いわゆる「大人の学び直し」であり、本書の場合は高校数学の超駆け足での復習 から始めて主に大学初年度で学ぶ線形代数の基礎の学び直し、および応用としての３次元回転の表現の 基礎の理解が目的となっています。広く知られていますように線形代数は微積分と並び理工系諸分野の 基礎となっており、だからこそ大学初年度において学ぶわけですが、大変残念なことに高校数学では微 積分と異なりベクトルや行列はどんどん隅に追いやられているのが実情です。 線形代数とは何かをひとことで言えば「線形（比例関係）な性質をもつ対象を代数の力で読み解く」 という体系であり、その最大の特徴は原理的に「解ける」ということにあります。現実の世界で起きて いる現象を表す方程式が線形な振
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
Preferred Networks（PFN）は深層学習などの最先端の技術を最短路で実用化することで、これまで解決が困難であった現実世界の課題解決を目指しています。コンピュータビジョン、自然言語処理、音声認識、ロボティクス、コンパイラ、分散処理、専用ハードウェア、バイオインフォマティクス、ケモインフォマティクスといった幅広い分野で研究開発を行っており、それを支えているのが Kubernetes を用いて構築しているオンプレミス/ベアメタルの GPU クラスタです。 本セッションでは、PFN が Kubernetes を用いてクラスタを運用するなかでどのような障害が起きるのかを紹介し、また障害対応をどのように自動化しているのかを具体的に使用/開発したソフトウェアを含めてご紹介します。また Kubernetes クラスタの管理、アップグレードの自動化にも取り組んでおり、それを実現する Clus
書籍「計算社会科学入門」第9章 統計モデリング
This document discusses statistical modeling of behavioral big data. It explains that with observational data, the relationship between cause and effect is difficult to determine from simple comparisons. Statistical modeling involves modeling the data generation process and fitting the model to the data. This allows controlling for other factors that influence both the outcome variable and explana
エンジニアから都庁へ～中の人が語る街のDX、都庁のDX～
2019年12月ソフトバンクを退職し、東京都に転職しました。 エンジニアから公務員への転身。宮坂副知事のもとオリパラ、5G、Society5.0などのデジタル施策に携われる期待に胸を踊らせてました。 しかし、入都直後に、新型コロナウイルスの猛威が東京都にも押し寄せ、オリパラは延期。すべての施策がコロナ中心、そしてスマートシティなど街のDXもWithコロナを意識した計画に変更されました。 その中、爆速で立ち上がった東京都の新型コロナ感染症対策サイトは、シビックテックを活用し、オープンソースとして構築され、そのソースコードを活用したクローンサイトが多数生まれる一大ムーブメントとなりました。 そのムーブメントは、“シビックテックx行政”の大きな可能性を感じさせた出来事でした。 その“ともにつくる”経験は、サイト構築だけでなく、スマートシティなどの街のDXにも大きな影響を与えています。 本発表では
深層強化学習入門 2020年度Deep Learning基礎講座「強化学習」
深層強化学習入門．2020年6月実施の「Deep Learning基礎講座」強化学習の松嶋担当分の講義資料を再編集したものです．本資料は，資料を作成した松嶋が公開するものであり，他の講義回について，研究室としての公開は予定されていないとのことです．Read less
強化学習の基礎と深層強化学習（東京大学 松尾研究室 深層強化学習サマースクール講義資料）
東京大学 松尾研究室が主催する深層強化学習サマースクールの講義で今井が使用した資料の公開版です． 強化学習の基礎的な概念や理論から最新の深層強化学習アルゴリズムまで解説しています．巻末には強化学習を勉強するにあたって有用な他資料への案内も載せました． 主に以下のような強化学習の概念やアルゴリズムの紹介をしています． ・マルコフ決定過程 ・ベルマン方程式 ・モデルフリー強化学習 ・モデルベース強化学習 ・TD学習 ・Q学習 ・SARSA ・適格度トレース ・関数近似 ・方策勾配法 ・方策勾配定理 ・DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network） ・経験再生 ・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Nois
コロナで大打撃を受けた宿泊業のエンジニアの逆境との闘い
DevelopersSummitKansai 2020の登壇資料です。 星野リゾートでは、企業の発展とともに、開発の内製化の促進を進めており、2020年は大量の新規開業、システム刷新など巨大なプロジェクトが待ち受けていた。 しかし、新型コロナウィルス感染の拡大により、母体の宿泊業は業界全体が壊滅的な状況になり、多大な影響を受けた。 もちろん、その影響はシステム開発の現場にもあり、以下のような混乱した状況になった。 ・半年以上かけて練り上げてきた計画はすべて白紙になる。 ・計画は週に2、3回変わる。 ・緊急案件が次々と入る。 この逆境の中、組織としてどのような取り組みを行い、エンジニアが学びを得て、成果を上げているのかをご説明いたします。Read less
先駆者に学ぶ MLOpsの実際
「MLOpsとはなにか？」という質問に対し、「データサイエンティストが、システム開発において、やらないことすべて」と定義した上で、MLOpsの説明、海外事例、「JapanTaxi」アプリでの事例を説明しますRead less
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
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
オンライン広告入札システムとZGC ( JJUG CCC 2021 Spring )
ソフトウェア開発における『知の高速道路』
ベロシティを上手く使って 技術的負債を計画的に解消する
機械学習で嘘をつく話
