PHPerKaigi 2024の登壇資料です。

ﾎﾟｯﾄｿ💍 @Happy_rabbit_00 ワイASD、なにをいつ報連相すればいいのか理解できなかった そこで報連相は「セーブポイント」と割り切ることにした ボスやつよい敵と戦う前、倒した後、ゲームをやめる時、必ずセーブするよね つよい敵がでる場所だったらマメにセーブするよね それを報連相に置きかえたらうまく出来るようになった ﾎﾟｯﾄｿ💍 @Happy_rabbit_00 ワイASD、なにをいつ報連相すればいいのか理解できなかった そこで報連相は「セーブポイント」と割り切ることにした ボスやつよい敵と戦う前、倒した後、ゲームをやめる時、必ずセーブするよね つよい敵がでる場所だったらマメにセーブするよね それを報連相に置きかえたらうまく出来るようになった

「プロンプトエンジニアリング」は、意図した通りの出力を得るためにAIへの命令文であるプロンプトを調整する行為です。これまで、プロンプトエンジニアリングは人間のエンジニアによって行われてきましたが、プロンプトの作成自体にもAIを使用した方がパフォーマンスが向上するという研究結果が発表されました。 [2402.10949] The Unreasonable Effectiveness of Eccentric Automatic Prompts https://arxiv.org/abs/2402.10949 AI Prompt Engineering Is Dead - IEEE Spectrum https://spectrum.ieee.org/prompt-engineering-is-dead 2022年の秋にChatGPTが登場して以来、プロンプトを工夫することでAIの出力を改善し

深層学習の技術が著しく進歩した結果、コンピュータビジョンや自然言語処理、音声信号処理などの分野では深層学習モデルの性能が古典的な手法のを大きく上回っており、すでにスタンダードなアプローチになっています。 しかし、テーブルデータを扱うタスクにおいては、深層学習の有効性は明らかになっていません。本記事では、AI Solution 事業部のアルゴリズムエンジニアよりテーブルデータにおける従来手法と深層学習の比較論文のご紹介をしていきます。 背景近年、テーブルデータを扱う深層学習モデルも登場し、一部の論文では決定木ベースのモデルと同等かそれ以上の性能を示しています。しかし、私が実務で試す中では決定木ベースのモデルの方が性能が高く、学習と推論が速く運用コストでも優れているため、深層学習モデル採用には至っていません。 より一般的なテーブルデータのタスクにおける、決定木ベースモデルと深層学習モデルとの性