MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...NTT DATA Technology & Innovation
Standard SQL Industry-standard SQL parser, validator and JDBC driver. SQL → Query optimization Represent your query in relational algebra, transform using planning rules, and optimize according to a cost model. Relational algebra → Any data, anywhere Connect to third-party data sources, browse metadata, and optimize by pushing the computation to the data. Adapters →
コンテナと Kubernetes の到来によりソフトウェアをデプロイおよび運用する方法は大きく変わりました。ソフトウェアはコンテナ化された分散システムとなり、Kubernetes(または類似の基盤)の上で自動化を通じて動的に管理されるものになっています。そうしたアプリケーションを開発し、本番(プロダクション)に高頻度でデプロイしながらも安定した運用を実現することが今求められています。 本セッションは「OpenShift Meetup Tokyo #9 - DevOps/GitOps編」での発表の続編としてアプリケーションの運用、監視におけるメトリクスやオブザーバビリティに関する DevOps のプラクティスを実践する方法と具体的に利用できるツールを紹介します。
Why FastlyProductsServicesSolutionsDevelopersPartnersResourcesPricing Building a Fast and Reliable Purging SystemAt Fastly, we’re always working to make our systems faster and more reliable. One of the more difficult problems we’ve faced is efficient cache invalidation across our global network, or as we call it: Instant Purging. When content changes, our customers issue a purge request, which we
必須 機械学習,または自然言語処理技術(テキストマイニングを含む)を利用したプログラミングの経験 (大学・大学院における経験を含む) システム開発における実践経験、特に設計・ドキュメンテーション・テストの経験 望ましい Python Webアプリケーション・フレームワーク(※1)の利用・開発経験 Elasticsearchの利用・開発経験 その他 異業種・異分野からの転向も歓迎いたします 必須 Python言語の知識 情報処理・機械学習・自然言語処理分野の論文読解能力(※2) 望ましい C++またはJava言語の知識 機械学習・自然言語処理分野のアルゴリズム実装経験(※3) RDBMS(MySQLなど)の知識 ネットワーク分析・数値解析・統計学などの専門知識
2017年05月30日(火)〜2017年06月02日(金)の計4日間に渡り、グランドプリンスホテル新高輪 品川プリンスホテル アネックスタワーで行われている『AWS Summit Tokyo 2017』。 当エントリでは2017年05月31日に行われた『クックパッドの機械学習を支える基盤のつくりかた』に関する内容をレポートしたいと思います。 AWS Summit Tokyo 2017(2017年5月30日~6月2日)|AWS セッション概要 当セッションの登壇者及び概要は以下の通り。 スピーカー: 星 北斗氏 クックパッド株式会社 インフラストラクチャー部 部長 染谷 悠一郎氏 クックパッド株式会社 研究開発部 セッション概要: クックパッドは、機械学習の応用に積極的に取り組んでおり、機械学習基盤からサービスへの活用までを全て AWS で実現し運用しています。 本セッションでは、クックパッ
初めまして!メルカリ BI(Business Intelligence)チームの@hasebeです。 以前、BIチーム全体の紹介をさせて頂きましたが、今回は「こんなことやってるよー」という実業務で行なった分析を紹介してみたいと思います。 mercan.mercari.com 日次KPIを考察するために アプリやウェブサービスなど、インターネットに関する事業を行なっている会社では日次でKPIの進捗確認を行っている会社も少なくないと思います。 メルカリでも、代表的なKPIとしてDAU、新規インストール数、商品の購入金額、新規出品数などがあるのですが、これらの数値が良くなっているのか、悪くなっているのかを判断するにはその基準となるものが必要です。 元々KPIを日次で自動的に出力する機構はあったのですが、BIチームの人数が増えたことでようやく本格的な考察を実行できる体制が整ってきたという状況です。
BIチームのデータサイエンティスト @hikaru です。 以前 @hasebeが社内のKPIの分析に関する話を書きました。 mercan.mercari.com 今回は、また少し違う切り口で、社内で行っている研究的な分析のひとつをご紹介したいと思います。 メルカリのユーザをもっと理解しよう 日本の「メルカリ」ではユーザに簡単かつあんしん・あんぜんに使っていただくために、登録時に年齢や性別などのユーザ情報をいただいていません。 about.mercari.com よってメルカリのユーザを理解しようとするときに、そういったデモグラフィックなどの直接的な情報を使って分析することはできません。 しかし、メルカリの持っているデータベースにはユーザの行動や特徴を知る上でヒントとなる様々なデータが溜まっています。分析の発想と機械学習などの手法を活かせばそういった登録情報に頼らなくても、ユーザのことを深
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