Faisal Siddiqi presented on machine learning infrastructure for recommendations. He outlined Boson and AlgoCommons, two major ML infra components. Boson focuses on offline training for both ad-hoc exploration and production. It provides utilities for data preparation, feature engineering, training, metrics, and visualization. AlgoCommons provides common abstractions and building blocks for ML like
By Pythonistas at Netflix, coordinated by Amjith Ramanujam and edited by Ellen Livengood As many of us prepare to go to PyCon, we wanted to share a sampling of how Python is used at Netflix. We use Python through the full content lifecycle, from deciding which content to fund all the way to operating the CDN that serves the final video to 148 million members. We use and contribute to many open-sou
2018.12.11 イベント開催 Report04 去る 2018年12月11日(火)、DeNA本社Sakura Cafeにて、「先端AI技術を活用した新たな価値あるサービスの共創」をテーマに「SHIBUYA SYNAPSE」を開催。 AI技術活用に携わるエンジニアやビジネス&サービスの企画担当者など、総勢70名の方が参加しました。 第4回となる今回は、「多角型事業と集約型事業、それぞれのMLOps / AI基盤」をテーマに、機械学習を活用した実サービス開発や運用におけるE2Eでのセキュアなデータフローから、モデルの自動学習やデプロイメントなどのエコシステムをカバーするMLOpsを主軸に据え、事業規模やフェーズなどによって異なるケーススタディを株式会社ディー・エヌ・エーとクックパッド株式会社の両社の事例で紹介しました。 セッション1 マイクロチームでの機械学習PoC SPEAKER加茂雄
Many of the experiences and interactions people have on Facebook today are made possible with AI. When you log in to Facebook, we use the power of machine learning to provide you with unique, personalized experiences. Machine learning models are part of ranking and personalizing News Feed stories, filtering out offensive content, highlighting trending topics, ranking search results, and much more.
This document discusses making Netflix machine learning algorithms reliable. It describes how Netflix uses machine learning for tasks like personalized ranking and recommendation. The goals are to maximize member satisfaction and retention. The models and algorithms used include regression, matrix factorization, neural networks, and bandits. The key aspects of making the models reliable discussed
この記事はBrainpad Advent Calendar 2018の7日目の記事です。 自己紹介と機械学習基盤を簡単に 初めまして、えいりんぐーです。 データ分析や機械学習まわりの仕事をしています。 このテの仕事をしていて感じるのは、基盤づくり・環境づくりって大切だということです。とくに、アドホックに分析や予測モデルを作って試すだけなら各々好きなようにやっていいのですが、仕事としてチームで、データ分析とその共有や機械学習サービスの開発・運用をやるには、ある程度定型化された環境というものが必要だと思います。 最近ではDevOpsの文脈から派生して、MLOpsという言葉も聞くようになりまして、もろもろの事業会社さんを見ると、やはりそれぞれ取り組みはあるようです。 メルカリさんの事例 Wantedlyさんの事例 リクルートライフスタイルさんの事例 Cookpadさんの事例 私もそれっぽいことな
Not your computer? Use a private browsing window to sign in. Learn more
AIMichelangelo PyML: Introducing Uber’s Platform for Rapid Python ML Model DevelopmentOctober 23, 2018 / Global As a company heavily invested in AI, Uber aims to leverage machine learning (ML) in product development and the day-to-day management of our business. In pursuit of this goal, our data scientists spend considerable amounts of time prototyping and validating powerful new types of ML model
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
処理を実行中です
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