自然言語処理を用いたAmazonレビューの分類（BERT編） - Qiita
本記事ではAmazonレビューを元に、それが高評価か低評価か判断するタスクを取り扱います。 使うモデルはNaive BayesとBERTで今回はBERTを取り上げます。 Naive Bayesはこの記事をご覧ください。 BERTとは BERTは2018年にGoogleにより提案されたモデルです。 Attentionを用いたことにより深く分析できたり計算効率が良いという利点に加え、Pre-trainingとFine-tuningを用いた学習の手軽さから人気になっています。 Transformerについて BERTではTransformerというモデルで提案されたTransformer Encoderと呼ばれるAttentionを用いたNNを用いています。 Transformerは超有名論文「Attention is all you need」で提案されたモデルです。 Transformerは
機械学習コンペで初めて金メダルを獲った話 - Qiita
皆さんおはこんばんにちは。 AcademiXというAIコミュニティに所属しているほきと申します。 今回Nishikaのコンペにチームで参加し、結果として8位になり金メダルを獲得できました！ 参加してみてよかったことうまくいかなかったことなどを書いておくのでこれから参加する方の参考になれば幸いです。 自己紹介にもありますがコンペに2回しか参加したことのないひよっこが書いている記事という点をご理解いただきたいと思います。つよつよの方アドバイス等ありましたら是非コメント欄にお願いします！ 自己紹介 理系国立大学学部3年生 生体信号情報学の研究室に所属 といっても配属されたばっかなので何もしてない コンペへの参加は2回目 1回目は Kaggleのfb3 で結果は上位51%（適当なノートをフォークして出しただけ） SIGNATEのBeginner限定コンペで7位になったことはあるけどあれは練習用なの
1
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
