FiT3D: Improving 2D Feature Representations by 3D-Aware Fine-Tuning - 第62回 コンピュータビジョン勉強会 ECCV論文読み会
![[関西Kaggler会2025#2LT] 初学者+MLエンジニア対象！ モダンなPythonの書き方](https://cdn-ak-scissors.b.st-hatena.com/image/square/b0fe726869b0f0f5d66a541cf7d698363e21320a/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2Fad7d0bdbddf84731af058630b35d14f8%2Fslide_0.jpg%3F35822382)
[関西Kaggler会2025#2LT] 初学者+MLエンジニア対象！ モダンなPythonの書き方
FiT3D: Improving 2D Feature Representations by 3D-Aware Fine-Tuning - 第62回 コンピュータビジョン勉強会 ECCV論文読み会
機械学習のためのソフトウェアテスト入門 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 本記事では、Kaggleや機械学習プロジェクトで「今すぐ活用できる」テストコードのレシピを紹介します。型チェック、入出力の検証、再現性確保、データやモデル出力の妥当性確認など、基本的かつ汎用的な手法をまとめました。これらを導入することで、開発効率と品質が大幅に向上します。 なぜ「ソフトウェアテスト」が必要なのか 機械学習の分野で「テスト」と聞くと、モデル評価（ホールドアウトや交差検証）が思い浮かびます。もちろんこれらは重要ですが、日々の開発サイクルでは、モデル・データ・コードを安定的に改善・運用するためのソフトウェアテストが求
ryeでKaggleとほぼ同じML開発環境を構築してみた
修正履歴 2023/8/21: 初版 2023/9/5: CUDNNのインストールを追記 はじめに 最近よく耳にするpythonパッケージ管理ツール rye を使って、Kaggleとほぼ同じML開発環境を構築しようとがんばってみました。 結論、LightGBM、XGBoost、Catboost、pytorch、Polarsなどのライブラリのインストールはスムーズにできましたが、LightGBMのCUDA対応バージョンやRADIPSのcudfなどうまく導入できないライブラリも一部ありました。 （私の知識不足によるものな気もするので詳しい人いたらアドバイスください） ryeを使って(できるだけ)Kaggleと同じ環境を再現してみる 実行環境 OS：Ubuntu2204 ryeのバージョン: 0.11.0 (インストール手順は後述) 1. Kaggleのライブラリのバージョンを確認する Kagg
環境編：VS CodeからPythonでKaggle APIを呼び出してみよう
連載目次 前回は、Kaggleが提供するkaggleパッケージをインストールして、Visual Studio Code（以下、VS Code）の統合ターミナルからコマンドラインを使ってKaggle APIにアクセスしてみました。今回はkaggleパッケージを使ってPythonのコードからKaggle APIにアクセスしてみます。 意見が違って面白いですが、私の場合は、結局、リーダーボードなど見たりするので、基本的な作業はKaggle Webサイト上で行うのが一番快適だと感じています。 一方で、「Submissionの自動化」だけに限定してKaggle APIが便利だと感じています。Submission時のメッセージもコードで自由にカスタマイズできるので、コマンドよりも扱いやすいです。Submissionは何度も行う作業ですが、データセットのダウンロードなどは一度切りの作業なので、Kaggl
Day-107 Pythonの高速画像処理ライブラリLyconが速い - CC56 (pending)
何ヶ月か前にTwitterのタイムラインに流れてきたのですが、それっきり話題を聞かないので検証してみることにしました。 ちなみに、個人的に普段使って慣れているのは、癖が少なくて扱いやすい scikit-image です。 (OpenCVはBGRがデフォルトなので基本的に避けたいですし、PILは癖が強めなのであまり好きではないです) 高速の画像処理ライブラリを使うモチベは、もちろん Kaggle です。 特に画像の読み込みが速いと、時間短縮に直結するので個人的に嬉しいです。 Lyconとは C++で書かれたPython用の軽量画像処理ライブラリらしいです。 PyPI にあるので pip install ですぐに使えます。(一応依存関係も気にしなきゃいけないかも) github.com 性能の割にスターが控えめな気がする。 試しに使ってみる 多少の実戦を仮定して、Kaggle の Notebo
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
[Product Launch] Introducing Kaggle Packages! 🚀 | Kaggle
Shota Imai@えるエル on Twitter: "文科省が出した高校新学習指導要領の「情報II」の教員研修用教材,結構なボリュームで,データサイエンスの部分はpython実装で,scikit-learnやニューラルネットを試したりkaggleの導入に触れたり,なかなかガチな内容に… https://t.co/SGcKNDRz6L"