新卒採用にＡＩ＝「ワトソン」が選考－ソフトバンク：時事ドットコム
新卒採用にＡＩ＝「ワトソン」が選考－ソフトバンク ソフトバンクは２９日、新卒採用の選考に、ＩＢＭの人工知能（ＡＩ）システム「ワトソン」の日本語版を活用すると発表した。５月以降に応募者が提出するエントリーシートの内容評価に使う。２０１８年４月以降に入社する総合職志望者が対象。約４００人を審査する見込みで、ワトソンが合格を出せば、面接などに進む。 人事担当者による確認作業の時間を短縮できるほか、評価基準を統一して公平な選考ができると期待している。これまで６８０時間かけていた作業が、７５％減の１７０時間になる見通しだ。 評価基準を作るため、１６年１２月以降に受け付けた約１５００人分のエントリーシートをワトソンに学習させた。ワトソンが合格基準に満たないと判断した人については、人事担当者が内容を確認し最終的な合否判定をするという。 ワトソンは、１１年に米人気クイズ番組で人間のチャンピオンを破り
【ReLU, PReLU, シグモイド etc...】ニューラルネットでよく使う活性化関数の効果をKerasで調べてみた - プロクラシスト
こんにちは、ほけきよです！ Kerasは簡単に実験ができて便利ですね！今回は、Kerasを使って活性化関数が実際の精度に与える影響を調べてみます。 使用するデータ : MNIST 使用するライブラリ : Keras Kerasの動かし方とかわからない人はこの記事を参照！ www.procrasist.com 指標 training : データを学習する validation : 学習データの一部を抜き取って、各エポック毎にテストをする(過学習チェック) test : テストデータで精度をチェック(始めから分けておく) 基本的に学習時の精度の上がり方を見たいという時は、trainingとvalidationを見る(testは最後に試す用のものなので使えない) 今回は、training dataでの正解率(accuracy)とvalidation dataでの正解率について各epochごとにど
Inside of Deep Learning （ディープラーニングの性能改善手法 一覧） - Qiita
このポストは Inside of Deep Learning あるいは深層学習は何を変えるのか から分割したものです。全体があまりに長くなってしまったので、改善手法についても別のページにしました。 DL（ディープラーニング）の性能を改善していくポイントを駆け足で見て行きましょう。 学習データの追加、改善 DLシステムの性能を上げるためにはためにはより沢山の学習データが必要と言われています。例えば下記の図は、顔のパーツやバスの認識について学習データを増やすほど性能が上がるとした論文のものです。 Do We Need More Training Data? 画像であれば左右、上下、および上下左右に反転させた画像を使ってどちらを向いていても正しく特徴を取れるようにしたり、あるいは少し拡大したりノイズを混ぜるなどしてデータを水増しする手法がよく使われます。ユニークなのは例えばCGを用いて画像を作成
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
