PRMU研究会の講演を中継します。 http://www.ieice.org/iss/prmu/jpn/
形態素解析しなくても単語に分割できる、しかも教師データがいらないので古文や未知の言語でもOK、という論文。 Deep Learningの勉強をアウトプットしながらやるために始めた「Deep Learning論文紹介」企画だけども、いきなりDeep Learningではない論文になってしまったのでタイトルからDeep Learningを削りました。文脈は陸続きなのだけどね。 まず階層的Pitman-Yor言語モデル(HPYLM)の説明。 Pitman-Yorはある確率分布「基底測度」を元に、似た確率分布を生成する確率過程。バイグラムの分布はユニグラムに似てるし、トライグラムの分布はバイグラムに似ているので、階層的にPitman-Yorを積み重ねたらいいんじゃないの、という話。 実装としては中華料理店過程(CRP)で実現。Trie木みたいに中華料理店のテーブルが連なっていて、お客さんが末端のテ
(Qiita:Teamで社内にて共有していた記事を公開) GoogleやZyngaで使われているOKRという仕組みが、「会社として何が大事なのか」「そのためにチームや自分は何に集中すべきか」を明確にするフレームワークとしてよさそうなので調べてまとめてみた。 OKR(Objectives and Key Results)とは OKRは会社やチーム及び個々のメンバーの目標(Objectives、達成すべき戦略目標)と主要な結果(Key Results、その目標の達成度を示す客観的指標)から成り立つ。 OKRを導入することのメリット Objectives and Key Results ( OKR )より 思考が統制される 大きな目標が明らかになる 日々のオペレーションにかかりっきりだと「実際のところ何が重要なのか」は見失いがち メンバーと正しいコミュニケーションをとることができる 各々が何を重
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