Time-series code competitionで 生き残るには 2021/08/17 第3回分析コンペLT会
Time-series code competitionで 生き残るには 2021/08/17 第3回分析コンペLT会
3月2日に開催された、分析コンペ 勉強会で、「Colaboratoryで分析コンペをする時のテクニック集」として発表をしました。 speakerdeck.com この記事では、その内容を書きたいと思います。 Colaboratoryテクニック9つ 1. テーマの設定(darkモード等)、エディタの設定(インデント幅等) 2. ColaboratoryかKaggleNotebookか判別 3. Notebook名を取得 4.Google Driveのファイルへのアクセスを許可 5.学習する際は、MyDriveはなるべく使わない 6.a Kaggle Apiを使用する 6.b データのKaggleDatasetsへのアップロード 7 Mydriveからのweightのロードが遅い場合 8 Githubのrepositoryをclone public repositoryをcloneする場合 p
In this article, I will discuss some great tips and tricks to improve the performance of your text classification model. These tricks are obtained from solutions of some of Kaggle’s top NLP competitions. Namely, I’ve gone through: Jigsaw Unintended Bias in Toxicity Classification – $65,000 Toxic Comment Classification Challenge – $35,000 Quora Insincere Questions Classification – $25,000 Google QU
本記事の概要 Recursion Cellular Image Classification (以降細胞コンペや本コンペと略します) という kaggle の画像コンペに参加したのでまとめます。筆者は一年ほど kaggle をやっていますがまともに画像コンペに参加したのは初なので、幾つかの気付きも書き残しておこうと思います。 本記事の概要 コンペ概要 画像特性 実験構造 control 画像 リーク metric learning 上位チームの解法 1st place 2nd place 3rd place 4th place 5th place 7th place 9th place 16th place 細胞コンペに参加してみて やったこと 躓き・気付き 次コンペではやりたいこと まとめ コンペ概要 細胞コンペではある実験に使用された細胞画像を 1,108 クラスに分類するというタスク
これはなに? Kaggleのテーブルデータコンペに参加するときに役立つ(と思う)Tipsを Kaggle Coursera の授業メモに色々追記する形でまとめたものです 自分で理解できている内容を中心にまとめました。各種資料の内容はまだまだ理解できていない内容が多く、今後も随時更新していきます(随時更新できるように勉強します)。 この記事に書いてあるTipsをどのように活かしたかはKaggle参戦記に書いたので、併せてどうぞ。 参考文献 主として以下の資料の内容をピックアップさせていただきました。引用を明記していない部分は(ほぼ100%) Kaggle Coursera の内容です。 Kaggle Coursera kaggle_memo by nejumiさん Kaggleで世界11位になったデータ解析手法〜Sansan高際睦起の模範コードに学ぶ Kaggle TalkingData F
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステム
The challenge bannerOver the last three months, I have participated in the Airbus Ship Detection Kaggle challenge. As evident from the title, it is a detection computer vision (segmentation to be more precise) competition proposed by Airbus (its satellite data division) that consists in detecting ships in satellite images. Before I start this challenge, I was (and somehow still) a beginner in the
こんにちは。tkm2261です。 今日は2018/5/12に開催したKaggle Tokyo Meetup #4の模様をレポートします。 connpass.com このmeetupも4回目となり、今回はGoogle様からサポートを頂いた事もあり、かなり大規模なmeetupになりました。 今回からMaster枠とExpert枠を設けたり、Youtube Liveをしたり、人数を増やしたりと色々新しいことを試しています。 さらに自分で言うのもアレですが超豪華なスピーカーになっています。 本日の見どころは 競プロ界の神tourist wataさん 金メダル2個のnovice pocketさん 苦労人masterのterekaさん scikit-learn生みの親davidCさん LTなのに一ヶ月前から資料作ってたjackさん 2 stage制の鬼osciiartさん talkingdata覇者f
Tips & Tricks for Feature Engineering / Applied Machine Learning. This presentation was given as part of the Sao Paulo ML meetup.Read less
ステアラボ人工知能シンポジウム 2018に参加しました。 知識ベースを活用した自然言語処理の手法とその応用 知識ベースを活用した自然言語処理の手法とその応用 from Ikuya Yamada Entity Linkingでは曖昧性の解消、メンションの検出をする必要があり、それぞれWikipedia2Vec、古典的な固有表現抽出でできるがメンションの検出は背景情報が重要であり、実際のコンペでは前処理として固有表現抽出せず曖昧性解消と同時に解いた Question AnsweringのコンペではEntity Linkingの特徴量を追加、Entityの型予測のネットワークを追加をすることで精度が上がった 深層学習による Kaggle 画像分類コンテストへのアプローチ 前半は過去発表のあったState Farm Distracted Driver Detectionの解説を少し更新したもの。後
Predict if a driver will file an insurance claim next year.
1. はじめに 過去に参加したKaggleの情報をアップしていきます. ここでは,Planet: Understanding the Amazon from Spaceのデータ紹介とフォーラムでの目立った議論をピックアップします. 優勝者のアプローチなどの紹介は,別の記事で紹介します. 2. 背景 アマゾン盆地では大量の森林が日々失われています.これにより世界的な生態系の破壊,居住地の喪失,気象変動,その他多くの壊滅的影響が発生しています.森林での自然破壊や人間の侵入をデータ化することで,政府や地域のステークホルダーが迅速かつ高価的にこのような問題に反応することができるようになります. 今回のコンペでは,3-5米での解像度を持つ衛星写真を用いることで,小規模な森林破壊や人的・偶発的といった判断が可能となります. そこで,今回のコンペでは,衛星写真から地表面のラベリングを行います. 今回の特
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