施策デザインのための機械学習入門 を読んだ
TL;DR 機械学習に基づく施策をサービス改善につなげるためのフレームワークとその実践を提供してくれる本 統一的なフレームワークと一貫した記述で、よく書かれている本だなと感心した 個人的には 4.2 節の Implicit Feedbak を用いたバイアスを考慮したランキングシステムの構築のところは勉強になった タイトルの通り 施策デザインのための機械学習入門 という本を読んだ。 よく書けていて勉強になったのでブログにも残しておく。 本の正式なタイトルは「施策デザインのための機械学習入門 データ分析技術のビジネス活用における正しい考え方」というもの。 本のタイトルからは具体的ににどういう内容が書いてるかは想像しにくいが、内容は機械学習に基づく施策を実際に導入する際に重要となる観点を一連のフレームワークとして提供し、そのフレームワークに基づいた具体的な実践を解説するというものになっている。
Launchable の人とカジュアル面談した
TL;DR 興味があったので Launchable の @yoshiori さん @draftcode さんとカジュアル面談をした テストをはじめとしてソフトウェアエンジニアリングの生産性をデータドリブンで改善していくというのはめちゃ面白そう 自分は現段階では転職意思がないけど、機械学習エンジニアで興味ある人は言ってくれればおつなぎします！ Ubie Discovery に転職して一年半が過ぎた。 日々楽しく働いているのだが、ご時世も相まって外の情報を得ることが少ないのはちょっと残念だなぁと思うことがある。 他の会社の人の話を聞くのは面白いしためになることも多いので、またそういう活動も少しずつやってみようかなと思い始めた。 そんな折に Launchable https://www.launchableinc.com/ で Machine Learning Engineer の positi
機械学習アルゴリズムの学習法
TL;DR 機械学習のアルゴリズムには詳しくなりたいけど実装はしない、という立場の人向けの学習資料まとめ 知人向けで、具体的には同僚医師がターゲット読者（めちゃ狭い！）だが、一定度他の人にも役に立つかも 改めて色々眺めてみてやっぱり大学の講義は質の高いものが多いと思った 知人が機械学習のアルゴリズムを学びたいと言っているので、オススメの資料などを見繕ってみるブログエントリ。 機械学習への関わり方を雑にアルゴリズムと実装で分けた場合に、アルゴリズムには詳しくなりたいけど実装をするわけではない、という立場の人向けである。 このようなタイプの人はそんなにいないと思うけど、具体的にはドメインエキスパートとして機械学習エンジニアと一緒にアルゴリズム・データ改善に取り組んでいて、アルゴリズムでどんなことをやっているかをちゃんと理解したい、みたいなのが一例となる。 なんとなくのイメージ的な理解だけだと、
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
