機械学習モデルの実装における、テストについて - Qiita
数あるフレームワークに付属するExample、機械学習モデルを実装してみた、という話。これらに共通して言えるのは「テストがない」ということです。 機械学習のモデルだって、アプリケーションに組み込まれればプロダクションコードの一部です。テストがない実装を本番環境に組み込むか？というと通常そんなことありえないと思います。 (スタジオジブリ 紅の豚 より拝借) 忘れられがちな点ですが、機械学習モデルは「リリースした瞬間」が最高精度になります。なぜなら、リリースした瞬間こそがその時点で手に入るフルフルのデータを使って鍛え上げたモデルであり、それ以降はどんどん未知のデータが入ってくるためです。 そのため、モデルの精度、また妥当性をいつでも検証できるようにしておくというのはとても重要です。これは通常のコードにテストをつける理由と同等で、つまり機械学習モデルだからと言って特別ではないということです。 本
7 Techniques to Handle Imbalanced Data - KDNuggets
7 Techniques to Handle Imbalanced Data This blog post introduces seven techniques that are commonly applied in domains like intrusion detection or real-time bidding, because the datasets are often extremely imbalanced. By Ye Wu & Rick Radewagen Introduction What have datasets in domains like, fraud detection in banking, real-time bidding in marketing or intrusion detection in networks, in common?
「人工知能」との正しい付き合い方
2. Copyright © 2017 TIS Inc. All rights reserved. 2 キーワードの整理 人工知能とは 機械学習とは ディープラーニングとは 機械学習の仕組みを知る 機械学習の仕組み 機械学習のバリエーション 機械学習にできること、できないこと 機械学習を活用する 機械学習の活用事例 機械学習の活用に向けた、プロジェクトの推進方法 機械学習の活用に必要な人材 おわりに 目次 3. Copyright © 2017 TIS Inc. All rights reserved. 3 久保隆宏 TIS株式会社 戦略技術センター 化学系メーカーの業務コンサルタント出身 既存の技術では業務改善を行える範囲に限界があるとの実感から、戦 略技術センターへと異動 現在は機械学習や自然言語処理の研究・それらを用いた
If Your Company Isn’t Good at Analytics, It’s Not Ready for AI
Summary. Companies are just beginning to discover the many different ways that AI technologies can potentially reinvent businesses. But how can companies tell if they are really ready for these advanced technologies? First, managers should ask themselves if they have automated processes in problem areas that cost significant money and slow down operations. Next, they should ensure they have stru
CMU 10703: Deep RL and Control
Deep Reinforcement Learning and Control Spring 2017, CMU 10703 Instructors: Katerina Fragkiadaki, Ruslan Satakhutdinov Lectures: MW, 3:00-4:20pm, 4401 Gates and Hillman Centers (GHC) Office Hours: Katerina: Thursday 1.30-2.30pm, 8015 GHC Russ: Friday 1.15-2.15pm, 8017 GHC Teaching Assistants: Devin Schwab: Thursday 2-3pm, 4225 NSH Chun-Liang Li: Thursday 1-2pm, 8F Open study area GHC Renato Negrin
機械学習と情報セキュリティ~2017前半 // Speaker Deck
All slide content and descriptions are owned by their creators.
Going beyond average for reinforcement learning
Research Going beyond average for reinforcement learning Published 24 July 2017 Authors Marc Gendron-Bellemare, Will Dabney, Rémi Munos Consider the commuter who toils backwards and forwards each day on a train. Most mornings, her train runs on time and she reaches her first meeting relaxed and ready. But she knows that once in awhile the unexpected happens: a mechanical problem, a signal failure,
The data that transformed AI research—and possibly the world
In 2006, Fei-Fei Li started ruminating on an idea. Li, a newly-minted computer science professor at University of Illinois Urbana-Champaign, saw her colleagues across academia and the AI industry hammering away at the same concept: a better algorithm would make better decisions, regardless of the data. But she realized a limitation to this approach—the best algorithm wouldn’t work well if the data
People + AI Research
We are Designers People + AI Research (PAIR) is a multidisciplinary team at Google that explores the human side of AI by doing fundamental research, building tools, creating design frameworks, and working with diverse communities. We believe that for machine learning to achieve its positive potential, it needs to be participatory, involving the communities it affects and guided by a diverse set of
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
KODAK and WENN Digital Partner to Launch Major Blockchain Initiative…
NIPS 2017: Non-targeted Adversarial Attack
GitHub - abisee/sailors2017: Code for SAILORS 2017 NLP project
matsuolab
