DeNAにおける機械学習・深層学習活用
2. Copyright (C) DeNA Co.,Ltd. All Rights Reserved. ⾃⼰紹介 n 藤川和樹 ⁃ 所属 • DeNA システム本部 分析推進部 分析基盤グループ ⁃ 2014.4 新卒でDeNAへ⼊社（3年⽬） • これまでの主な業務内容 ⁃ ソーシャルゲームの各種課題分析、それに伴うデータ基盤の整備 ⁃ mobageプラットフォーム・キュレーションサービスにおける パーソナライズ・レコメンドシステムの開発 ⁃ mobageプラットフォーム上における対話型⼈⼯知能システムの開発 n 経歴 ⁃ 2014.3 神⼾⼤学⼤学院 システム情報⼯学研究科 修了 • 研究分野 ⁃ 深層学習、⾃然⾔語処理 • テーマ ⁃ 深層学習による複数⽂書の圧縮表現の獲得と株価動向推定への応⽤
科学と機械学習のあいだ：変量の設計・変換・選択・交互作用・線形性
機械学習はそもそも汎用的な枠組みであり基本的には対象分野に依らず利活用できる。従って、分野を限定して物質科学に機械学習を活用するなどと言う場合、その本質的難所の大部分は、有効な変量の設計・変換・選択・交互作用・線形性などに関する、いわゆるfeature engineeringの問題に帰する。特に、科学研究では端的な説明因子や共通パターンの探究こそが目的であることが多く、その場しのぎではない方法論が期待されている。本発表では、医薬品、機能制御剤、有機EL材料、食品、化粧品、と波及範囲が広い有機低分子について、その物性の予測と生物活性の予測の違いを例に、関わってきた問題・方法・課題について紹介する。 http://ibisml.org/ibis2016/session3/Read less
機械学習を利用するプロダクトのテスト - froglog
このエントリについて 2種類の要件 性能要件のテスト offline と online offline 性能テストの自動化 A/B テストはすぐにほしい 機能要件のテスト 性能テストのみで十分なのでは？ テストデータ生成 機能テストをいつ作るか まとめ このエントリについて ポエムです。 11/8(火) に開催された Cloudera World Tokyo 2016 に参加しました。 大規模データに対するデータサイエンスの進め方 #CWT2016 (以下、発表 1) データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016 (以下、発表 2) その中で上記の2つの発表がとてもいい話でした。 多少絡みのある内容として機械学習を利用するプロダクトのテストについて述べたいとちょっと前から考えていたので、いい機会なので
深層学習は 世界をどのように変えられるのか Preferred Networks Preferred Infrastructure 岡野原 ⼤大輔
IBIS2016での講演内容を公開します。深層学習を実世界の問題に適用する上でどのような課題があるのか、車、ロボット、ヘルスケア、コミュニケーションでどのような研究課題があるのかについて紹介しています。
Microsoft Translator launching Neural Network based translations for all its speech languages - Microsoft Translator Blog
Microsoft Translator is now powering all speech translation through state-of-the-art neural networks. All speech translation apps that use this service, such as Skype Translator and the Microsoft Translator app for mobile devices, are now using neural network technology. Furthermore, the technology is available to all developers and end-users who want to use the Microsoft Translator speech API to
知られざる顔文字の世界｜ホットピ｜ホットリンク
開発本部研究開発グループR&Dチーム マネージャーの榊です。 本格的なテックブログの記事、３本目です。前回はかなり専門的で、かつ分かりにくい話題を取り上げたので、面食らった方も多かったのではないでしょうか？今回はもう少し柔らかい題材として、顔文字を取り上げたいと思います。なお、本ブログ記事の内容は、和歌山大学の風間研究室から多大な協力を頂いています。 改めて説明するまでもないですが、ブログやTwitterなどにおいて顔文字が出現する投稿を見かけることはよくあります。最近は、絵文字やスタンプに押され気味ではありますが、まだまだ顔文字はコミュケーションの手段としてよく使われています。テキストによるコミュニケーションでは、一歩間違えると誤解を与えかねません。顔文字は文章では伝わりにくい感情や雰囲気を表現することができるため、顔文字を用いることでテキストによるコミュニケーションをより円滑に行うこと
ソフトバンクの対話型FAQエンジンと連携 コールセンターの問題解決に貢献する機械学習ソリューションを提供開始
ARアドバンストテクノロジ株式会社(所在地：東京都渋谷区、代表取締役社長：武内 寿憲、略称：ARI)は、ソフトバンク株式会社が提供している多言語対応AI会話エンジン「APTWARE」に自社がこれまで培ってきた機械学習のノウハウを搭載した機械学習ソリューション『LOOGUE(ローグ)』を提供いたします。 また、『LOOGUE』提供にあたり、2016年11月2日より、ソフトバンク株式会社が提供する「APTWARE」および音声合成トータルソリューション「Rizbell」のソリューションパートナー企業となりました。 『LOOGUE』1 ARIは多言語対応AI会話エンジンの「APTWARE」と「機械学習」を連携させ、従来のFAQサイトのようなルールベースのみの検索エンジンではなく、質問者の意図をきめ細かく汲み取りながら回答し、自動的に回答精度を高めるシステムの提供を目指しています。このシステムにより
Google's Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation
We propose a simple solution to use a single Neural Machine Translation (NMT) model to translate between multiple languages. Our solution requires no change in the model architecture from our base system but instead introduces an artificial token at the beginning of the input sentence to specify the required target language. The rest of the model, which includes encoder, decoder and attention, rem
Cloudera World Tokyo 2016で機械学習プロダクトの作り方を話しました #cwt2016 - once upon a time,
さる11/8に、自社の主催するCloudera World Tokyo 2016で、機械学習プロダクトの作り方について話をしました。 図: Hadoopの生みの親 Doug(@cutting)と握力王新沼さん(@hiroki_niinuma)の対談イベントの様子 大規模データに対するデータサイエンスの進め方 #CWT2016 from Cloudera Japan www.slideshare.net データの民主化の話、データサイエンティストとデータエンジニアの役割分担とチーム構成、機械学習の業務フロー、Cloud Nativeなデータサイエンスといった盛りだくさんの話をしました*1。 話の中で特に言いたかったことは2つ、P.16のリスクを取ってくれる責任者を捕まえようという話と、P.29の機械学習込みのプロダクトは改善をし続けないと死ぬという話です。 あとは、できるだけ機械学習をしない
機械学習を用いた異常検知入門
oscセミナー発表資料です。誤字は気にしないでください。 口頭で説明を足したところがあるため、曖昧な説明となっている箇所があったりします、ごめんなさい。Read less
オールアバウト、ネイティブ広告の態度変容効果を最適化する「運用型コンテンツマーケティング」開始
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
差分プライバシーとは何か？ （定義 & 解釈編）
3. スライドの趣旨 取り扱う話題 • 差分プライバシー (en: Differential Privacy) という概念を紹介 1. 何をするためのものか？ 2. どの程度有益か？ 3. どの程度有益ではないか？ 4. 研究上の一般的課題は何か？ 3 4. スライドの趣旨 取り扱う話題 • 差分プライバシー (en: Differential Privacy) という概念を紹介 1. 何をするためのものか？ 2. どの程度有益か？ 3. どの程度有益ではないか？ 4. 研究上の一般的課題は何か？ スライド作成動機 • 筆者は差分プライバシーを研究 • 概念そのものが根本的にわかりづらく，お茶の間の話題にしづらい • 「これさえ読めばわかる」資料を用意したい 4
TokyoCL - TokyoCL勉強会
第13回勉強会 — 2019/08/17 0:35:04 第12回勉強会 — 2018/10/30 0:27:23 第11回勉強会 — 2018/09/22 1:37:59 第10回勉強会 — 2018/06/05 15:37:21 第9回勉強会 — 2017/09/27 9:23:36 第8回勉強会 — 2017/05/08 10:51:58 第7回勉強会 — 2016/11/19 14:40:32 第6回勉強会 — 2016/08/07 21:09:56 第5回勉強会 — 2016/05/18 22:51:30 第4回勉強会 — 2016/03/30 5:56:30 第3回勉強会 — 2015/12/02 10:50:08 第2回勉強会 — 2015/10/27 4:15:16 第1回勉強会 — 2015/10/09 10:49:13
機械学習モデルフォーマットの話：さようならPMML、こんにちはPFA
2. ⾃⼰紹介 l ⽐⼾将平（HIDO Shohei） l Twitter ID: @sla l 専⾨：データマイニング、機械学習 l 経歴： l 2006-2012: IBM東京基礎研究所データ解析グループ l 機械学習のアルゴリズム研究開発（主に異常検知） l 2012-2014: 株式会社Preferred Infrastructure l ⼤規模オンライン分散機械学習基盤Jubatusチームリーダー l 2014-: 株式会社Preferred Networks l 2015-: Preferred Networks America, Inc. @ シリコンバレー l Chief Research Officer 2
大規模データに対するデータサイエンスの進め方 #CWT2016
Cloudera World Tokyo 2016 有賀発表 データサイエンスを含めたチームづくりと、機械学習を活かしたプロダクトの作り方について話しました。Read less
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
KDnuggets
Download MSR Abstractive Text Compression Dataset from Official Microsoft Download Center
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
TokyoCL-2016-10-05
「お手軽な機械学習サービス」で、ルーティンワークに立ち向かおう！
