現在は機械学習ライブラリが充実しており、また、教師データの獲得も容易になっています。 そのため、機械学習のビジネス利用への敷居が下がっています。 予測や分類といった問題を解く際には、設定した課題に対してどのモデルが最も適しているかを評価するための指標(評価関数)が必要になります。 Kaggle(([有名なデータサイエンスのコンペティション](https://www.kaggle.com)))などでは評価指標が定まっていますが、実ビジネスで機械学習を応用する際には自ら評価指標を設定する必要があります。 しかし、適切な評価関数を選ぶのは初学者には難しく、またビジネスの問題設定、目的意識によっても異なります。 さらに、オフラインでの予測はユーザの実際の行動予測とはギャップがある 場合もあります。 [1] Data-Driven Metric Development for Online Cont
概要 あのサービスの裏側について、語ってもらう第1回。 今回は、ジャストシステムのアプリ・サービスの裏側と、株式会社ぐるなびの方を招いてサービスの裏側を語ってもらいます。 タイムテーブル 19:00-19:30 受付 19:30-19:35 イベント概要説明 19:35-19:55 Shapng up ATOK to fit to your iPhone/iPad http://www.slideshare.net/JSUXDesign/shaping-up 20:00-20:40 ぐるなびの検索の裏側(仮) 20:45-21:05 ジャストシステムの形態素解析技術 http://www.slideshare.net/JSUXDesign/jtt1 21:30- 懇親会(会場の近所に飲みに行く) 懇親会の参加はこちら https://justsystems.doorkeeper.jp/ev
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