らんま https://t.co/vnwpMamKLZ
らんま https://t.co/vnwpMamKLZ
最近、社内勉強会で機械学習についてエンジニアに説明する機会があり、その際にKaggleについても説明しました。一方で うーん、「Kaggler はパラメータチューニングやアンサンブル等の自明でインクリメンタルな改善『しか』できない」というような誤解はどうやって解いていけばいいんだろう。— im132nd (@im132nd) 2018年4月4日 という話もあり、(特にデータサイエンティスト以外の職種の人が)Kaggleをやる意義/メリットについてまとめてみました。ガッと勢いで書いたので、項目に結構被りがあります。なお、書いている本人はKaggleほぼ初心者であまり説得力がないです。Kaggle Masterの人がもっといいエントリを書いてくれるのを期待しています、議論の叩き台エントリです!! Kaggleをやる意義/メリット 様々なデータセットを触ることができる kernelでデータ分析の
なぜ筋トレが続かないのでしょうか? この問いに進化生物学者のDaniell Liebermanはひとつの答えを提示しています。 「そもそもヒトは筋トレをするようにデザインされていない」 200万年という長い石器時代に、ヒトは獲物を狩るために長い距離を走り、正確にものを投げれるように身体を進化させ、獣から身を守るために恐怖や不安といったネガティブな感情もつように適応させてきました(楽観的では獣に襲われる)。現在の身体や感情があるのには、生き延びるために進化の過程で選択された合理的な理由があるのです。 そして、筋トレを続けられずに、テレビの前でゴロゴロしてしまうことにも進化論的合理性があるとLiebermanはいいます。 食べ物が少ない時代では、限られたエネルギーを狩猟や性交、獣からの逃避に費やすことが優先されてきました。余暇の時間に筋トレをしてエネルギーを無駄遣いしていては、狩猟などの機会を
NTT データ数理システムでリサーチャーをしている大槻 (通称、けんちょん) です。 今回はソートについて記します。 0. はじめに データ構造とアルゴリズムを学ぶと一番最初に「線形探索」や「ソート」が出て来ます。これらのテーマは応用情報技術者試験などでも頻出のテーマであり、アルゴリズムの Hello World とも呼ぶべきものです。 特にソートは、 計算量の改善 ($O(n^2)$ から $O(n\log{n})$ へ) 分割統治法 ヒープ、バケットなどのデータ構造 乱択アルゴリズムの思想 といった様々なアルゴリズム技法を学ぶことができるため、大学の授業でも、アルゴリズム関連の入門書籍でも、何種類ものソートアルゴリズムが詳細に解説される傾向にあります。本記事でも、様々なソートアルゴリズムを一通り解説してみました。 しかしながら様々な種類のソートを勉強するのもよいが、「ソートの使い方」や
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