KDD2018, AdKDD参加レポート - CARTA TECH BLOG
こんにちは@hagino3000です。インターネット広告配信システムの開発をしております。去年に引き続き今年も国際会議のKDDに参加してきました。本稿は私がアドテクと業務に関係する発表を聴講したレポートになります。 KDDとは KDD 2018 | London, United Kingdom KDDはデータマイニング分野のトップ会議です。採択論文はResearch Track PapersとApplied Data Science Track Papersに分かれており、後者は実際のアプリケーションに適用した題材が対象です。よって、アプリケーション開発現場で対面する問題をいかに解いたか、なぜその手法を利用したのかについて発表・議論される場であるのが特徴です。Facebook, Amazon, LinkedIn, Microsoft, Airbnb, Netflix, Alibaba, G
[KDD 2018 tutorial] End to-end goal-oriented question answering systems
[KDD 2018 tutorial] End to-end goal-oriented question answering systems The document provides an overview of end-to-end goal-oriented question-answering systems discussed in a LinkedIn tutorial. It covers basic and advanced versions of question answering, including single-turn and multi-turn systems, as well as methodologies for natural language understanding, dialogue state tracking, and natural
![[KDD 2018 tutorial] End to-end goal-oriented question answering systems](https://cdn-ak-scissors.b.st-hatena.com/image/square/5ea7226c21d715a8a9a19710707613522d8cabbd/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fkdd2018tutorialend-to-endgoal-orientedquestionansweringsystems-180821081440-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
パッケージユーザーのための機械学習(12)：Xgboost (eXtreme Gradient Boosting) - 六本木で働くデータサイエンティストのブログ
今やKaggleやKDD cup以下名だたる機械学習コンペで絶大な人気を誇る分類器、Xgboost (eXtreme Gradient Boosting)。特にKaggleのHiggs Boson Machine Learning Challengeの優勝チームが駆使したことで有名になった感があるようで。 その実装ですが、C++ベースで高速化したものにRとPythonのラッパーをつけたものが既にGitHubで公開されています。 Rパッケージである{xgboost}のインストールについての注意事項は前回の記事に書いていますので、インストールの際はご参考にしていただければと。 さて。これだけ大人気の分類器となると国内外問わず色々な解説記事に溢れておりまして、例えば日本語ブログでもこれだけの記事が既に出てます。 勾配ブースティングについてざっくりと説明する - About connecting
機械学習界隈の情報収集方法 - kisa12012の日記
こんにちは．Machine Learning Advent Calendar (MLAC) 2013の14日目を担当します，[twitter:@kisa12012]です．普段は博士学生として，各地を放浪しながら機械学習の研究をしてます．今回の記事はボストンで執筆しています．現地時間(EST)での締切は守ったのでセーフ…ですよね？ 本日は機械学習の技術的な内容の話ではなく，筆者が実践している機械学習関連の情報収集方法について纏めます*1．大きく分けて，学会情報の管理・論文情報の収集・その他の三種について述べたいと思います．今回のトピックの多くは他の分野にも通用する話になっているかと思います．他の分野の方がどのように情報収集されているのかも気になるところです． 学会情報の管理 まずは学会情報の管理についてです．機械学習に関連するカンファレンスは（特に近年乱立気味で）非常に沢山あります．全てをチ
KDD Cup 2013 - Author-Paper Identification Challenge (Track 1)
Determine whether an author has written a given paper
何を固定して何を変えたらいいか分かればスムーズに研究が進む - 武蔵野日記
朝、例のごとく妻を職場まで車で送り、そのまま出勤。メール処理と事務書類。 昼から大学院のプロジェクト実習に関する打ち合わせ。結局KDD Cup 2013 の論文の著者推定タスク を数チームに分かれてやってもらうことになりそう。 自分の研究室の学生なら研究的なテーマをやって論文を書くところまでやってもらうのがいいと思うのだが、所属する研究室のプロジェクト実習は選択できないという制約があるために、研究から論文を書くところを取り除いた実習にしなければならないのである（学期末にはポスター発表をする）。そうすると、勢い実装メインの実習にせざるを得ず、研究につながる部分といえば（system description 程度しか書かないということなので）サーベイをどこまでやれるかという問題に帰着する。そのため、できるだけ実装しやすく、サーベイの負荷も少ないテーマにしようとして、ここに落ち着いたのであった。
KDD2013読み会やった & Density-Based Logistic Regression 読んだ - 糞糞糞ネット弁慶
KDD 2013 の論文を互いに持ち寄って読む会をやった．日付を工夫しなかったせいでhttp://www.marine-e.net/sp/marikore2013/に行けなかったのが非常に悲しい．会場は前回と同じくGunosyのオフィスを貸していただいた．参加してくださった方々，オフィスを貸してくださったgunosyの方々ありがとうございました． 自分は Density-Based Logistic Regression を読んだ． Density-Based Logistic Regression(pdf，後半に生理的嫌悪感を抱かせる図が載っているので注意が必要．) 目的 ロジスティック回帰にカーネル密度推定を組み合わせた Density-Based Logistic Regression (DLR) を提案する． この手法は，計算効率が良く，モデルの可解釈性に優れ，パラメーターフリーで
今年のSIGKDDベストペーパーを実装・公開してみました - Preferred Networks Research & Development
毎日暑いですね。比戸です。 ちょうど今週シカゴで開かれていたSIGKDD2013でBest research paperに選ばれたEdo Liberty氏 (Yahoo! Haifa Labs)の”Simple and Deterministic Matrix Sketching”のアルゴリズムを実装して公開してみました。 元論文PDFは著者サイトから、私が書いたPythonコードはGithubからそれぞれ入手できます。 SIGKDD (ACM SIGKDD Conference on Knowledge Discovery and Data Mining)はACM主催で行われる、知識発見＆データマイニングにおけるトップ会議です。最近は機械学習との境目が曖昧になってきましたが、査読時には理論的な新しさだけでなく、実データ（特に大規模データ）を使った実験での評価が必要とされるのが特徴です。
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
