デブサミ2019で発表した「心理的安全性の構造」というプレゼンです。 https://event.shoeisha.jp/devsumi/20190702/session/2086/Read less
![心理的安全性の構造 デブサミ2019夏 structure of psychological safety](https://cdn-ak-scissors.b.st-hatena.com/image/square/30a4c6aa831f807dcdf0e3281d46642c0afc9ef6/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fstructureofpsychologicalsafety-190703055401-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
中国のモバイルペイメントの普及から、レンタル、ミニプログラム、クレジットスコアリング、ニューリテールで起こっていることにいくつかの視点を加えて解説しています。Read less
This document discusses React Native and best practices for building mobile apps. It covers getting started with React Native, setting the application ID and bundle identifier, versioning, build types, integrating Fabric and Firebase, and using Fastlane for deployment. Tips are provided for configuring Android and iOS projects as well as continuous integration/delivery best practices.Read less
Talk about AVA, which is JavaScript test runner at mentaico.js #1. http://mentaico-js.connpass.com/event/39906/Read less
(Latest/revised version uploaded December 23, 2014) It's been about 18 months since my original attempt at charting the Internet of Things (IoT) space. To say the least, it's been a period of extraordinary activity in the ecosystem. While the Internet of Things will inevitably ride the ups and downs of inflated hype and unmet expectations, at this stage there's no putting the genie back in the bot
AWS Summit Tokyo 2015にて弊社Engineer小宮・蘭が発表した内容になります。 SmartNews は Machine Learning を技術の中核に据える会社であり、これは広告のシステムに関しても同様です。SmartNews ではデータサイエンティストが思う存分腕を振るうための環境を作ることが Product の成功につながると信じています。具体的には、データサイエンティストが「探索(exploration)」と「活用(exploitation)」のイテレーションを高速で回していける環境を作る必要があります。 そのために SmartNews が行っている取り組み、技術的な仕組みを SmartNews Ads のシステムを掘り下げながらご紹介いたしました。Read less
オープンエンドな進化から着想を得て、個々の大規模言語モデル(LLM)が、グループとして学習を進めながら、ノームエージェントとして機能するという概念を探求しています。これは、単一のモデルでは難しい複雑な問題を解決することを目的としています。具体的な方法として、遺伝的アルゴリズムと知識蒸留を組み合わせた学習プロセスを提案しています。知識蒸留によって学習を進め、同時に遺伝的アルゴリズムでハイパーパラメータを最適化することで、より効率的な学習を目指します。ドメインタスクとして、指示からPythonコードを生成するコード生成タスクを選択しました。実験では、学習に3つの学習モデルと1つの教師モデルを使用しました。その結果、HumanEvalのpass@1で精度が1.2%向上し、学習が進むにつれて学習率が最適化された兆候が見られました。しかし、大幅な精度向上を達成し、さまざまなハイパーパラメータを最適化
竹内真(ビズリーチ)×パソナTECH様共同企画勉強会資料。 (資料の全ては公開するべきでないものもあるので、一部「CLOSE」としている部分があります)
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