「機械学習：技術的負債の高利子クレジットカード」のまとめ
2. 元の論文 ● Title: “Machine Learning: The High Interest Credit Card of Technical Debt” ● Authors: D. Sculley and Gary Holt and Daniel Golovin and Eugene Davydov and Todd Phillips and Dietmar Ebner and Vinay Chaudhary and Michael Young ● Year: 2014 ● Venue: SE4ML: Software Engineering for Machine Learning (NIPS 2014 Workshop) ● http://research.google.com/pubs/pub43146.html ● Abstract: Machine learnin
あなたの会社は本当に機械学習を導入すべきなのか？ - bohemia日記
こんにちは。ぼへみあです。 こんな記事を読みました。 japan.zdnet.com よくあることだと思いますが、上から降ってきた機械学習プロジェクトは99%失敗し、導入したとしても技術的負債という形でエンジニアを苦しめることになるので、やらないほうがいいと思います。 僕は普段から、ディープラーニング面白しれー、機械学習サイコーと世に広めてしまっているのですが、 こちらの講演を聞き、機械学習をシステムに組み込んで運用する際に、普通のシステム以上に技術的負債が発生しやすく、どの企業でも気軽に導入を進めるべきでないと思いましたので、今の考えをまとめてみました。 ディープラーニング、実サービスへの導入の実際 〜niconicoにおけるレコメンド、コメント解析、画像解析〜 | Peatix 機械学習は技術的負債の高利子クレジットカード 近年高い成果を上げ、ブームになっている機械学習を導入したいと考
Google Cloud ML EngineをJupyterから簡単に使えるMagic - Qiita
Cloud ML Engineへ学習JobをJupyterから簡単に投げたいなぁと思い、そんなJupyter用 Magic Command Extensionを作りました。 Jupyterで書いたモデルを、Runすればクラウド上で実行することができます。 こんな感じ。 Cloud ML Engineとは 簡単に言えばTensorFlowの学習や予測JobをCloud上で実行できるマネージドな環境です。一般的にはDistributed TensorFlowで大規模に学習をさせるケースが多いかと思いますが、私のようにメインマシンがMacBookでGPUも使えない環境の場合は、GPUを気軽に使えるリモートの環境として重宝しています。 また、GCEとは違ってJobが終われば自動で立ち下がるため、インスタンス落とし忘れで課金が大変な事になる心配もありません。 準備 Google Cloud SDKの
loop by nomaddo
View the Project on GitHub コンパイラを作ろう！ イラスト:Alt@alt_ap 技術書典2で販売予定の「コンパイラを作ろう！」のページです。 普段日常的に使う言語処理系を、ブラックボックスのままにしていませんか？ ソフトウェアエンジニアたるもの一度はフルスクラッチでコンパイラを書きたいと思いますよね？ この本では筆者のOCamlコンパイラやほかコンパイラを読み書きした経験をもとにした、 OCamlを用いた手続き型言語のコンパイラの作り方について説明します。 パーサーの部分の実装から一通りアセンブラを出力するまでの過程を通して 典型的なコンパイラの実装というものに親しんで下さい！ 日時: 4/9(日) 場所: アキバ・スクエア スペース: う-15 値段: 500円 要求知識 OCamlの基礎（本文中でむつかしいテクニックは紹介します） C言語の知識 コンパイラの
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
BUSTERWORKS
https://jp.techcrunch.com/2017/04/04/20170403adobe-partners-with-google-to-launch-new-open-source-pan-cjk-font/
