Matrix Factorization と Text CNN による Cold Start Problem への取り組み
TL;DR 機械学習エンジニアは理論と実装の両方が求められる場合が少なくない この二つは割と異なる学びの過程がある気がしているが、自分を例にとってそれを考えてみる かなり強引に言うなら、理論は要素を積み重ねて全体を理解するやり方で、実装は全体から必要な要素を削り出していくやり方、な気がする 自分は実装に関してはどうトレーニングを積んでいくのが良いかいまいち分かっていない 知人と話していてタイトルにあるような話題になった。 機械学習が流行るようになって、これまではサービスを開発するような仕事ではそこまで要求されなかったであろう、数学的な理論とプログラミングによる実装の両方を兼ね備えることの重要性が増している。 これは自分が興味あるような機械学習エンジニアの仕事において、という前提条件の下での話だ。 そんなのなくても仕事ができるとかもっと大事なことがあるとか、意見は色々あるかもしれないけど、こ
2. (株)アイヴィス 応用技術開発部について 2 ■顧客業種・適用分野 - 自動車メーカー(設計・製造工程) - 官公庁・公的研究機関(防衛省、JAXA) Copyright ©2017 IVIS,INC.All Rights Reserved. 株式会社アイヴィス http://www.ivis.co.jp/rd.html 社名 株式会社アイヴィス 事業内容 ソフトウェアの受託開発 ・研究サービス 所在地 [本社] 東京都文京区本郷 従業員数 480名 ■ミッション - 先端IT技術を積極的に導入 - 即効性のある応用技術開発に特化 - 社内外と連携して付加価値の高い サービス・製品を提供 ■主要開発分野 ①画像処理 (機械学習、AI導入済み) ②3D画像計測及びモデリング ③信号解析、データ分析 (機械学習、AI導入済み) ④IoT、ロボット 3. アプローチ 3D-CNNとResN
By Michelle Ufford, M Pacer, Matthew Seal, and Kyle Kelley Notebooks have rapidly grown in popularity among data scientists to become the de facto standard for quick prototyping and exploratory analysis. At Netflix, we’re pushing the boundaries even further, reimagining what a notebook can be, who can use it, and what they can do with it. And we’re making big investments to help make this vision a
ABEJAでResearcherをしている白川です。 8/19-23にロンドンで開催されたKDD 2018に参加してきたので、目についた内容をかいつまんで報告させていただこうと思います。 とくに目についたこと 中国系の台頭が目覚ましい。参加者、企業ともに中国系が支配的で、かなりアグレッシブに機械学習・データ分析をビジネスに取り込んでいる印象。 Graph + Deep Learningが着実に使われ始めている。Deep系の発表でGraph CNNの話をちょくちょく聞いた。 Finance / Economics の分野に対する注目。 シェアバイクサービスやAirBnBの部屋貸しサービスような新しいビジネスにおけるデータ分析。 新しく使われ始めたテクニックはあまりなさそう。 特徴量エンジニアリングをして正攻法で攻めるのはやはり大事。 NVIDIA, Intel, Twitter, Apple
Motivation-Driven 熱意を元に PFNの組織文化を表す上で欠かすことができないのは、メンバーのモチベーション主導である、ということです。 モチベーションがある(つまり”熱中している”)ということは、真剣に成果と向き合っている、ということを意味します。 プロジェクトの成果に意義を見出し、強いモチベーションがあれば、私たちはそれぞれのチームのメンバーの成果にも貢献しようとします。これはチームワークで成果を出す、ということとも同義です。 このカルチャーがあるからこそ、私たちは非常にフラットで、フレキシブル、かつ高いパフォーマンスを誇る組織であり続けられるのです。 Learn or Die 死ぬ気で学べ PFNのメンバーは全員、学ぶことに非常に貪欲です。 PFNが挑戦する分野は変化の大きな分野であり、その中で私たちが最先端であり続ける為には、学ぶことが唯一の方法です。 私たちは一つ
- はじめに - 家を買いました。いえーい。 近年ではエンジニアの資産な話がホットですし、私も転職、結婚を経て1年、1つの資産形成としてマンションの部屋を買った話を書いておこうかなと思います。 雑記です。 - 購入に至るまで - 大体1年くらい前、結婚を決めた数ヶ月後から家について考え始めました。 結婚前、以下の記事以降、インターネットに対しても会社に対してもこっそり同棲していた訳ですが、渋谷のお隣池尻大橋で世田谷公園近くのマンションの14階みたいな場所に住んでいて、家賃が大体月14万くらいでした。 vaaaaaanquish.hatenadiary.jp 引っ越し当初は、夫婦共々前職に居たのでダブルインカムかつ家賃補助があり、二人共金のかかる趣味もなく飲み会も外食も好まず、たまに公園で散歩できればいいねくらいだったので、月14万出しても「まあまあ贅沢できる」くらいのでした。 しかしながら
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