Recommender Systems: The Textbookの要点まとめ(随時更新) – かものはしの分析ブログ
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト はじめに レコメンド関連の書籍を探していた際に、 Recommender Systems: The Textbook (English Edition)の無料公開されているPDFを見つけたので、それについて読んでは追記するスタイルでメモを残していこうと思います。（すごく長くなる予感） これまで読んできたレコメンド関連の本の中では、説明が丁寧だったり事例が豊富に思います。数式はあまり出てこないですが、言葉でちゃんと説明しようとしているのが感じられます。『AIアルゴリズム
入社一ヶ月の分報戦記（Ubie） - maru source
僕は仕事で分報をかなり活用しています。今年の3月に入社したUbie（ユビー）というヘルステックベンチャーでもめちゃくちゃ分報に書き込みをしています。どれぐらい書いてるかというと、入社初月で1700投稿（75投稿/平日）し、社内トップでした。 社内の分報チャンネルの投稿数ランキング 分報にはこの一ヶ月で経験した色々な仕事について感想や意見を書いています。まさに僕自身の入社一ヶ月の戦記と言えます。そこでこの分報からコメントをピックアップして入社一ヶ月を振り返ってみようと思います。振り返りは三つの軸で行いました。 🏥 事業ドメイン(医療) 🧠 組織・カルチャー 🧑💻 自分の成長(ソフトウェアエンジニア) 🏥 事業ドメイン(医療) サマリー Ubieはヘルステックベンチャーなので事業ドメインとしてはバリバリの医療。それがすごく面白い。何が面白いかって言うと医療自体は自分の身近にあるもの
【日本語モデル付き】2021年に自然言語処理をする人にお勧めしたい事前学習済みモデル - Qiita
要点 T5（Text-To-Text Transfer Transformer、論文、日本語解説記事）の日本語モデル（事前学習済みモデル）を作り、公開しました。ご活用ください。 T5とは、様々な自然言語処理タスクの入出力がともにテキストになるよう問題形式を再定義することにより、一つの事前学習済みモデルを多様なタスク用に転移学習させることができる高い柔軟性を持ち、かつ、性能も優れている深層ニューラルネットワークです。 転移学習の例: 文章分類、文章要約、質問応答、対話応答、機械翻訳、含意関係認識、文の類似度計算、文法的妥当性判定、タイトル生成、スタイル変換、誤字修正、検索結果のリランキングなど（固有表現抽出などのシーケンスラベリングの実施例はない？） 日本語T5モデルはHugging Face Model Hubからダウンロードできます。 ベンチマークとして、ある分類問題について、既存のmT
2021年仕事メモ - draftcode.osak.jp
2017年にキャリアパスについて適当に思ったことを書いてから4年、相変わらずキャリアパスよくわからんなぁ、と思うけど、最近さらによくわからない感じがある。 Googleではエンジニアレベルというのが決められていて、L3かL4ぐらいでスタートして上はL9ぐらいまであるんだっけかな。なんかこういう説明だと「じゃあ中堅どころがL7ぐらい？」みたいに見えるけど、L7は普通に7000万とか8000万ぐらい貰えるっぽい人たちです。L5とかL6あたりが中堅と呼ばれるところじゃないだろうか。 各レベルごとに「こういうことができて欲しい」という期待値が設定されている。LnのときにはL(n+1)における期待値というのがよくわからない感じだったけれども、あとからL(n+1)になると「あー、なるほど。このレベルの期待値っていうのは、こういうことを言いたかったんだなぁ」と思うことがある。別に昇進が全てではないから、
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
