ゲーム企画コンテストPERACONにおける審査員の問題 - じじいのプログラミング
注意点 「CEDEC2020のPERACONが参加人数が多すぎて、提出物の質が低くなった」という問題については、書いてません。あくまで審査員の質についてだけを書いています。*1 記事を書くにあたって、審査員は匿名で書きたかったのですが、 審査員全員の名前が公開されていて、中途半端に匿名にしても無意味なこと。 根本的な問題では、反省はしてなさそう。 審査員にも責任があるべきといっていること。 なので、審査員の実名を出しました。ただ、悪い部分だけをピックアップすることはないように、できるだけ多くのデータを出し、客観的に判断するように心がけました。 はじめに CEDECというゲーム業界のカンファレンスで、PERACONというゲーム企画コンテストがあります。今年からはCESAというゲーム業界最大の団体の人材育成部会で引き取って、毎年人材を育成するという目的で行っていくことになったようですが、これか
海外のゲーム会社であった制度 - じじいのプログラミング
今まで、バンクーバー→バルセロナ→シンガポール→香港で働いてきました。それでいろいろな職場を見てきたので、海外のゲーム会社であった制度について、列挙してみました。 日本の会社でも、既に同様の制度をやっていて、珍しくない場合も多くあると思います。 複数の会社のケースを混ぜて書いています。 ゲーム開発技術に関することは、ほとんど書いていません。 ご指摘がありましたら、修正したり詳細を追加しますので、お気軽にどうぞ（内容が後で変わる可能性があります） 人事（採用） 面接 ビザ リファラル採用 リファレンスチェック（照会） カンファレンス時の招待者限定パーティー 人事（評価） 相互評価制度 OKR（Objectives and Key Results） 人事（解雇） 解雇 PIP（Performance Improvement Plan） スタジオ閉鎖 人事（その他） 若手が海外スタジオで1年間働
電ファミニコゲーマーの、手動ディープラーニング記事について - じじいのプログラミング
電ファミニコゲーマーで「1987年に手動でディープラーニングをしていた驚異の麻雀ゲームがあった」 news.denfaminicogamer.jp という記事が多くの人に読まれたのですが、実際の内容はディープラーニングではありません。にもかかわらず、ディープラーニングというバズワードを持ってくる釣りは良くないという話です。 これについて、はてなブックマークなどを見ると、何割かの方は、おかしいということには気づいたようですが、特に修正される様子はありません。また、このインタビューを企画した、三宅陽一郎氏は、日本でゲームAIの第一人者として知られてます。おそらく、日本のゲーム開発者は物申しにくいと思うので、自分が書きました。 何が間違っているか？ 「手動ディープラーニングではなく、評価関数の手動調整である」という説明で十分だと思います。例えば、宮路氏自身が良い動作に対するなんらか評価方法を持っ
Kaggle体験記（TopCoder機械学習マラソンとの違いなど） - じじいのプログラミング
tanzakuさん、今年もありがとうございます！ Competitive Programming （その2） Advent Calendar 2016 - Adventarの25日目！ はじめに Kaggle（https://www.kaggle.com/）も、TopCoder機械学習マラソン（TopCoder）も、広義の競技プログラミング！ ということで、今回Kaggleに軽めに参加してみました。これらの違いについて取りあげようと思います。機械学習そのものについては取り上げてません。あしからず。 Kaggleの特徴（TopCoderと異なる点） 予測データのみを提出すれば良い。 TopCoderは、マッチにより、予測する実行コードを提出する形式か、予測したデータを提出する形式か違ってきますが、Kaggleは、ほぼ予測データのみ提出です（例外はある）。そういうわけで、ライブラリや計算資源を
ランダムフォレスト 特徴量の重要度（C++の実装例つき） - じじいのプログラミング
はじめに 今回の記事は、alfredplplさんの以下の記事とだいぶかぶっています…。図つきで、とても分かりやすい記事なので、お勧めです。こちらをはじめに読んだほうが良いと思います。alfredplpl.hatenablog.com alfredplplさんの記事は分類を例にあげてましたので、こちらは回帰を例にあげて説明します。基本的な中身は一緒ですので、比較しながら読んでもらえればと思います。 Rのランダムフォレストの重要度 Rのランダムフォレストには２種類の重要度(importance)があります。この記事で説明するのは、IncMSEとIncNodePurityです。 アプローチ 回帰(regression) 分類(classification) シャッフルしたOOBデータで予測して求める IncMSE MeanDecreaseAccuracy 決定木のノードの純度(Purity)の増
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
