このエントリーは、GMOアドマーケティング Advent Calendar 2018 の 12/16 の記事です。 GMOアドマーケティングとしては初のAdvent Calendar参戦です。 はじめに こんにちは。GMOアドマーケティングのS.S.です。 通販サイトや動画配信サイトにおけるアイテム推薦では、ユーザーが購入・視聴などを行なったアイテムにつけたスコアをもとにして、そのユーザーが興味を持つであろうアイテムを提示することがあります。 そうした設定では行と列をそれぞれアイテムとユーザーに対応させて、セルの値として列に対応するユーザーが行に対応するアイテムに対してつけたスコアを持つ行列を考えることができます。 行列分解ではユーザーとアイテムにそれぞれ低次元のベクトルを割り当て、それらの積としてスコアを説明します。 今回の記事では行列分解の単純なケースについて座標降下法を使ってパラメー
機械学習チームの林田(@chie8842)です。好きなスポーツはテニスとスノボです。 システムは、その当時の最新の技術で作ったとしても必ずレガシー化します。 機械学習システムも他システムと同様、一度デプロイしたら終わりではなく、継続的なメンテナンスが必要です。昨今機械学習は、特に技術の進歩が目覚ましいため、レガシー化するのも早い分野といえます。本稿ではレガシー化した機械学習アプリケーションのメンテナンスと、それに伴うGPU環境からCPU環境への移行によって、大幅にシステムの運用コストを削減した例をご紹介します。 機械学習アプリケーションにおけるコスト課題 クックパッドにおける最初の大きな機械学習プロジェクトである料理きろくがリリースされたのは、2年前のことです。それ以来、様々な機械学習アプリケーションがデプロイされ、現在では大小含めて30を超える機械学習アプリケーションが運用されています。
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