システムの価値を可視化しよう。 ～KPIからシステムの必要性を考える～｜のぐち＠社内SE
こんにちは。のぐちです。 アミューズメント系ユーザー企業で社内SEやっています。 主に各部門や店舗で起きている業務上の課題を可視化し、システム化企画→委託開発（or パッケージ製品導入）にて解決するといった仕事をしています。 最近は、予算が下りないような小さな課題に対して、既存システム活用やフリーツールを使って解決する！といった試みを始めました。 ※ここまで定型文 KGIとKPIはい。今回は企画の前座小話として、KPIの話をします。 投資効果の指標にKGI (Key Goal Indicators) と KPI (Key Performance Indicators) というものがあります。 簡単に説明すると以下の通りです。 KGI：売上増加や利益率向上など経営上の達成目標 KPI：生産性向上や顧客満足度向上など、特定の取り組みの結果得られる改善効果の指標 現在私が対応しているプロトタイプ
良いKPIとはなにか、あるいはガールズバー施策について｜樫田光 | Hikaru Kashida
こんにちはHikaru Kashidaです。 今回の記事では良いKPIとはなにか、について書きたいと思います。 気づいたらとっても長い記事になっていたので、ご注意ください。 この記事で述べることのまとめ ・"良いKPI"は『正しさ』と『使いやすさ』という要素に分けられる ・この両立は難しく、良いKPIを作るのは簡単ではない ・正しくないKPIはガールズバー施策を生む ・良くないKPIの例はごまんとある読んだ方の感想 公開後、素敵な感想をたくさんいただけたので、いくつかはらせていただきます。 KPIとは KPIというのは「Key Performance Indicator」、つまりビジネスなどの計画においてコアとなるパフォーマンス指標（数値）のことです。 KPIの起源ですが、1992年に米国で提唱された『Balanced Score Card』という経営手法のいち要素として登場したのが普及の
KPIは「シンプルに作る・王道なモデルを使う・みんなで作る」のが良い｜Masaya Hirano
- このnoteは「モバイルアプリマーケティングアドベントカレンダー2021」の7日目の投稿です！ - 面白かったら是非ハッシュタグ「#アプリマーケアドベント 」を付けてシェアをお願いします！ はじめにこんにちは。Retty分析MGRの平野です。 今回はKPIについての記事です。 良いKPIの作り方に関しては既に語り語り尽くされている領域だと思うものの、失敗エピソードはあまり語られていない気がします。 また、KPI設計と言っても、組織・事業のフェーズによって難しさが変わると思っていて、良いKPIを作り続けるのは難しいと感じています。 そこで、この記事では過去のKPI設計の失敗事例をベースに学びを紹介したいと思います。 記事の三行まとめ・KPI設計の失敗事例として「複雑にし過ぎる」「モデルを発明」「ステークホルダーと一緒に作らない」を述べた。 ・失敗からの学びとして「シンプルに作る」「王道を
大規模言語モデル間の性能比較まとめ｜mah_lab / 西見 公宏
StableLMのファインチューニングってできるのかな？と調べたところ、GitHubのIssueで「モデル自体の性能がまだ良くないから、ファインチューニングの段階ではないよ」というコメントがありまして。 シートの中身を見てみるlm-evalシートstablelm-base-alpha-7bは54行目にありまして、確かに他の言語モデルと比較するとまだまだな性能のようです。応援したいですね。 シートの列の意味それぞれの列の意味については推定ですが以下の通りです。 RAM 言語モデルのGPUメモリ消費量。 lambada(ppl) LAMBADAデータセットによる測定値。ロングレンジの言語理解能力をテストする（文章全体を読まないと答えられないタスクでの評価）。PPLはPerplexityという指標で、モデルの予測の不確かさを示す。PPLが低いほど、モデルの予測精度が高い。 lambada(acc
GPTの仕組みをちゃんと勉強したい本 - きしだのHatena
やっぱGPTを仕組みから勉強したい、という本をいくつか見つけたのでまとめておきます。 まず理論的な概要。 機械学習からニューラルネットワーク、CNNでの画像処理、トランスフォーマーでの自然言語処理、音声認識・合成、そしてそれらを組み合わせたマルチモーダルと章が進むので、理論的な概観を得るのにいいと思います。 最初は数式が多いのだけど、Σをfor文だと思いつつ、定義が説明文中に埋まってるPerlよりたちが悪い記号主体言語だと思えば読めるけどめんどくさいので飛ばしても問題ないと思います。 深層学習からマルチモーダル情報処理へ (AI/データサイエンスライブラリ“基礎から応用へ” 3) 作者:中山 英樹,二反田 篤史,田村 晃裕,井上 中順,牛久 祥孝サイエンス社Amazon で、もういきなり作る。 トークナイザーから全部つくっていきます。TensorFlowでBERTをつくってGPT2をつくる
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
