IT系エンジニアのためのプレゼンテーション入門
1. インフラエンジニアのためのプレゼン技術研究会：第0回 Masahito Zembutsu @zembutsu Shinjyuku, Tokyo, Feb 21 2015 #infrapre All We Need Is Give The Presentation IT系エンジニアのための プレゼンテーション入門 利用画像素材（Special Thanks） タイトル ブラックジャックによろしく 著作者名 佐藤秀峰 サイト名 漫画 on web 3. IT 系エンジニアのためのプレゼンテーション入門 3 / 59 @zembutsu とは←今回の首謀者 • 前佛 雅人と申します。本名です。 • 略歴 ➡ 2000年ホスティング・サービス事業者に就職 ➡ データセンタ視点での運用や監視、OSSの検証・活用 • 最近考えている事 ➡ 「すべての障害を生まれる前に消し去りたい」 ➡ 「もう何
深層学習 を 用いた 異常値検知 手法まとめ 〜 (Denosing) AutoEncoder, LSTM, TDA（Topological Data Analysis) + CNN - Qiita
オーソドックス な アプローチ（一般的手法） まず は、以下 が よくまとまっている。 株式会社クロスコンパス・インテリジェンス（2016.10.5）「NVIDIA GPU TECHNOLOGY CONFERENCE JAPAN 2016 Industry Deep Learning」 異常値予測 を 行う アプローチ としては、以下 が 一般的な考え方 の ようだ。 （データ量の多い）正常時のデータ挙動の特徴パターンを学ばせて、 新規データが上記の特徴パターンから乖離している場合を、異常とみなす 上記のアプローチをとる理由 は、「異常発生時のデータ」の取得可能件数 は、「正常時のデータ」 に 比べて、取得できるデータの件数 が 圧倒的に少ない から である。 上記のスライド で 挙げられている AutoEncoderモデル や LSTMモデル を 採用し、 AutoEncoderモデル
現実世界での機械学習によるアノマリ検知システムの構築と回避 by Clarence Chio - CODE BLUE 2015
現実世界での機械学習によるアノマリ検知システムの構築と回避 by Clarence Chio - CODE BLUE 2015 過去10年間で、機械学習(Machine Learning: ML)ベースのネットワーク侵入検知技術はWebセキュリティ業界において注目に値する勢いを獲得しました。一部の侵入検知システム(Intrusion Detection System: IDS)はこの技術を利用して侵入を検出し、ネットワークサービスに影響を与えさせることなく弾くことに成功しています。MLベースのIDSについて簡単に説明すると、IDSはまずWebのアクセスログを入力として正常なトラフィックのモデルを構築します。そして、オンライン処理システムにより正しいトラフィックの情報と不正なトラフィックの情報をモデルに学習させていきます。IDSはモデルと比較してある閾値以上離れたトラフィックを不正なものと
i d e a * i d e a - プレゼンハック 〜プレゼン改善のための10個の小技〜
ドットインストール代表のライフハックブログ
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
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
運用に自動化を求めるのは間違っているだろうか
人は一ヶ月でエンジニアになれるのか - 詳細解説
