Enviar búsqueda
Cargar
機械学習を活用したサービスにおける工夫紹介
•
2 recomendaciones
•
3,339 vistas
S
syou6162
Seguir
第一回SIL勉強会 自然言語処理編での発表資料です。 https://sansan.connpass.com/event/116853/
Leer menos
Leer más
Tecnología
Vista de diapositivas
Denunciar
Compartir
Vista de diapositivas
Denunciar
Compartir
1 de 23
Descargar ahora
Descargar para leer sin conexión
Recomendados
MACHINE LEARNING Meetup KANSAI #5での登壇資料です。 https://mlm-kansai.connpass.com/event/131845/
Mackerelのロール内異常検知の設計と運用
Mackerelのロール内異常検知の設計と運用
syou6162
Machine Learning Casual Talks #10での登壇資料です https://mlct.connpass.com/event/125316/
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
syou6162
Mackerel Drink Up #9 Tokyoでの登壇資料です。 https://mackerelio.connpass.com/event/144889/
Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerel Drink Up #9 ロール内異常検知の正式化
syou6162
現在開発中の異常検知機能はこれまでの監視ルールと何が異なるのか、何ができて何はできないのか、はてな社内の実例を元にMackerel Meetup #12でお話した資料です。 https://mackerelio.connpass.com/event/94553/
機械学習を用いたMackerelの異常検知機能について
機械学習を用いたMackerelの異常検知機能について
syou6162
https://mlm-kansai.connpass.com/event/100525/ でのLT登壇資料です。
機械学習を使った趣味サービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介
syou6162
Black Hat ASIA 2016 Arsenalで展示した診断AI「SAIVS」の概要。 https://www.blackhat.com/asia-16/arsenal.html#saivs-spider-artificial-intelligence-vulnerability-scanner
AISECjp SAIVS(Spider Artificial Intelligence Vulnerability Scanner)
AISECjp SAIVS(Spider Artificial Intelligence Vulnerability Scanner)
Isao Takaesu
遺伝的アルゴリズムを使って脆弱性を検出するための「検査値」を自動生成するお話し。
脆弱性診断データの活用例 - Webアプリケーション診断編 -
脆弱性診断データの活用例 - Webアプリケーション診断編 -
Isao Takaesu
事例紹介「なうまぴおん」
事例紹介「なうまぴおん」
Eiji Iwazawa
Recomendados
MACHINE LEARNING Meetup KANSAI #5での登壇資料です。 https://mlm-kansai.connpass.com/event/131845/
Mackerelのロール内異常検知の設計と運用
Mackerelのロール内異常検知の設計と運用
syou6162
Machine Learning Casual Talks #10での登壇資料です https://mlct.connpass.com/event/125316/
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
教師なし学習によるMackerelの異常検知機能について〜設計/運用/評価の観点から〜
syou6162
Mackerel Drink Up #9 Tokyoでの登壇資料です。 https://mackerelio.connpass.com/event/144889/
Mackerel Drink Up #9 ロール内異常検知の正式化
Mackerel Drink Up #9 ロール内異常検知の正式化
syou6162
現在開発中の異常検知機能はこれまでの監視ルールと何が異なるのか、何ができて何はできないのか、はてな社内の実例を元にMackerel Meetup #12でお話した資料です。 https://mackerelio.connpass.com/event/94553/
機械学習を用いたMackerelの異常検知機能について
機械学習を用いたMackerelの異常検知機能について
syou6162
https://mlm-kansai.connpass.com/event/100525/ でのLT登壇資料です。
機械学習を使った趣味サービスにおける工夫紹介
機械学習を使った趣味サービスにおける工夫紹介
syou6162
Black Hat ASIA 2016 Arsenalで展示した診断AI「SAIVS」の概要。 https://www.blackhat.com/asia-16/arsenal.html#saivs-spider-artificial-intelligence-vulnerability-scanner
AISECjp SAIVS(Spider Artificial Intelligence Vulnerability Scanner)
AISECjp SAIVS(Spider Artificial Intelligence Vulnerability Scanner)
Isao Takaesu
遺伝的アルゴリズムを使って脆弱性を検出するための「検査値」を自動生成するお話し。
脆弱性診断データの活用例 - Webアプリケーション診断編 -
脆弱性診断データの活用例 - Webアプリケーション診断編 -
Isao Takaesu
事例紹介「なうまぴおん」
事例紹介「なうまぴおん」
Eiji Iwazawa
Machine Learning Meetup Kansaiでの発表スライドです。
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
syou6162
人工知能ブームに伴ない機械学習関係のニュースを聞かない日はないほど機械学習は普及しつつありますが、自分でやってみる/自社で導入するにはまだハードルが高いと感じる方も多いかと思います。このセッションでは、いわゆるデータサイエンティストではなくアプリケーションエンジニアが機械学習を使った機能開発を行なうメリットやその楽しさについて、はてなでの事例を交えながらお話ししたいと思います。 https://event.shoeisha.jp/devsumi/20180928/session/1802/
今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜
syou6162
HACKER TACKLE2018での登壇資料です。
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
syou6162
AWS Kinesis Streamに入るデータを、S3を経てRedshiftへロードする処理を、KCLを用いたワーカーをEB上で動かす仕組みからKinesis Firehoseに置き換えました。この過程で得られた知見をご紹介します。
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Hajime Sano
JAWS DAYS 2016 発表資料
Device Farm を使ったスマホアプリの自動テスト
Device Farm を使ったスマホアプリの自動テスト
健一 辰濱
オンプレエンジニアがクラウドエンジニアを夢見て。じっと手を見る。
オンプレエンジニアがクラウドエンジニアを夢見て。じっと手を見る。
Akihiro Kuwano
2019/03/09 開催の「第3回 nlpaper.challenge NLP/CV交流勉強会」での発表資料です。自然言語処理技術である Word Embedding を Web 推薦システムに応用する技術を紹介します。また、CET チームにおけるリアルタイムなアイテム推薦システムの実現方法について、GCP を利用した基盤のアーキテクチャ図を交えながら紹介します。 https://nlpaper-challenge.connpass.com/event/120892/
Real-time personalized recommendation using embedding
Real-time personalized recommendation using embedding
Recruit Lifestyle Co., Ltd.
A modified presentation for LINE Developer Meetup in Tokyo #39 on paradigm shift to and testing methodology for modern software development.
LINE Developer Meetup in Tokyo #39 Presentation (modified)
LINE Developer Meetup in Tokyo #39 Presentation (modified)
Yasuharu Nishi
2014年12月4日(木) 株式会社リンク(東京都赤坂)18:00 ~ 21:00 ビール片手に!ゆくトレ くるトレ 2014 - 2015 発表資料
2014年を振り返る 今年の技術トレンドとDockerについて
2014年を振り返る 今年の技術トレンドとDockerについて
Masahito Zembutsu
2019年11月2日(土)にHTB北海道テレビ放送 創世スクエアスタジオで開催されるイベント「JAWS FESTA 2019 SAPPORO」の来栖川電算のサポーターセッションで使う資料です。 来栖川電算がどのようなことに取り組んでいるかが分かる資料になっています。
JAWS FESTA 20191102
JAWS FESTA 20191102
陽平 山口
ソフトハウスの品質保証の問題点の典型例を示し、品質保証戦略およびQAアーキテクチャ設計の概要について述べる。SQiP関西の品質保証責任者の会の2016/6/24の講演資料。
ソフトハウスの品質保証のウソホント
ソフトハウスの品質保証のウソホント
Yasuharu Nishi
日本ソフトウェア科学会機械学習工学研究会(MLSE)キックオフシンポジウム オープニング1 講演:石川冬樹(MLSE 主査、国立情報学研究所)
開催の辞
開催の辞
MLSE
「機械学習 名古屋 第7回勉強会」で発表するときに使う資料です。 基本的な内容は前回の TFUG での発表と同じ(TensorFlow で学習した深層学習のモデルをコンパクトにしてスマホで動かすという内容)です。深層学習のモデルを実用的な速度で動かしたい時などに参考になるかもしれません。
Machine Learning Nagoya 20161015
Machine Learning Nagoya 20161015
陽平 山口
テスト自動化カンファレンス2014(stac2014)の発表資料です。 『システムテスト自動化 標準ガイド』のガイドになっております。 内容に興味をもっていただければ、ぜひ『標準ガイド』を手にとってみてください。
1時間で分かるSTA (Software Test Automation) #stac2014
1時間で分かるSTA (Software Test Automation) #stac2014
Kazuhiro Suzuki
鷲崎弘宜, 新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて, Agile Tour Osaka × miniPLoP 2020 基調講演, 2020年12月12日
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Hironori Washizaki
Pythonで検索エンジン2
Pythonで検索エンジン2
Yasukazu Kawasaki
MA5 Mashup Caravan in GINZA/2 2009年10月26日
Mashup Awards は新しい技術を試す絶好の機会です
Mashup Awards は新しい技術を試す絶好の機会です
Nobuhiro Nakajima
How Mercari achieves machine learning engineering and operation.
Mercari ML Meetup
Mercari ML Meetup
yusuke shibui
鷲崎弘宜, "ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計", スマートエスイーセミナー: IoT・機械学習応用ソフトウェアの設計とパターン, 2020/07/13
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
Hironori Washizaki
2017年10月28日(土)に行われた "TECH & BRIDGE MEETING 〜エンジニア講演会〜 人工知能・機械学習・ディープラーニング Vol.4” の講演資料です。 講演講師 :三上威様(フリーランスITエンジニア) 主催・運営:株式会社エージェントゲート
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
健司 亀本
統計学勉強会でのsyou6162の発表資料です。 - https://connpass.com/event/204931/
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
syou6162
オープンセミナー岡山でのsyou6162の登壇資料です。 https://oso.connpass.com/event/200031/
オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用
syou6162
Más contenido relacionado
Similar a 機械学習を活用したサービスにおける工夫紹介
Machine Learning Meetup Kansaiでの発表スライドです。
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
syou6162
人工知能ブームに伴ない機械学習関係のニュースを聞かない日はないほど機械学習は普及しつつありますが、自分でやってみる/自社で導入するにはまだハードルが高いと感じる方も多いかと思います。このセッションでは、いわゆるデータサイエンティストではなくアプリケーションエンジニアが機械学習を使った機能開発を行なうメリットやその楽しさについて、はてなでの事例を交えながらお話ししたいと思います。 https://event.shoeisha.jp/devsumi/20180928/session/1802/
今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜
syou6162
HACKER TACKLE2018での登壇資料です。
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
syou6162
AWS Kinesis Streamに入るデータを、S3を経てRedshiftへロードする処理を、KCLを用いたワーカーをEB上で動かす仕組みからKinesis Firehoseに置き換えました。この過程で得られた知見をご紹介します。
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Hajime Sano
JAWS DAYS 2016 発表資料
Device Farm を使ったスマホアプリの自動テスト
Device Farm を使ったスマホアプリの自動テスト
健一 辰濱
オンプレエンジニアがクラウドエンジニアを夢見て。じっと手を見る。
オンプレエンジニアがクラウドエンジニアを夢見て。じっと手を見る。
Akihiro Kuwano
2019/03/09 開催の「第3回 nlpaper.challenge NLP/CV交流勉強会」での発表資料です。自然言語処理技術である Word Embedding を Web 推薦システムに応用する技術を紹介します。また、CET チームにおけるリアルタイムなアイテム推薦システムの実現方法について、GCP を利用した基盤のアーキテクチャ図を交えながら紹介します。 https://nlpaper-challenge.connpass.com/event/120892/
Real-time personalized recommendation using embedding
Real-time personalized recommendation using embedding
Recruit Lifestyle Co., Ltd.
A modified presentation for LINE Developer Meetup in Tokyo #39 on paradigm shift to and testing methodology for modern software development.
LINE Developer Meetup in Tokyo #39 Presentation (modified)
LINE Developer Meetup in Tokyo #39 Presentation (modified)
Yasuharu Nishi
2014年12月4日(木) 株式会社リンク(東京都赤坂)18:00 ~ 21:00 ビール片手に!ゆくトレ くるトレ 2014 - 2015 発表資料
2014年を振り返る 今年の技術トレンドとDockerについて
2014年を振り返る 今年の技術トレンドとDockerについて
Masahito Zembutsu
2019年11月2日(土)にHTB北海道テレビ放送 創世スクエアスタジオで開催されるイベント「JAWS FESTA 2019 SAPPORO」の来栖川電算のサポーターセッションで使う資料です。 来栖川電算がどのようなことに取り組んでいるかが分かる資料になっています。
JAWS FESTA 20191102
JAWS FESTA 20191102
陽平 山口
ソフトハウスの品質保証の問題点の典型例を示し、品質保証戦略およびQAアーキテクチャ設計の概要について述べる。SQiP関西の品質保証責任者の会の2016/6/24の講演資料。
ソフトハウスの品質保証のウソホント
ソフトハウスの品質保証のウソホント
Yasuharu Nishi
日本ソフトウェア科学会機械学習工学研究会(MLSE)キックオフシンポジウム オープニング1 講演:石川冬樹(MLSE 主査、国立情報学研究所)
開催の辞
開催の辞
MLSE
「機械学習 名古屋 第7回勉強会」で発表するときに使う資料です。 基本的な内容は前回の TFUG での発表と同じ(TensorFlow で学習した深層学習のモデルをコンパクトにしてスマホで動かすという内容)です。深層学習のモデルを実用的な速度で動かしたい時などに参考になるかもしれません。
Machine Learning Nagoya 20161015
Machine Learning Nagoya 20161015
陽平 山口
テスト自動化カンファレンス2014(stac2014)の発表資料です。 『システムテスト自動化 標準ガイド』のガイドになっております。 内容に興味をもっていただければ、ぜひ『標準ガイド』を手にとってみてください。
1時間で分かるSTA (Software Test Automation) #stac2014
1時間で分かるSTA (Software Test Automation) #stac2014
Kazuhiro Suzuki
鷲崎弘宜, 新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて, Agile Tour Osaka × miniPLoP 2020 基調講演, 2020年12月12日
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Hironori Washizaki
Pythonで検索エンジン2
Pythonで検索エンジン2
Yasukazu Kawasaki
MA5 Mashup Caravan in GINZA/2 2009年10月26日
Mashup Awards は新しい技術を試す絶好の機会です
Mashup Awards は新しい技術を試す絶好の機会です
Nobuhiro Nakajima
How Mercari achieves machine learning engineering and operation.
Mercari ML Meetup
Mercari ML Meetup
yusuke shibui
鷲崎弘宜, "ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計", スマートエスイーセミナー: IoT・機械学習応用ソフトウェアの設計とパターン, 2020/07/13
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
Hironori Washizaki
2017年10月28日(土)に行われた "TECH & BRIDGE MEETING 〜エンジニア講演会〜 人工知能・機械学習・ディープラーニング Vol.4” の講演資料です。 講演講師 :三上威様(フリーランスITエンジニア) 主催・運営:株式会社エージェントゲート
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
健司 亀本
Similar a 機械学習を活用したサービスにおける工夫紹介
(20)
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
今日から始める機械学習〜はてなの事例〜
今日から始める機械学習〜はてなの事例〜
はてなにおける機械学習の取り組み
はてなにおける機械学習の取り組み
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Device Farm を使ったスマホアプリの自動テスト
Device Farm を使ったスマホアプリの自動テスト
オンプレエンジニアがクラウドエンジニアを夢見て。じっと手を見る。
オンプレエンジニアがクラウドエンジニアを夢見て。じっと手を見る。
Real-time personalized recommendation using embedding
Real-time personalized recommendation using embedding
LINE Developer Meetup in Tokyo #39 Presentation (modified)
LINE Developer Meetup in Tokyo #39 Presentation (modified)
2014年を振り返る 今年の技術トレンドとDockerについて
2014年を振り返る 今年の技術トレンドとDockerについて
JAWS FESTA 20191102
JAWS FESTA 20191102
ソフトハウスの品質保証のウソホント
ソフトハウスの品質保証のウソホント
開催の辞
開催の辞
Machine Learning Nagoya 20161015
Machine Learning Nagoya 20161015
1時間で分かるSTA (Software Test Automation) #stac2014
1時間で分かるSTA (Software Test Automation) #stac2014
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Pythonで検索エンジン2
Pythonで検索エンジン2
Mashup Awards は新しい技術を試す絶好の機会です
Mashup Awards は新しい技術を試す絶好の機会です
Mercari ML Meetup
Mercari ML Meetup
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
ソフトウェアパターン概論およびパターンを活用したアーキテクチャ設計
1028 TECH & BRIDGE MEETING
1028 TECH & BRIDGE MEETING
Más de syou6162
統計学勉強会でのsyou6162の発表資料です。 - https://connpass.com/event/204931/
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
syou6162
オープンセミナー岡山でのsyou6162の登壇資料です。 https://oso.connpass.com/event/200031/
オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用
syou6162
Data Engineering Study #4「データ分析基盤の障害対応事例LT祭り」 での登壇資料です
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方
syou6162
https://analytics-and-intelligence.connpass.com/event/174369/ での発表資料です。
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
syou6162
PyCon mini OsakaでのMackerelの異常検知に関する発表です
Mackerel Anomaly Detection at PyCon mini Osaka
Mackerel Anomaly Detection at PyCon mini Osaka
syou6162
異常検知ナイトのLT登壇資料です
異常検知ナイト LT登壇資料 はてな id:syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162
syou6162
DuolingoがACLで発表した論文の簡単な紹介
Duolingo.pptx
Duolingo.pptx
syou6162
はてなの社内勉強会で話した構造学習についてのスライドです。
今日からできる構造学習(主に構造化パーセプトロンについて)
今日からできる構造学習(主に構造化パーセプトロンについて)
syou6162
Kernel20110619
Kernel20110619
syou6162
Optimization In R
Optimization In R
syou6162
Syou6162 Dbcls
Syou6162 Dbcls
syou6162
半教師あり学習
半教師あり学習
syou6162
R User Group 2009 Yoshida
R User Group 2009 Yoshida
syou6162
Tsukuba
Tsukuba
syou6162
Short Essay
Short Essay
syou6162
Prml
Prml
syou6162
Algorithm Design
Algorithm Design
syou6162
Tsukuba Memo Off
Tsukuba Memo Off
syou6162
1000speakers
1000speakers
syou6162
第一回卒研発表会
第一回卒研発表会
syou6162
Más de syou6162
(20)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
自分の目的に合った統計量と そのバラ付きを計算しよう ~NPSを例に~(統計学勉強会)
オープンセミナー岡山 これから始めるデータ活用
オープンセミナー岡山 これから始めるデータ活用
正確な意思決定を阻む 問題・障害との向き合い方
正確な意思決定を阻む 問題・障害との向き合い方
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
Mackerel Anomaly Detection at PyCon mini Osaka
Mackerel Anomaly Detection at PyCon mini Osaka
異常検知ナイト LT登壇資料 はてな id:syou6162
異常検知ナイト LT登壇資料 はてな id:syou6162
Duolingo.pptx
Duolingo.pptx
今日からできる構造学習(主に構造化パーセプトロンについて)
今日からできる構造学習(主に構造化パーセプトロンについて)
Kernel20110619
Kernel20110619
Optimization In R
Optimization In R
Syou6162 Dbcls
Syou6162 Dbcls
半教師あり学習
半教師あり学習
R User Group 2009 Yoshida
R User Group 2009 Yoshida
Tsukuba
Tsukuba
Short Essay
Short Essay
Prml
Prml
Algorithm Design
Algorithm Design
Tsukuba Memo Off
Tsukuba Memo Off
1000speakers
1000speakers
第一回卒研発表会
第一回卒研発表会
Último
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
This is an introduction to MAPPO's paper.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
NewSQLの可用性構成パターン (OCHaCafe Season 8 #4 発表資料) 2024年5月8日(水) NTTデータグループ 技術開発本部 小林 隆浩
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Syed Talal Wasim, Muzammal Naseer, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan , "Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding" arXiv2024 https://arxiv.org/abs/2401.00901v2
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
Jue Wang, Wentao Zhu, Pichao Wang, Xiang Yu, Linda Liu, Mohamed Omar, Raffay Hamid, " Selective Structured State-Spaces for Long-Form Video Understanding" CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/html/Wang_Selective_Structured_State-Spaces_for_Long-Form_Video_Understanding_CVPR_2023_paper.html
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
LoRaWANスマート距離検出センサー DS20Lカタログ
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
2024年4月に社内向けに開催した勉強会資料の社外公開版です
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
Último
(11)
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
機械学習を活用したサービスにおける工夫紹介
1.
機械学習を活用したサービスに おける工夫紹介 第一回SIL勉強会 自然言語処理編 はてな id:syou6162 1
2.
自己紹介 • id:syou6162(本名: 吉田康久) • 前職: 自然言語処理や機械学習の研究職 •
2年前にはてなにアプリケーションエンジニア として転職 2
3.
Mackerel: サーバーの異常検知 3 • ルールを書く必要なし • 約20次元を考慮 •
どのメトリックがおかしいか 根拠も提示 参考: h:ps://www.yasuhisay.info/entry/mackerel_meetup_12_anomaly_detecDon
4.
MACHINE LEARNING Meetup KANSAI 4 h:ps://mlm-kansai.connpass.com/
5.
はてなにおける 機械学習の取り組み id:syou6162 MACHINE LEARNING Meetup KANSAI#1 5 • 再現性や属人性、機械学習で 難しいところをはてながどう組 織で取り組んでいるか紹介 参考: h:ps://www.slideshare.net/syou6162/ss-93425042
6.
デブサミ2018関西 6 • 機械学習の第一歩をどう踏み出すか • 機械学習におけるアプリケーションエンジニアの強み 参考: h:ps://www.yasuhisay.info/entry/2018/10/01/090000
7.
ML News • 機械学習関連の最近のエントリを紹介する君 – h:ps://www.machine-learning.news –
これ自身も機械学習/自然言語処理を使ってる – 趣味で運用している • 作ったモチベーション – 気になった機械学習技術をいきなりプロダクションに 入れるのは大変 – 自分で遊べる砂場が欲しい • あくまで趣味なので手間をあまりかけたくない – 今日は運用での工夫について話します 7
8.
こんなサイト 8
9.
アジェンダ • 能動学習による効率的なアノテーション • 精度の継続的なトラッキングを簡単に •
多様性を持たせた簡単な推薦方法 • パイプラインジャングルと戦う 9
10.
アダルト まとめサイト 深層学習 異常検知 分離平面 Python クローラー CoreML iPhone アプリ おすすめ 能動学習による効率的なアノテーション 機械学習 Python アフィリエイトサイト 10
11.
分離平面 能動学習による効率的なアノテーション この辺ばかりアノテーションしていても - 精度は上がらない - 精神は病むので、つらい -
しかし、ランダムに選ぶとこの辺がたくさん… 11 アダルト まとめサイト Python クローラー iPhone アプリ おすすめ アフィリエイトサイト 深層学習 異常検知 CoreML 機械学習 Python
12.
分離平面 能動学習による効率的なアノテーション 分離平面に近い(=分類器があまり自信がない) 事例から優先的にアノテーション 12 アダルト まとめサイト Python クローラー iPhone アプリ おすすめ アフィリエイトサイト 深層学習 異常検知 CoreML 機械学習 Python
13.
• 同じ400件をアノテーションするならば、より精度 が高い分類器を作れる400件のほうがよい h:p://www.yasuhisay.info/ entry/2017/05/18/080000 h:ps://github.com/syou6162/go- acDve-learning 能動学習による効率的なアノテーション 13
14.
継続的な精度トラッキングの必要性 • 機械学習プロダクトは何かとテストがしにくい – 実際にサービスに出してみて確認するしかないこ とも多い – 例1: 気づかないうちに精度が劣化していく – 例2: 突然壊れる • 継続的な確認は何かと忘れられがち – 趣味サービスだと工数は自分の余暇時間しかな いのでとにかく楽をしたい 14
15.
精度の継続的なモニタリング • コマンドラインツール(mkr)や各種言 語のライブラリから投稿可能 • 各メトリックに対して閾値を設定して 閾値を割ったらslackに通知 15
16.
精度の可視化 • 任意の時点にアノテーションを追加 • Gitのコミットハッシュ値やPull Requestへ のリンクを貼っておくと便利 •
mackerel.io 16
17.
壊れたことにすぐ気づける 17 • バグがあるコードをdeploy、判定器が常 に負例を返すようになってしまった • 精度が閾値を下回ったらアラートがきた •
どのcommitでおかしくなったかアノテー ションで分かるため、速攻修正できた 😇
18.
バッチの実行時間の監視なども 18 h:ps://www.yasuhisay.info/entry/2019/01/07/123000 • 数分で終わっていたはずのバッチが いつの間にか数時間かかっていた • バッチの処理時間もMackerelで監視
19.
推薦リストの構築(1) • スコアが高いものはarXivの論文ばかり… • データ基盤の話や面白事例のエントリも読み たい! 推薦されたリストに多様性が欲しい! •
文書要約も似たような問題設定 – 文書全体の話題をカバーしつつ重要なところを ピックアップ – ナイーブにやると2^Nの組合せがある 19
20.
推薦リストの構築(2) • 目的関数が劣モジュラと呼ばれる形式だと貪欲 法で簡単に解ける – 目的関数: td-idfから構成される簡単な関数 –
賢い人が「最悪ケースでもこれ以下にはならない」と 理論保証を与えてくれている • Golangで約100行 – h:ps://github.com/syou6162/go-acDve-learning- web/blob/master/lib/apply/apply.go – h:ps://www.yasuhisay.info/entry/ 2017/05/27/213200 20
21.
パイプラインジャングル • 機械学習アプリではパイプラインジャングル になりがち • 昔はJenkinsで以下を調整していた – 分類対象候補データのクローリング – 前処理 – 学習 – 予測 – 推薦リストの構築 – Slackへの通知 問題点 •
cronの時間調整アホらしい • 前段の処理で失敗したら後段の 処理は走らないで欲しい • どこでこけたか調査が面倒 21
22.
解法: AWS StepFuncDons 推薦対象候補の クローリング 学習/予測および 推薦リストの構築 利点 • 個々のパーツの自由度 が高い(Lambda/ECS task/AWS Batch Job) • どこでこけたか一目瞭然 •
こけたらexponenDal backoffで再実行 • 管理サーバー必要なし • 設定がJSONで書ける 22 h:ps://www.yasuhisay.info/entry/machine_learning_workflow_with_step_funcDons
23.
まとめ • 能動学習による効率的なアノテーション • 精度の継続的なトラッキングを簡単に •
多様性を持たせた簡単な推薦方法 • パイプラインジャングルと戦う 23 • 機械学習を使ったサービスの立ち上げ/運用について興味 ある方、懇親会でお話しましょう • 理論方面に興味があるという方、他社さんと一緒に論文読 み会(自然言語処理や情報検索/推薦)をやっているので懇 親会でお話しましょう
Descargar ahora