Suche senden
Hochladen
実戦投入する機械学習
•
51 gefällt mir
•
86,444 views
Takahiro Kubo
Folgen
機械学習を実際にビジネスで利用するに当たり、使いやすいツールを3つ厳選して紹介。
Weniger lesen
Mehr lesen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 24
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
Machine learningbootstrap For Business
Machine learningbootstrap For Business
Takahiro Kubo
コンピュータ将棋・囲碁における機械学習活用
コンピュータ将棋・囲碁における機械学習活用
Takashi Kato
機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発
Takahiro Kubo
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
Takahiro Kubo
Deep learningの世界に飛び込む前の命綱
Deep learningの世界に飛び込む前の命綱
Junya Kamura
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
Recruit Technologies
ディープに作る固有表現認識
ディープに作る固有表現認識
Hiroki Nakayama
Empfohlen
Machine learningbootstrap For Business
Machine learningbootstrap For Business
Takahiro Kubo
コンピュータ将棋・囲碁における機械学習活用
コンピュータ将棋・囲碁における機械学習活用
Takashi Kato
機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発
Takahiro Kubo
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
Takahiro Kubo
Deep learningの世界に飛び込む前の命綱
Deep learningの世界に飛び込む前の命綱
Junya Kamura
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
Recruit Technologies
ディープに作る固有表現認識
ディープに作る固有表現認識
Hiroki Nakayama
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
Recruit Technologies
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
Takahiro Kubo
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
Recruit Technologies
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
Kamonohashi
リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例
Recruit Technologies
リクルート流Elasticsearchの使い方
リクルート流Elasticsearchの使い方
Recruit Technologies
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
Kamonohashi
実社会・実環境におけるロボットの機械学習
実社会・実環境におけるロボットの機械学習
Kuniyuki Takahashi
JJUG CCC リクルートの Java に対する取り組み
JJUG CCC リクルートの Java に対する取り組み
Recruit Technologies
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」
Recruit Technologies
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
Takahiro Kubo
Spring “BigData”
Spring “BigData”
Recruit Technologies
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
Takahiro Kubo
リクルートにおけるVDI導入とCiscoデータセンタソリューション
リクルートにおけるVDI導入とCiscoデータセンタソリューション
Recruit Technologies
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
Recruit Technologies
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Recruit Technologies
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
Yahoo!デベロッパーネットワーク
20170419PFNオープンハウス リサーチャーの仕事_公開用
20170419PFNオープンハウス リサーチャーの仕事_公開用
Preferred Networks
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
ルールベースから機械学習への道 公開用
ルールベースから機械学習への道 公開用
nishio
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
Weitere ähnliche Inhalte
Was ist angesagt?
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
Recruit Technologies
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
Takahiro Kubo
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
Recruit Technologies
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
Kamonohashi
リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例
Recruit Technologies
リクルート流Elasticsearchの使い方
リクルート流Elasticsearchの使い方
Recruit Technologies
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
Kamonohashi
実社会・実環境におけるロボットの機械学習
実社会・実環境におけるロボットの機械学習
Kuniyuki Takahashi
JJUG CCC リクルートの Java に対する取り組み
JJUG CCC リクルートの Java に対する取り組み
Recruit Technologies
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」
Recruit Technologies
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
Takahiro Kubo
Spring “BigData”
Spring “BigData”
Recruit Technologies
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
Takahiro Kubo
リクルートにおけるVDI導入とCiscoデータセンタソリューション
リクルートにおけるVDI導入とCiscoデータセンタソリューション
Recruit Technologies
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
Recruit Technologies
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Recruit Technologies
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
Yahoo!デベロッパーネットワーク
20170419PFNオープンハウス リサーチャーの仕事_公開用
20170419PFNオープンハウス リサーチャーの仕事_公開用
Preferred Networks
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Tetsutaro Watanabe
Was ist angesagt?
(20)
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
リクルートにおけるPaaS活用事例
リクルートにおけるPaaS活用事例
リクルート流Elasticsearchの使い方
リクルート流Elasticsearchの使い方
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
実社会・実環境におけるロボットの機械学習
実社会・実環境におけるロボットの機械学習
JJUG CCC リクルートの Java に対する取り組み
JJUG CCC リクルートの Java に対する取り組み
リクルートのWebサービスを支える共通インフラ「RAFTEL」
リクルートのWebサービスを支える共通インフラ「RAFTEL」
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
Spring “BigData”
Spring “BigData”
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
リクルートにおけるVDI導入とCiscoデータセンタソリューション
リクルートにおけるVDI導入とCiscoデータセンタソリューション
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
リクルートにおけるセキュリティ施策方針とCSIRT組織運営のポイント
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
Rancherを活用した開発事例の紹介 ~Rancherのメリットと辛いところ~
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
20170419PFNオープンハウス リサーチャーの仕事_公開用
20170419PFNオープンハウス リサーチャーの仕事_公開用
リクルートを支える横断データ基盤と機械学習の適用事例
リクルートを支える横断データ基盤と機械学習の適用事例
Andere mochten auch
ルールベースから機械学習への道 公開用
ルールベースから機械学習への道 公開用
nishio
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
「機械学習 By スタンフォード大学」勉強会 2015.09.11
「機械学習 By スタンフォード大学」勉強会 2015.09.11
Minoru Chikamune
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
Pythonで機械学習入門以前
Pythonで機械学習入門以前
Kimikazu Kato
トピックモデルを用いた 潜在ファッション嗜好の推定
トピックモデルを用いた 潜在ファッション嗜好の推定
Takashi Kaneda
はじめてでもわかるベイズ分類器 -基礎からMahout実装まで-
はじめてでもわかるベイズ分類器 -基礎からMahout実装まで-
Naoki Yanai
Pythonを使った機械学習の学習
Pythonを使った機械学習の学習
Kimikazu Kato
パターン認識 第10章 決定木
パターン認識 第10章 決定木
Miyoshi Yuya
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
toilet_lunch
Simple perceptron by TJO
Simple perceptron by TJO
Takashi J OZAKI
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
決定木学習
決定木学習
Mitsuo Shimohata
SVMについて
SVMについて
mknh1122
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Teppei Baba
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tatsuya Tojima
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
Andere mochten auch
(20)
ルールベースから機械学習への道 公開用
ルールベースから機械学習への道 公開用
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
「機械学習 By スタンフォード大学」勉強会 2015.09.11
「機械学習 By スタンフォード大学」勉強会 2015.09.11
機械学習の理論と実践
機械学習の理論と実践
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Pythonで機械学習入門以前
Pythonで機械学習入門以前
トピックモデルを用いた 潜在ファッション嗜好の推定
トピックモデルを用いた 潜在ファッション嗜好の推定
はじめてでもわかるベイズ分類器 -基礎からMahout実装まで-
はじめてでもわかるベイズ分類器 -基礎からMahout実装まで-
Pythonを使った機械学習の学習
Pythonを使った機械学習の学習
パターン認識 第10章 決定木
パターン認識 第10章 決定木
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
Simple perceptron by TJO
Simple perceptron by TJO
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
決定木学習
決定木学習
SVMについて
SVMについて
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Ähnlich wie 実戦投入する機械学習
SDI時代のシステムインテグレーション~CloudConductorの紹介~
SDI時代のシステムインテグレーション~CloudConductorの紹介~
cloudconductor
Machine Learning Bootstrap
Machine Learning Bootstrap
Takahiro Kubo
データビジュアライゼーションもくもく会
データビジュアライゼーションもくもく会
dsuke Takaoka
AITCオープンラボ: Pepper x IoT x Web
AITCオープンラボ: Pepper x IoT x Web
dsuke Takaoka
【オペレーションカンファレンス 2015 Spring】 LT 僕が考えるSIerにとってのMSP
【オペレーションカンファレンス 2015 Spring】 LT 僕が考えるSIerにとってのMSP
cloudconductor
Application Re-Architecture Technology ~ StrutsからSpring MVCへ ~
Application Re-Architecture Technology ~ StrutsからSpring MVCへ ~
apkiban
クラウド時代を生きぬくためのITエンジニアとシステムインテグレータのOSS活用!
クラウド時代を生きぬくためのITエンジニアとシステムインテグレータのOSS活用!
Takeshi Kuramochi
電通国際情報サービス_AIテクノロジー部の研究開発と製品開発事例_191213
電通国際情報サービス_AIテクノロジー部の研究開発と製品開発事例_191213
小川 雄太郎
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
appliedelectronics
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
Tier_IV
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
貴志 上坂
【LTセッション】Brainwave 使ってみた_DEEP LEARNING LAB
【LTセッション】Brainwave 使ってみた_DEEP LEARNING LAB
Deep Learning Lab(ディープラーニング・ラボ)
【HinemosWorld2015】B1-5_【入門】Hinemosではじめるクラウド運用
【HinemosWorld2015】B1-5_【入門】Hinemosではじめるクラウド運用
Hinemos
【SoftLayer事例】アップクロス株式会社
【SoftLayer事例】アップクロス株式会社
softlayerjp
第2回すだちくん勉強会におけるIoT最新動向と題したプレゼン資料
第2回すだちくん勉強会におけるIoT最新動向と題したプレゼン資料
知礼 八子
Smfl20201001
Smfl20201001
三井住友ファイナンス&リース デジタル開発室
日本語データの活用までの道のり
日本語データの活用までの道のり
Hideto Masuoka
Application Re-Architecture Technology ~ StrutsからSpring MVCへ ~
Application Re-Architecture Technology ~ StrutsからSpring MVCへ ~
Yuichi Hasegawa
機械学習技術の紹介
機械学習技術の紹介
Takahiro Kubo
Jazug-8th: Azure AKS & FIWARE & Robot
Jazug-8th: Azure AKS & FIWARE & Robot
Nobuyuki Matsui
Ähnlich wie 実戦投入する機械学習
(20)
SDI時代のシステムインテグレーション~CloudConductorの紹介~
SDI時代のシステムインテグレーション~CloudConductorの紹介~
Machine Learning Bootstrap
Machine Learning Bootstrap
データビジュアライゼーションもくもく会
データビジュアライゼーションもくもく会
AITCオープンラボ: Pepper x IoT x Web
AITCオープンラボ: Pepper x IoT x Web
【オペレーションカンファレンス 2015 Spring】 LT 僕が考えるSIerにとってのMSP
【オペレーションカンファレンス 2015 Spring】 LT 僕が考えるSIerにとってのMSP
Application Re-Architecture Technology ~ StrutsからSpring MVCへ ~
Application Re-Architecture Technology ~ StrutsからSpring MVCへ ~
クラウド時代を生きぬくためのITエンジニアとシステムインテグレータのOSS活用!
クラウド時代を生きぬくためのITエンジニアとシステムインテグレータのOSS活用!
電通国際情報サービス_AIテクノロジー部の研究開発と製品開発事例_191213
電通国際情報サービス_AIテクノロジー部の研究開発と製品開発事例_191213
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
【FKEYセミナー 20150205 基調講演】「今こそクラウド活用」 講師:大和 敏彦 氏 (株式会社アイティアイ 代表取締役)
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
Tier Ⅳ Tech Meetup #2 - 自動運転を作るのはCloudシステムの集合体?? 活用技術を大解剖 -
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
アルゴリズムから学ぶAzure mlモジュールの使いこなし方 hd-insight編-
【LTセッション】Brainwave 使ってみた_DEEP LEARNING LAB
【LTセッション】Brainwave 使ってみた_DEEP LEARNING LAB
【HinemosWorld2015】B1-5_【入門】Hinemosではじめるクラウド運用
【HinemosWorld2015】B1-5_【入門】Hinemosではじめるクラウド運用
【SoftLayer事例】アップクロス株式会社
【SoftLayer事例】アップクロス株式会社
第2回すだちくん勉強会におけるIoT最新動向と題したプレゼン資料
第2回すだちくん勉強会におけるIoT最新動向と題したプレゼン資料
Smfl20201001
Smfl20201001
日本語データの活用までの道のり
日本語データの活用までの道のり
Application Re-Architecture Technology ~ StrutsからSpring MVCへ ~
Application Re-Architecture Technology ~ StrutsからSpring MVCへ ~
機械学習技術の紹介
機械学習技術の紹介
Jazug-8th: Azure AKS & FIWARE & Robot
Jazug-8th: Azure AKS & FIWARE & Robot
Mehr von Takahiro Kubo
自然言語処理による企業の気候変動対策分析
自然言語処理による企業の気候変動対策分析
Takahiro Kubo
国際会計基準(IFRS)適用企業の財務評価方法
国際会計基準(IFRS)適用企業の財務評価方法
Takahiro Kubo
自然言語処理で新型コロナウィルスに立ち向かう
自然言語処理で新型コロナウィルスに立ち向かう
Takahiro Kubo
財務・非財務一体型の企業分析に向けて
財務・非財務一体型の企業分析に向けて
Takahiro Kubo
自然言語処理で読み解く金融文書
自然言語処理で読み解く金融文書
Takahiro Kubo
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
Takahiro Kubo
ESG評価を支える自然言語処理基盤の構築
ESG評価を支える自然言語処理基盤の構築
Takahiro Kubo
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Takahiro Kubo
Reinforcement Learning Inside Business
Reinforcement Learning Inside Business
Takahiro Kubo
あるべきESG投資の評価に向けた、自然言語処理の活用
あるべきESG投資の評価に向けた、自然言語処理の活用
Takahiro Kubo
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
Takahiro Kubo
Curiosity may drives your output routine.
Curiosity may drives your output routine.
Takahiro Kubo
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
EMNLP2018 Overview
EMNLP2018 Overview
Takahiro Kubo
2018年12月4日までに『呪術廻戦』を読む理由
2018年12月4日までに『呪術廻戦』を読む理由
Takahiro Kubo
Graph Attention Network
Graph Attention Network
Takahiro Kubo
ACL2018の歩き方
ACL2018の歩き方
Takahiro Kubo
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
Takahiro Kubo
TISにおける、研究開発の方針とメソッド 2018
TISにおける、研究開発の方針とメソッド 2018
Takahiro Kubo
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
Takahiro Kubo
Mehr von Takahiro Kubo
(20)
自然言語処理による企業の気候変動対策分析
自然言語処理による企業の気候変動対策分析
国際会計基準(IFRS)適用企業の財務評価方法
国際会計基準(IFRS)適用企業の財務評価方法
自然言語処理で新型コロナウィルスに立ち向かう
自然言語処理で新型コロナウィルスに立ち向かう
財務・非財務一体型の企業分析に向けて
財務・非財務一体型の企業分析に向けて
自然言語処理で読み解く金融文書
自然言語処理で読み解く金融文書
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
ESG評価を支える自然言語処理基盤の構築
ESG評価を支える自然言語処理基盤の構築
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Reinforcement Learning Inside Business
Reinforcement Learning Inside Business
あるべきESG投資の評価に向けた、自然言語処理の活用
あるべきESG投資の評価に向けた、自然言語処理の活用
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
Curiosity may drives your output routine.
Curiosity may drives your output routine.
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
EMNLP2018 Overview
EMNLP2018 Overview
2018年12月4日までに『呪術廻戦』を読む理由
2018年12月4日までに『呪術廻戦』を読む理由
Graph Attention Network
Graph Attention Network
ACL2018の歩き方
ACL2018の歩き方
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
TISにおける、研究開発の方針とメソッド 2018
TISにおける、研究開発の方針とメソッド 2018
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
実戦投入する機械学習
1.
Copyright © 2014
TIS Inc. All rights reserved. 実戦投入する機械学習 2015年3月30日 TIS株式会社 コーポレート本部 戦略技術センター 久保 隆宏
2.
Copyright © 2014
TIS Inc. All rights reserved. アジェンダ 1. 2014年度の導入事例 2. 機械学習でできること 3. 機械学習のメリット 4. 機械学習を手軽に実装するためのツール 1. 機械学習関連ツールの全体図 2. scikit-learn 3. Jubatus 4. Azure Machine Learning 5. 秘密の発表 2
3.
Copyright © 2014
TIS Inc. All rights reserved. 2014年度の導入事例(1/2) 3 2015/3/20 「導入後の学習効果を考えると 90%も超えられるのではとの手応 えを得た。ワトソン君が銀行の内 定をつかんだ瞬間だった。」
4.
Copyright © 2014
TIS Inc. All rights reserved. 2014年度の導入事例(2/2) 住友精密工業株式会社(2014/2/12) 住友精密が提供するビニールハウス温度管理サービスにおいて、ビッグデータのリアルタイム 分析基盤「Jubatus」を導入。各センサユニットから得られたセンサデータを機械学習し、 個々のビニールハウスにおける季節毎の異常値の自動検知や最適な温度管理の自動設定の実現 を目指す(現在は検証中)。 竹中工務店(2014/10/15) 建物などで使用される様々な設備や環境センサーを相互に接続し、統合的にモニタリングと分 析を実施(Azure Machine Learningを使用)。設備管理者の知見(知識とノウハウ)を学習す ることで、建物の管理負荷軽減と利用者の快適性、生産性の向上、エネルギー効率、運用管理 コストの最適化を実現する。 みずほ銀行(2014/12/15) IBMの質問応答システムWatsonを利用し、オペレーターのマニュアルを学習させることで業 務の効率化と品質の向上を図る。 4 日本国内でも続々と事例が出てきた。 実稼働、あるいはそれにかなり近い位置での検証が行われている。 ⇒過去のAIのような、将来のための研究開発という色ではもはやない。
5.
Copyright © 2014
TIS Inc. All rights reserved. 機械学習でできること 5 A B C データに基づく「予測」や「判断」 値の予測 気温・株価・売上etc 画像/音声認識 異常検知etc 分類の判断 機械:実体は数理/統計モデル 学習:モデルのパラメータを、過去データを基に調整する 強み:定式化できない問題への対応 弱み:高い精度で行うにはデータと専門的な知識が必要
6.
Copyright © 2014
TIS Inc. All rights reserved. 機械学習のメリット 6 「自動化」によるコスト削減と、「高精度な予測」による効率化 機械学習は今まで人手に頼らざるを得なかった部分、つまり「定式化・ ルール化できない」部分をデータから学習する。 これにより、さらなる自動化とそれによるコスト削減が可能。 良く学習された学習機は人間には不可能な速度・精度での予測を可能にす る。これをマーケティングやサービスに活用することで、「最小限の労力 で最大限の効果」を上げることができる。 また、機械学習による予測は今までにないサービスや業務を可能にする可 能性があり(Amazonの”注文する前の発送”など)、新しいビジネスにもつな がりうる。
7.
Copyright © 2014
TIS Inc. All rights reserved. 機械が「人間よりも優秀に仕事」をする 世界は目の前まで来ている (世間が思っているより多分ずっと早い)。 7
8.
Copyright © 2014
TIS Inc. All rights reserved. 8 閑話休題
9.
Copyright © 2014
TIS Inc. All rights reserved. 機械学習を手軽に実装するためのツール メリットはわかるけれども、いざ提案となると技術面が不安なケースもあるはず。 そこで、本日は実装面に一歩踏み込み手軽に機械学習が実装できるツールを紹介する。 9 3大・導入/利用が簡単な機械学習関連ツール Jubatusscikit-learn Pythonの機械学習ラ イブラリ 機械学習アルゴリズム が利用できるサーバー Azure Machine Learning Drag&Dropで処理が 構築できるサービス
10.
Copyright © 2014
TIS Inc. All rights reserved. 機械学習関連ツールの全体図(1/4) 10 導入のスピード 拡張性ライブラリ型 パッケージ型 サービス型 scikit-learn(Python) MLlib (Java等) mahout (Java) Jubatus Azure Machine Learning Google Prediction API Prediction I/O
11.
Copyright © 2014
TIS Inc. All rights reserved. ライブラリ・プラットフォームの全体図(2/4) 前提 導入のスピードが速いほどあらかじめ提供されている機能を使う形になるので、基本的には導 入スピードが速いほど拡張性は低くなる。 ライブラリ型:プログラムに組み込むライブラリ形式で提供されているもの △:高い自由度でプログラムに組み込むことができる ▼:利用にあたっては専門的な知識が必要 パッケージ型:よく利用するアルゴリズムをサーバー等にまとめたもの △:目的 (推薦・異常検知など)に応じまとまった形で機能が提供されており、利用しやすい ▼:パッケージが提供するAPI・機能の範囲でのみカスタマイズが可能。 サービス型:クラウド経由で提供するもの △:クラウド上でサービスが提供されており、導入の敷居が低い ▼:手軽に導入できる分、機能・データ量等に制限がある場合がある。課金体系にも注意。 11
12.
Copyright © 2014
TIS Inc. All rights reserved. ライブラリ・プラットフォームの全体図(3/4) ライブラリ型は柔軟性は高いが、扱うのに専門知識が必要なため構築・テスト・ チューニングをこなせるようになるにはそれなりのトレーニングが必要。 サービス型は手軽に始めるのには良いが、実際ビジネスで使うとなった場合カスタマ イズ性や料金について不安が残る(もちろん、利用したいアルゴリズムが利用可能であ り料金もリーズナブルに済む場合はこの限りでない)。 12 ビジネスへの応用には、パッケージ型がお勧め
13.
Copyright © 2014
TIS Inc. All rights reserved. 機械学習関連ツールの全体図(4/4) 13 導入のスピード 拡張性ライブラリ型 パッケージ型 サービス型 scikit-learn(Python) MLlib (Java等) mahout (Java) Jubatus Azure Machine Learning Google Prediction API Prediction I/O 手軽に試してみた いあなたに ビジネスへの応用 を考えるあなたに カスタマイズもし たいあなたに
14.
Copyright © 2014
TIS Inc. All rights reserved. 各ツールの紹介
15.
Copyright © 2014
TIS Inc. All rights reserved. scikit-learn(サイキット・ラーン) 機械学習をするならPythonでscikit-learn、がほぼデファクト・スタンダード。 アプリケーションに機械学習を組み込む場合には、最初に検討すべきライブラリ。 機械学習はアルゴリズムを利用するよりもデータの整形やパラメーターの調整にかけ る時間の方が多い。 scikit-learnはそれら周辺作業をサポートするための機能も充実しており、特にパラ メータの選択・探索(SelectKBestやGridSearch)を利用していると自分がやることは ほとんどないんじゃないかという気になる。 scikit-learnの各種機能を紹介したドキュメントを作成したので詳細はこちら参考。 scikit-learn-notebook 15 機械学習ライブラリのデファクト・スタンダードと言っても過言ではない、 Python製の代表的ライブラリ。
16.
Copyright © 2014
TIS Inc. All rights reserved. scikit-learn(サイキット・ラーン) 16 SelectKBest 予測する値に対し貢献度が高いもの2つ を(k=2)選択 GridSearch 指定したパラメータの範囲から、 一番良いものを探索
17.
Copyright © 2014
TIS Inc. All rights reserved. Jubatus(ユバタス) 株式会社Preferred NetworksとNTTソフトウェアイノベーションセンタが共同開発し た、日本発のオープンソースプロダクト。そのため、日本語情報も豊富。 サーバーとクライアントから構成され、サーバー側に実装されたアルゴリズムをクラ イアント側から使用する。 17 機械学習アルゴリズムが利用できるサーバー。分散環境に対応しており、セ ンサーデータなど大規模なデータの学習も可能。 ・レコメンド ・異常検知 etc… 良く使われる機能がパッ ケージ化されている Server Client (C++/Python/Rub y/Java) 分散環境でスケールする ように設計されている
18.
Copyright © 2014
TIS Inc. All rights reserved. Jubatus(ユバタス) 18 Recommender(推薦)、Anomaly/Burst(異常検 知)といった目的に応じた機能が提供されており、 簡単に利用できるようになっている。 Classifier(分類)、Regression(線形回帰)、 Clustering(クラスタリング)といった一般的なもの も当然搭載されている ⇒目的特化で素早く利用するパッケージ型の利用以外 にも、一般的なアルゴリズムを実行するためのライブ ラリとしても活用できる。
19.
Copyright © 2014
TIS Inc. All rights reserved. Azure Machine Learning (アジュール マシンラーニング) オンラインですぐに始められ、操作も簡単。導入事例も多く、話としては持って いきやすい。 提供されている機能を組み合わせていく形なので拡張性はそれほど高くない。 ただ、2015年2月の正式リリースでRやPythonといった、機械学習でよく使われ る言語の処理を組み込むことが可能になったのである程度は対応可能。 作成したモデルはWeb APIとして利用できるため、Webアクセス可能なところか らはどこからでも利用できるという強みがある。 Azure Machine Learningを利用したアプリケーション開発についてまとめたので、 詳細はこちら参考。 Azure Machine Learning を利用したアプリケーション開発 Freeプランの場合、計算時間とデータ容量に上限がある(容量は10GB)。有料プラ ンの場合は、計算時間?に応じ課金。 19 Microsoftが提供する、Drag&Dropにより機械学習を利用した処理を構築可 能なオンラインプラットフォーム
20.
Copyright © 2014
TIS Inc. All rights reserved. Azure Machine Learning (アジュール マシンラーニング) 20 こちらからアルゴリズムやデータ処理を選んで、組み合わせていく データの前処理などの欠かせない機能も提供されており、普通にプ ログラムで組むより精確で早く済むケースもおそらくあると思われ る。 データ整備に際してはグラフを書くことが多いが、Azure MLでは可 視化機能が充実しているため、これが容易。
21.
Copyright © 2014
TIS Inc. All rights reserved. まとめ • 機械学習は、実際に応用される段階に入っている • 機械学習とは • 「機械」を「学習」させて、値の予測や分類を行うこと • 「機械」は実態としては数理/統計モデルであり、このパラメーターをデータに沿うよう調整 することを「学習」という • IF文の分岐で表現しきれないような、定式化できない領域に強みを持つ • 機械学習のメリット • 自動化:定式化できない、人手に頼っていた部分をシステム化し、自動化できる可能性がある • 効率化:人間に不可能な速さ・精度での予測により最小限の労力で最大限の効果が得られる • ただし、精度を出すにはそれなりのデータ量と専門的なチューニングが必要 • 機械学習を手軽に実装するためのツール • ライブラリ型:プログラムに組み込めるタイプのもの。scikit-learnがお勧め • パッケージ型:よく利用される機能がパッケージとして提供されてるもの。Jubatusがお勧め • サービス型:クラウド上で利用可能なもの。Azure Machine Learningがお勧め 21
22.
Copyright © 2014
TIS Inc. All rights reserved. とはいえ実装できるか不安だ・・・というあなたに 22
23.
Copyright © 2014
TIS Inc. All rights reserved. 秘密の発表 機械学習を実際のアプリケーションに適用する方法、にフォーカス 実際使うときに詰まるあんなこと、こんなことについてのノウハウを共有 ライブラリのチュートリアルから先に進みたい方 機械学習をアプリケーションやサービスに活かしたい方 実践的なノウハウを共有する仲間がほしい方 23 機械学習ライブラリ・プラットフォームを実際に使ってアプリケー ションを開発するハンズオン形式の勉強会を実施します Come on!!
Jetzt herunterladen