Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
機械学習をスモールスタートさせる方法 / small machine learning
Search
Yuichiro Someya
November 06, 2018
Programming
3
2k
機械学習をスモールスタートさせる方法 / small machine learning
https://d3m.connpass.com/event/104858/
Yuichiro Someya
November 06, 2018
Tweet
Share
More Decks by Yuichiro Someya
See All by Yuichiro Someya
にんげんがさき 基盤はあと / Developers over ML platform
ayemos
0
13k
アットホームな分析基盤の作り方 / Homemade Machine Learning Toolkits
ayemos
1
930
サービス開発、機械学習、クラウド / the trinity of machine learning
ayemos
0
3.3k
成長を止めない機械学習のやり方 / Don't stop 'til you get enough (data).
ayemos
15
5.1k
AWS で加速する機械学習 / Accelerate Machine Learning with AWS
ayemos
1
300
クックパッドの機械学習基盤 2018 / Machine Learning Platform at Cookpad ~ 2018 ~
ayemos
15
19k
PyTorchとCaffe2とONNXと深層学習モデルのデプロイについて
ayemos
1
2.9k
クックパッドにおけるAWS GPUインスタンスの利用事例 / Powering by AWS GPU Instances in Cookpad Inc
ayemos
0
390
How we use GPUs in Cookpad
ayemos
0
120
Other Decks in Programming
See All in Programming
【Kaigi on Rails 2024】YOUTRUST スポンサーLT
krpk1900
0
200
hotwire_or_react
harunatsujita
6
2.5k
GPU Hash Table | レイトレ合宿10
yknishidate
0
360
Tuning GraphQL on Rails
pyama86
2
670
推し活としてのrails new/oshikatsu_ha_iizo
sakahukamaki
3
870
Mercari AI/LLM Hackathon TeamBの発表資料
imaikosuke
0
200
Sidekiqで実現する 長時間非同期処理の中断と再開 / Pausing and Resuming Long-Running Asynchronous Jobs with Sidekiq
hypermkt
6
1.6k
Nuxt UI Pro、NuxtHub、Nuxt Scripts、Nuxtエコシステムをふんだんに利用して開発するコーポレートサイト@Vue Fes Japan 2024
shingangan
3
810
qmuntal/stateless のススメ
sgash708
0
100
生成 AI を活用した toitta 切片分類機能の裏側 / Inside toitta's AI-Based Factoid Clustering
pokutuna
0
510
推し活の ハイトラフィックに立ち向かう Railsとアーキテクチャ - Kaigi on Rails 2024
falcon8823
6
1.1k
ActiveRecordの力でDBのメタデータを迅速に解析する
lnit
5
2.2k
Featured
See All Featured
Understanding Cognitive Biases in Performance Measurement
bluesmoon
26
1.4k
A better future with KSS
kneath
237
17k
Happy Clients
brianwarren
97
6.7k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
31
2.6k
Rebuilding a faster, lazier Slack
samanthasiow
79
8.6k
Speed Design
sergeychernyshev
24
560
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
504
140k
How STYLIGHT went responsive
nonsquared
95
5.1k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
27
4.1k
Measuring & Analyzing Core Web Vitals
bluesmoon
0
27
Adopting Sorbet at Scale
ufuk
73
9k
Art, The Web, and Tiny UX
lynnandtonic
296
20k
Transcript
ػցֶशΛεϞʔϧελʔτ ͤ͞Δํ๏ ΫοΫύουגࣜձࣾછ୩༔Ұ %BUB%SJWFO%FWFMPQFS.FFUVQ
ࣗݾհ છ୩༔Ұ<BZFNPT> ΫοΫύουגࣜձࣾ৽ଔೖࣾ ݚڀ։ൃ෦ΤϯδχΞ ػցֶशج൫ɺը૾ೝࣝܥͷݚڀ։ൃ
ΫοΫύουͱػցֶश ΫοΫύουݚڀ։ൃ෦ ݄ʹൃ ࢲ͕ଐ͞Εͨͷಉ࣌ظ ໊࣌ͷϝϯόʔ
݄ݱࡏࠃʹ໊ ւ֎ʹ໊ ʰສͷϨγϐσʔλΛ׆༻͠ɺϢʔβʔʹՁΛಧ͚Δʱ
ࠓͷτϐοΫ ػցֶश ओʹਂֶश Λ εϞʔϧελʔτͤ͞Δํ๏ ͳͥεϞʔϧελʔτ͕ඞཁ͔ Ͳ͏Δͷ͔
ࠓͷτϐοΫ ٕज़ʗέʔεελσΟগͳΊɺ ίϯηϓτଟΊͷʹͳΓ·͢ աڈʹٕͨ͠ज़తͳͪ͜Β IUUQTTQFBLFSEFDLDPNBZFNPT
ਂֶशͱεϞʔϧελʔτ
ਂֶशͱεϞʔϧελʔτ 4NBMMTUBSU εϞʔϧελʔτ 4UBSUTNBMM
lUIJOLJOHCJH TUBSUJOHTNBMM BOETDBMJOHGBTUz IUUQTKJNDBSSPMMDPNJOOPWBUJPOUIJOLCJHTUBSUTNBMMTDBMFGBTU
5IJOLCJHJEFOUJGZUIFMPOHUFSNUSBOTGPSNBUJWFUSFOET JODMVEJOHTJHOJpDBOUJOEVTUSZDIBOHF CVTJOFTTNPEFM EJTSVQUJPO ྫ͑ɺʮσΟʔϓϥʔχϯάΛ͍ͬͯ͘ʯͱܾΊΔ
4UBSUTNBMM1JDLBOVNCFSPGTNBMM FYQFSJFOUJBM PSJFOUBUFEQSPKFDUTUPCFHJO5IJTXJMMHJWFZPVCFUUFS EFQUIPGJOTJHIU ͍ͬͯͨ͘Ίʹখ͍͞ϓϩδΣΫτΛ͜ͳ͠ɺֶͿ
4DBMFGBTU%FUFSNJOFXIJDIBSFBTOFFEUPCFUBDLMFE pSTUJOUFSNTPGNPWJOHGPSXBSE%FWFMPQUIFBCJMJUZUP UBLFZPVSbQSPUPUZQJOH`PGTLJMMTFOIBODFNFOUGSPNUIF TNBMMTDBMFQSPKFDUTJOUPGVMMqFEHFEPQFSBUJPOT ༗ͳϓϩδΣΫτΛબͼɺຊ֨తʹՔಇͤ͞Δ
5IJOLCJH ྫ͑ ʮਂֶशΛ͍ͬͯ͘ʯͱܾΊΔ 4UBSUTNBMMখ͍͞ϓϩδΣΫτ ࣮ݧ Λ͜ͳ͠ɺֶͿ 4DBMFGBTU༗ͳϓϩδΣΫτΛຊ֨తʹՔಇͤ͞Δ
ਂֶशͱ4UBSUTNBMM 4UBSUTNBMMখ͍͞ϓϩδΣΫτΛ͜ͳ͠ɺֶͿ ਂֶशͱ4UBSUTNBMMͷ૬ੑ͕͍͍ͱࢥΘͤΔ ৽ٕज़Ͱ͋ΓɺԿ͕ͲΕ͘Β͍Ͱ͖Δͷ͔प͞Ε͍ͯͳ͍ ෦తࢼߦࡨޡ͕ඞཁ
લྫͳ͍ͷͰɺޭ ྫϢʔβʔͷՁʹܨ͕Δ ͢Δͷ͔͔Βͳ͍ ֎෦తʏ ٕज़ελοΫͱͯ͠ݟͯૣख़Ͱ͋Δ ӡ༻ͷٕज़తशख़͕ඞཁ
ਂֶशͱ4UBSUTNBMM ҰํͰɺ4UBSUTNBMM͕Γʹͦ͘͏ͳҰ໘͋Δ େྔͷσʔλͱܭࢉث͕ඞཁ ӡ༻ίετ͕ߴ͍ ࠾༻େมͦ͏
IUUQTBJHPPHMFSFTFBSDIQVCTQVC
ਂֶशͱ4UBSUTNBMM ҰํͰɺ4UBSUTNBMM͕Γʹͦ͘͏ͳҰ໘͋Δ େྔͷσʔλͱܭࢉث͕ඞཁ ӡ༻ίετ͕ߴ͍ ࠾༻େมͦ͏
IUUQTBJHPPHMFSFTFBSDIQVCTQVC .-0QTͰ ͕ ղܾͰ͖ͦ͏ͳ
ͱ͜ΖͰ.-0QTͱ ڪΒ͘%FW0QTಉ༷͕ͩ ·ͩఆٛෆ໌ྎ ֶशΞϧΰϦζϜҎ֎ʁ %FW0QTͷ.-൛ʁ ػցֶश͕ɺιϑτΣΞ։ൃࣄۀʹ͓͍ͯՁΛੜΈग़͢͜ͱͷͰ͖Δ
ٕज़ελοΫͰ͋Γଓ͚ΔͨΊʹඞཁͳٕज़ ʰӡ༻ίετͷݮʱ͚͕ͩతͰͳ͍ ྫਂֶशΛεϞʔϧελʔτͤ͞Δҝͷ.-0QT
͜͜·Ͱ·ͱΊ ਂֶशΛεϞʔϧελʔτ͍ͤͨ͞ ͦͷͨΊʹ.-0QTͷϓϥΫςΟεΛ׆͔ͤͦ͏
εϞʔϧελʔτͷͨΊͷ.-0QT ΫοΫύουͷ߹
ܭࢉثڥ ݄ͷ ݚڀ։ൃ෦һਓ དྷि͔ΒΠϯλʔϯΛਓड͚ೖΕ "84ຊ൪ΞΧϯτʹྑͷ(16Πϯελϯε HYMBSHF ͕
৽ن࡞ͷʹίϛϡχέʔγϣϯ͕ൃੜ ݚڀ։ൃ༻ΞΧϯτΛൃߦ͠ɺӡ༻ͷੵۃతͳԽ
ܭࢉثڥ ݚڀ։ൃ༻ΞΧϯτͷΠϯϑϥΛίʔυཧ ຊ൪ΞΧϯτͷϓϥΫςΟε %FW0QT ʹ฿͏ $IBU#PUΛ௨ͯ͠(16ΠϯελϯεΛ্ཱͪ͛ΔΈΛ࣮
Πϯελϯεͷ࡞ɺٳΠϯελϯεͷࣗಈఀࢭΛඋ ࣮࣭ (16Πϯελϯεݐͯ์Λ࣮ݱ ͍ͭͰ࣮ݧεϞʔϧελʔτ
ܭࢉثڥ ݚڀ։ൃ༻ΞΧϯτͷΠϯϑϥΛίʔυཧ ຊ൪ΞΧϯτͷϓϥΫςΟε %FW0QT ʹ฿͏ $IBU#PUΛ௨ͯ͠(16ΠϯελϯεΛ্ཱͪ͛ΔΈΛ࣮
Πϯελϯεͷ࡞ɺٳΠϯελϯεͷࣗಈఀࢭΛඋ ࣮࣭ (16Πϯελϯεݐͯ์Λ࣮ݱ ͍ͭͰ࣮ݧεϞʔϧελʔτ .-0QT
ػցֶशج൫ͱ4UBSUTNBMM ػցֶशج൫·ͨ৽͍͠ྖҬ4UBSUTNBMM͕ඞཁ ඞཁͳͷج൫ٕज़ͷεϞʔϧͳࢼߦࡨޡ ྫ͑ج൫୲Λ3%ʹஔͯ͠ΈΔ LVCFqPXͳͲͷϓϥοτϑΥʔϜ৫γνϡΤʔγϣϯ ͱͷ૬ੑ͕͋Δ
ՄೳͰ͋Ε ੵۃతʹࢼ͢ɺͬͯΈΔͱΑͦ͞͏
༨ஊʙݕࡧγεςϜʹֶͿʙ ʮσʔλͷྲྀΕ͕͋ΓɺγεςϜ͕σʔλͱڞʹ͢ΔΑ͏ͳγ εςϜʯͱ͍͑ʁ ݕࡧγεςϜͷӡ༻ϓϥΫςΟε͔Β ֶͿ͜ͱଟͦ͏ ΠϯσοΫεͷߏஙɺࣙॻσʔλͷཧ IUUQTXXXBNB[PODPKQ#VJMEJOH*OUFMMJHFOU4ZTUFNT-FBSOJOH&OHJOFFSJOHFCPPLEQ##82)3
·ͱΊ ਂֶशεϞʔϧελʔτ͍ͤͨ͞ ৽͍ٕ͠ज़ͷՄೳੑ ͱ੍ Λ࡞Γͳ͕ΒֶͿ εϞʔϧελʔτ .-0QTͷదͳར༻εϞʔϧελʔτΛॿ͚Δ