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
14k
アットホームな分析基盤の作り方 / Homemade Machine Learning Toolkits
ayemos
1
970
サービス開発、機械学習、クラウド / the trinity of machine learning
ayemos
0
3.4k
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
5.2k
AWS で加速する機械学習 / Accelerate Machine Learning with AWS
ayemos
1
320
クックパッドの機械学習基盤 2018 / Machine Learning Platform at Cookpad ~ 2018 ~
ayemos
15
20k
PyTorchとCaffe2とONNXと深層学習モデルのデプロイについて
ayemos
1
3k
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
420
How we use GPUs in Cookpad
ayemos
0
140
Other Decks in Programming
See All in Programming
プロダクト横断分析に役立つ、事前集計しないサマリーテーブル設計
hanon52_
2
500
サービスレベルを管理してアジャイルを加速しよう!! / slm-accelerate-agility
tomoyakitaura
1
190
Deoptimization: How YJIT Speeds Up Ruby by Slowing Down / RubyKaigi 2025
k0kubun
1
1.7k
Qiita Bash
mercury_dev0517
2
220
ComposeでのPicture in Picture
takathemax
0
130
タイムゾーンの奥地は思ったよりも闇深いかもしれない
suguruooki
1
800
The Evolution of the CRuby Build System
kateinoigakukun
1
750
カオスに立ち向かう小規模チームの装備の選択〜フルスタックTSという装備の強み _ 弱み〜/Choosing equipment for a small team facing chaos ~ Strengths and weaknesses of full-stack TS~
bitkey
1
120
スモールスタートで始めるためのLambda×モノリス(Lambdalith)
akihisaikeda
2
320
Orleans + Sekiban + SignalR でリアルタイムWeb作ってみた
tomohisa
0
200
MCP調べてみました! / Exploring MCP
uhzz
2
2.3k
Cursor/Devin全社導入の理想と現実
saitoryc
27
20k
Featured
See All Featured
Intergalactic Javascript Robots from Outer Space
tanoku
270
27k
Imperfection Machines: The Place of Print at Facebook
scottboms
267
13k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.6k
Done Done
chrislema
184
16k
Building an army of robots
kneath
305
45k
Site-Speed That Sticks
csswizardry
6
520
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
656
60k
Scaling GitHub
holman
459
140k
Reflections from 52 weeks, 52 projects
jeffersonlam
349
20k
Building Flexible Design Systems
yeseniaperezcruz
329
39k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
119
51k
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