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
980
サービス開発、機械学習、クラウド / the trinity of machine learning
ayemos
0
3.5k
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
150
Other Decks in Programming
See All in Programming
新メンバーも今日から大活躍!SREが支えるスケールし続ける組織のオンボーディング
honmarkhunt
5
8k
おやつのお供はお決まりですか?@WWDC25 Recap -Japan-\(region).swift
shingangan
0
140
MCPを使ってイベントソーシングのAIコーディングを効率化する / Streamlining Event Sourcing AI Coding with MCP
tomohisa
0
150
NPOでのDevinの活用
codeforeveryone
0
870
AI時代のソフトウェア開発を考える(2025/07版) / Agentic Software Engineering Findy 2025-07 Edition
twada
PRO
96
33k
Deep Dive into ~/.claude/projects
hiragram
14
7.2k
Hack Claude Code with Claude Code
choplin
5
2.4k
Python型ヒント完全ガイド 初心者でも分かる、現代的で実践的な使い方
mickey_kubo
1
150
20250628_非エンジニアがバイブコーディングしてみた
ponponmikankan
0
710
チームで開発し事業を加速するための"良い"設計の考え方 @ サポーターズCoLab 2025-07-08
agatan
1
450
PHP 8.4の新機能「プロパティフック」から学ぶオブジェクト指向設計とリスコフの置換原則
kentaroutakeda
2
990
テスト駆動Kaggle
isax1015
1
480
Featured
See All Featured
Imperfection Machines: The Place of Print at Facebook
scottboms
267
13k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
5.9k
What's in a price? How to price your products and services
michaelherold
246
12k
Code Review Best Practice
trishagee
69
19k
Rails Girls Zürich Keynote
gr2m
95
14k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
331
22k
VelocityConf: Rendering Performance Case Studies
addyosmani
332
24k
Embracing the Ebb and Flow
colly
86
4.7k
Unsuck your backbone
ammeep
671
58k
[RailsConf 2023] Rails as a piece of cake
palkan
55
5.7k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
46
9.6k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
8
830
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