Lock in $30 Savings on PRO—Offer Ends Soon! ⏳
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
SIGNATEコンペティション参加レポート.pdf
Search
KentaIchikawa
October 22, 2021
Programming
0
230
SIGNATEコンペティション参加レポート.pdf
KentaIchikawa
October 22, 2021
Tweet
Share
More Decks by KentaIchikawa
See All by KentaIchikawa
Deep Learning を用いた3次元物体認識
kentaichikawa
0
240
Other Decks in Programming
See All in Programming
gunshi
kazupon
1
120
[AtCoder Conference 2025] LLMを使った業務AHCの上⼿な解き⽅
terryu16
6
720
tparseでgo testの出力を見やすくする
utgwkk
2
280
tsgolintはいかにしてtypescript-goの非公開APIを呼び出しているのか
syumai
7
2.3k
クラウドに依存しないS3を使った開発術
simesaba80
0
160
マスタデータ問題、マイクロサービスでどう解くか
kts
0
120
公共交通オープンデータ × モバイルUX 複雑な運行情報を 『直感』に変換する技術
tinykitten
PRO
0
160
組み合わせ爆発にのまれない - 責務分割 x テスト
halhorn
1
160
re:Invent 2025 トレンドからみる製品開発への AI Agent 活用
yoskoh
0
130
実は歴史的なアップデートだと思う AWS Interconnect - multicloud
maroon1st
0
260
C-Shared Buildで突破するAI Agent バックテストの壁
po3rin
0
410
チームをチームにするEM
hitode909
0
370
Featured
See All Featured
Producing Creativity
orderedlist
PRO
348
40k
Max Prin - Stacking Signals: How International SEO Comes Together (And Falls Apart)
techseoconnect
PRO
0
49
Bash Introduction
62gerente
615
210k
Ruling the World: When Life Gets Gamed
codingconduct
0
100
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.4k
Fantastic passwords and where to find them - at NoRuKo
philnash
52
3.5k
Practical Orchestrator
shlominoach
190
11k
Crafting Experiences
bethany
0
22
ラッコキーワード サービス紹介資料
rakko
0
1.8M
The Spectacular Lies of Maps
axbom
PRO
1
400
State of Search Keynote: SEO is Dead Long Live SEO
ryanjones
0
69
Facilitating Awesome Meetings
lara
57
6.7k
Transcript
自己紹介 市川健太 @ BSN アイネット 技術開発部 水族館とゲームが好き 10/15 長女が産まれました 1
ボードゲームをしよう 市川健太 2021/10/22 NINNO Tech Fest #2
3
ペンギンパーティ! • しちならべの要領で、順番にピラミッド型にカードを出していく • 上の階層には、下の階層のどちらかと同じ色しか置けない • 置けなかったペンギンはシャチの餌食に • うんたらかんたら 4
SIGNATEコンペティション 参加レポート 市川健太 2021/10/22 NINNO Tech Fest #2
データ分析コンペに参加しよう! こんな人におすすめ。 • AI を勉強したいけど何からはじめればいいの? • 機械学習、深層学習について一通り学んだけど、自分の AI モデル作成の実力を試 したい。
6
機械学習、通常のプログラムとの違いとは 7 入力 プログラム 出力 通常のプログラム 機械学習 入力 モデル 出力
人間がルールを書く 大量のデータから パターンを学習する
機械学習のモデルどうやって開発するの? 8 学習データ モデル開発・評価 モデル 入力データ モデル 推論結果 開発フェーズ 利用フェーズ
機械学習のコンペってお金かかりそう? • 機械学習って、すごいGPUを積んだスーパーコンピューターでゴリゴリ計算しなけれ ばいけないのでは? • ハードルが高い? 9
無償の学習環境のご紹介 • Google Colaboratory (https://colab.research.google.com/notebooks/welcome.ipynb?hl=ja) ◦ Google が提供するクラウドで Pythonの記述・実行ができる環境 ◦
メリット ▪ Google アカウントさえあれば、無料で環境を利用できる ▪ 初めから機械学習用のライブラリがインストールされている ▪ GPU の高速演算も利用できる (利用状況に応じて制限あり、月 1,072円で制限緩 和) 10
初心者向けのコンペあります! • 毎月開催 称号限定コンペ • 練習問題 11
SIGNATE コンペに参加してみた 12
13
14 肝疾患が あるか 健康診断データ
コンペの進め方 - データ準備からモデル学習 15 学習データ 学習・評価 データ分割 モデル テストデータ 前処理
学習・評価デー タ1 データ準備 モデル 学習・評価デー タ1 モデル 学習・評価デー タ1 モデル 学習・評価デー タ1 モデル n 学習・評価デー タ n モデル学習 前処理 k分割交差検証
コンペの進め方 - モデルの評価 16 モデル 評価値 評価データ 評価データからモデルの精度を評価 モデル 評価値
評価データ モデル 評価値 評価データ モデル 評価値 評価データ モデル n 評価値 n 評価データ 評価値
コンペの進め方 - 提出データ 17 モデル 評価値 テストデータ テストデータから結果を出力 モデル 評価値
テストデータ モデル 評価値 てすトデータ モデル 評価値 テストデータ モデル n 評価値 n テストデータ 評価値 コンペに提出 サイト側で、コンペの評価値を計算
試した手法 • ランダムフォレスト • ロジスティック回帰 • Adaboost • XGBoost •
LightGBM • SVM • Deep Learning など 18
コンペで使われる定番モデル • LightBGM ◦ 決定木アルゴリズムに基づいた勾配ブースティングの機械学習フレームワーク • BERT (自然言語処理) ◦ Googleによって開発された自然言語処理の事前学習用のための
Transformerベースの機械学習 手法 19
20
21
さいごに ゲーム感覚でスキルアップ いい順位を取りたいから、あの手この手で頑張る SIGNATE に飽きたら Kaggle にも挑戦! 22