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
技術力で世界と戦う機械学習コンペティション「Kaggle」の魅力 / Attractiven...
Search
Shotaro Ishihara
September 07, 2019
Technology
3
3k
技術力で世界と戦う 機械学習コンペティション「Kaggle」の魅力 / Attractiveness of Kaggle
AIchi勉強会での登壇資料
https://connpass.com/event/134720/
Shotaro Ishihara
September 07, 2019
Tweet
Share
More Decks by Shotaro Ishihara
See All by Shotaro Ishihara
JAPAN AI CUP Prediction Tutorial
upura
2
890
情報技術の社会実装に向けた応用と課題:ニュースメディアの事例から / appmech-jsce 2025
upura
0
330
日本語新聞記事を用いた大規模言語モデルの暗記定量化 / LLMC2025
upura
0
530
Quantifying Memorization in Continual Pre-training with Japanese General or Industry-Specific Corpora
upura
1
91
JOAI2025講評 / joai2025-review
upura
0
1.4k
AI エージェントを活用した研究再現性の自動定量評価 / scisci2025
upura
1
220
JSAI2025 企画セッション「人工知能とコンペティション」/ jsai2025-competition
upura
0
110
生成的推薦の人気バイアスの分析:暗記の観点から / JSAI2025
upura
0
370
Semantic Shift Stability: 学習コーパス内の単語の意味変化を用いた事前学習済みモデルの時系列性能劣化の監査
upura
0
130
Other Decks in Technology
See All in Technology
開発組織の課題解決を加速するための権限委譲 -する側、される側としての向き合い方-
daitasu
5
260
Lookerの最新バージョンv26.2がやばい話
waiwai2111
1
160
Claude Codeが爆速進化してプラグイン追従がつらいので半自動化した話 ver.2
rfdnxbro
0
190
Databricksアシスタントが自分で考えて動く時代に! エージェントモード体験もくもく会
taka_aki
0
330
Startups on Rails: 2026 at RubyConf Thailand
irinanazarova
0
120
LLM活用の壁を超える:リクルートR&Dの戦略と打ち手
recruitengineers
PRO
1
250
クラウド時代における一時権限取得
krrrr38
1
170
作るべきものと向き合う - ecspresso 8年間の開発史から学ぶ技術選定 / 技術選定con findy 2026
fujiwara3
7
2.1k
OCI Security サービス 概要
oracle4engineer
PRO
2
13k
Claude Codeの進化と各機能の活かし方
oikon48
12
4.8k
わたしがセキュアにAWSを使えるわけないじゃん、ムリムリ!(※ムリじゃなかった!?)
cmusudakeisuke
0
150
Webアクセシビリティ技術と実装の実際
tomokusaba
0
230
Featured
See All Featured
We Analyzed 250 Million AI Search Results: Here's What I Found
joshbly
1
880
Fashionably flexible responsive web design (full day workshop)
malarkey
408
66k
Art, The Web, and Tiny UX
lynnandtonic
304
21k
技術選定の審美眼(2025年版) / Understanding the Spiral of Technologies 2025 edition
twada
PRO
118
110k
Exploring the relationship between traditional SERPs and Gen AI search
raygrieselhuber
PRO
2
3.7k
Statistics for Hackers
jakevdp
799
230k
Gemini Prompt Engineering: Practical Techniques for Tangible AI Outcomes
mfonobong
2
300
From π to Pie charts
rasagy
0
150
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
38
2.8k
The SEO Collaboration Effect
kristinabergwall1
0
380
The Curious Case for Waylosing
cassininazir
0
260
<Decoding/> the Language of Devs - We Love SEO 2024
nikkihalliwell
1
150
Transcript
ٕज़ྗͰੈքͱઓ͏ ػցֶशίϯϖςΟγϣϯ ʮ,BHHMFʯͷັྗ V !VQVSB ݄ "JDIJษڧձ
ͬͨ͜ͱ͋Δ 2
ฉ͍ͨ͜ͱ͋Δ 3
ຊͷ • ਓೳ "* ͷதͷʮػցֶशʯͱʁ • ػցֶशͷதͷʮڭࢣ͋Γֶशʯͱʁ • ػցֶशίϯϖςΟγϣϯʮ,BHHMFʯͱʁ
ࣗݾհʛV • ͷࣄۀձࣾͰσʔλαΠΤϯςΟετ • ,BHHMF.BTUFS • ࠷ߴϥϯΫҐɺҐೖܦݧ͋Γ • Ѫݝग़
• ౦ւߴߍˠ౦ژେֶˠݱ৬ • ࡢ൩౦ژͰొஃˠࠓேʹ໊ݹʹҠಈ
ࣗݾհʛV
ຊͷ • ਓೳ "* ͷதͷʮػցֶशʯͱʁ • ػցֶशͷதͷʮڭࢣ͋Γֶशʯͱʁ • ػցֶशίϯϖςΟγϣϯʮ,BHHMFʯͱʁ
ਓೳ "* • େ͖͘ྲྀʢ͜ͷྨࣗମʹ͕ٞ͋Δʣ ਓؒͷೳͦͷͷΛͭػցΛ࡞Ζ͏ͱ͢Δཱ ਓ͕ؒೳΛͬͯ͢Δ͜ͱΛػցʹͤ͞Α͏ͱ͢ Δཱ
• ࣮ࡍͷݚڀ΄ͱΜͲޙऀͷཱʢͳͷʹ͔ͬͯ Β͔ͣલऀͷҙຯͰ૽ཱ͗ͯΔք۾͕͋Δʣ ਓೳֶձਓೳͬͯԿʁ IUUQTXXXBJHBLLBJPSKQXIBUTBJ"*XIBUTIUNM
ػցֶश • ίϯϐϡʔλʹώτͷΑ͏ͳֶशೳྗΛ֫ಘ ͤ͞ΔͨΊͷٕज़ͷ૯শ • ਓೳ ∋ ػցֶश •
࠷ۙͷਓೳ ػցֶश ਿࢁক ʰΠϥετͰֶͿػցֶशʱ ߨஊࣾ
ຊͷ • ਓೳ "* ͷதͷʮػցֶशʯͱʁ • ػցֶशͷதͷʮڭࢣ͋Γֶशʯͱʁ • ػցֶशίϯϖςΟγϣϯʮ,BHHMFʯͱʁ
ػցֶशͷྨ • ֶशํ๏ʹґͬͯେ͖͘ྨ • ڭࢣ͋Γֶश • ڭࢣͳֶ͠श • ڧԽֶश
ਿࢁক ʰΠϥετͰֶͿػցֶशʱ ߨஊࣾ
ڭࢣ͋Γֶश • ίϯϐϡʔλʹͱ͑ͷରΛ͍͔ͭ͘ ڭ͑Δ͜ͱʹΑΓɼڭΘ͍ͬͯͳ͍ʹ ਖ਼͘͠ճͰ͖Δ൚ԽೳྗΛίϯϐϡʔ λʹ֫ಘͤ͞Δ ਿࢁক ʰΠϥετͰֶͿػցֶशʱ ߨஊࣾ
ڭࢣ͋Γֶशͷ۩ମྫ • खॻ͖จࣈೝࣝɼԻೝࣝɼը૾ೝࣝɼ໎ ϝʔϧͷࣗಈྨͳͲ
ֶशͷΞϧΰϦζϜ • ͍Ζ͍ΖͳΞϧΰϦζϜ͕։ൃ͞Ε͍ͯΔ • ͦͷҰ͕ͭɺσΟʔϓϥʔχϯά
࡞ͬͯΈͨʢσϞʣ • ʮ໊ݹ౦ژʯͷը૾ྨΞϓϦ • ωοτͰऩूͨ͠ը૾ͦΕͧΕຕ • 7((ʢσΟʔϓϥʔχϯάʣΛར༻ IUUQTXXXNEQJDPNIUN
࡞ͬͯΈͨʢσϞʣ IUUQTVQVSBIBUFOBCMPHDPN FOUSZ
ڭࢣͳֶ͠श • ͑ͷ͔͍ͬͯͳ͍σʔλͷू߹͔Βɺ ༗ӹͳࣝΛ֫ಘ͠Α͏ͱ͢Δ • ੈͷதʹਖ਼ղϥϕϧͷͳ͍σʔλͷํ͕ ѹతʹଟ͍ • ۩ମྫɿΫϥελϦϯάҟৗݕ
ਿࢁক ʰΠϥετͰֶͿػցֶशʱ ߨஊࣾ
ڧԽֶश • ڭࢣ͋Γֶशͱಉ͘͡൚ԽੑೳΛίϯϐϡʔ λʹ֫ಘͤ͞Δ͜ͱ͕ඪ • ͑Λڭ͑ΔΘΓʹɼ༧ଌͨ͑͠ͷ ྑ͞ΛධՁ • ධՁ͕࠷ߴ·ΔΑ͏ʹֶश͢Δ
ਿࢁক ʰΠϥετͰֶͿػցֶशʱ ߨஊࣾ
ڧԽֶशͷ۩ମྫ • ϩϘοτͷࣗಈ੍ޚɼίϯϐϡʔλήʔϜͳͲ • ໌֬ʹਖ਼ղσʔλ͕༩͑ͮΒ͍߹ʹ༻͍ΒΕΔ • ྫɿғޟͰʮͱ͋Δ൫໘ͰԿΛଧͭͷ͕ਖ਼ղʯ͔ ݴ͍Δͷ͍͠ ˠͱ͋ΔखΛଧͬͨΒউͬͨෛ͚ͨͱ͍͏ධՁ
Λͱʹֶश͍ͤͯ͘͜͞ͱͰ͖ͦ͏
ຊͷ • ਓೳ "* ͷதͷʮػցֶशʯͱʁ • ػցֶशͷதͷʮڭࢣ͋Γֶशʯͱʁ • ػցֶशίϯϖςΟγϣϯʮ,BHHMFʯͱʁ
,BHHMFͱ • ओʹڭࢣ͋Γֶश͕ରͷػցֶशϞσϧͷ ੑೳΛڝ͏ίϯϖςΟγϣϯ • (PPHMFࡿԼͷ,BHHMF͕ओ࠵ • ੈքதͷσʔλαΠΤϯςΟετ͕ू͏
(PPHMFτϨϯυ • ۙɺຊͰਓؾ͕ߴ·͍ͬͯΔ
,BHHMFͱ IUUQTXXXTMJEFTIBSFOFU)BSBEB,FJEFWTVNJTVNNFS
,BHHMFϥϯΩϯά IUUQTXXXLBHHMFDPNTJTIJIBSB • ֤ίϯϖͷ্Ґ ˠۚɿ ۜɿ ಔɿ • ۚݸۜݸҎ্
ˠ,BHHMF .BTUFS
,FSOFM%JTDVTTJPO • ,FSOFMʢ࣮ͷެ։ɺࢲ͜Μͳ࣮ͩʂʣ • %JTDVTTJPOʢ͜͏ΔͱείΞ্͕͕Δʂʣ • ੈքதͷࢀՃऀ͕࢛࣌த͍ٞͯ͠Δ • ˞ίϯϖͷॱҐ͚ͩͰͳ͘ɺ,FSOFM
%JTDVTTJPOͰͦΕͧΕϙΠϯτ͕͘
1FU'JOEFSίϯϖ
1FU'JOEFSίϯϖ IUUQTXXXLBHHMFDPNDQFUGJOEFSBEPQUJPOQSFEJDUJPO • 1FU'JOEFSNZ"EPQUJPO1SFEJDUJPO • ݄ʙ݄ʹ։࠵ • ʮػցֶशΛ༻͍ͯɺϚϨʔγΞͷϖοτ γϣοϓͰͷݘɾೣ͕Ҿ͖औΒΕΔૣ͞Λ
༧ଌ͢Δʯͱ͍͏͓
ར༻Ͱ͖Δσʔλ • ϖοτͷը૾ܗࣜσʔλ • આ໌จϖοτͷ໊લͳͲͷςΩετܗࣜσʔλ • ɾମॏɾଐੑͳͲͷςʔϒϧܗࣜσʔλ • ඞཁʹԠͯ͡֎෦σʔλར༻Մೳ
ྨ • ݘɾೣ͕Ҿ͖औΒΕΔ͞ • ϦετΞοϓͷʢʣ • ϦετΞοϓͷʙ
• ϦετΞοϓͷʙ • ϦετΞοϓͷʙ • Ҿ͖औΒΕͳ͍
.PEFM1JQFMJOF IUUQTXXXLBHHMFDPNDQFUGJOEFSBEPQUJPOQSFEJDUJPOEJTDVTTJPO
,BHHMFཱ͕ͭ ͱʹ͔ࣗ͘ͰखΛಈ͔ͤΔΑ͏ʹͳΔ ࣗࣗͷ٬؍తࢦඪͷҰͭʹ ࣾ֎ͷਓ͕૿͑Δ
ࣗͰखΛಈ͔͢ • είΞΛ্͛Δʹʮ%PFWFSZUIJOHʯ • ػցֶशۀͰඞͣ͠Θͳ͍͕ ಛྔΛ࡞Δ෦ʢσʔλͷՄࢹԽɾܗɾूܭ ͳͲʣɺ௨ৗͷۀʹਂؔ͘ΘΔ • ,BHHMFͷίʔυΛίϐϖ͢ΔͷͰࣄ͕͘ͳΔ
• σʔλʹର͢Δצॴʹͭ͘ʢ"*࠷ڧͰͳ͍ʣ
٬؍తࢦඪ • ࣾ֎ͷਓ͔Βʮ͜͏͍͏ͷ͕͖ͳͭʯ ͱೝͯ͠Β͑Δʢָͦ͠͏ͳ͕͋Δͱ ༠ͬͯΒ͑Δ͜ͱʣ • ࣾ֎ͷਓͱൺֱͯࣗ͘͠ͷ࣮ྗ͕͔Δ ͷͰɺ͞ΒͳΔษֶͷϞνϕʔγϣϯʹ
ࣾ֎ͷਓ • LBHHMFSKBTMBDLʢਓҎ্ʣ ˠσʔλੳʹؔ͢Δݟͷڞ༗ • ,BHHMF5PLZP.FFUVQ ˠ Ͱొஃ
• ͦͷଞɺTMBDLUXJUUFSͳͲͰࠃࡍަྲྀ
8JOOFS`T$BMM
ຊͰ,BHHMFºاۀ • ࣾ,BHHMF੍ʢ%F/"ʣ ˠ࠾༻ɾϒϥϯυઓུͷҰͰ͋Δ • ,BHHMFͰͷίϯϖ։࠵ʢϦΫϧʔτɺϝϧΧϦʣ ˠϒϥϯυઓུɺ༏উϞσϧͷ׆༻ • ,BHHMFҎ֎ͷίϯϖʢ4JHOBUFɺΦϯαΠτʣ
ˠ࠾༻ɾϒϥϯυઓུɺ༏উϞσϧͷ׆༻
%F/"ͷ,BHHMF੍ IUUQTEFOBBJLBHHMF
ຊاۀͷ։࠵࣮ ϦΫϧʔτ • Ϩετϥϯͷདྷऀ༧ଌ IUUQTXXXLBHHMFDPNDSFDSVJUSFTUBVSBOUWJTJUPSGPSFDBTUJOH ϝϧΧϦ • ग़Ձ֨ͷਪఆ IUUQTXXXLBHHMFDPNDNFSDBSJQSJDFTVHHFTUJPODIBMMFOHF
ϝϧΧϦͷࣄྫ IUUQTUFDINFSDBSJDPNFOUSZ
։࠵අ༻ɿສԁʁ IUUQTXXXLBHHMFDPNTUBUJDTMJEFTNFFULBHHMFQEG
ϗετ͚ϦϯΫू • IUUQTXXXLBHHMFDPNTUBUJDTMJEFT NFFULBHHMFQEG • IUUQTXXXLBHHMFDPNIPTUJOH JORVJSZ • IUUQTXXXLBHHMFDPNIPTUCVTJOFTT
4JHOBUF • ຊ൛ͷ,BHHMFʁ IUUQTTJHOBUFKQ
ΦϯαΠτ • ΠϕϯτܗࣜͰձʹࢀՃऀΛूΊΔܗࣜ • ύɾϦʔάɺ"CFNB57ɺ%F/" ͳͲଟ IUUQTEBUBTIJQKQQMN
·ͱΊ • ਓೳ "* ͷதͷʮػցֶशʯͱʁ • ػցֶशͷதͷʮڭࢣ͋Γֶशʯͱʁ • ػցֶशίϯϖςΟγϣϯʮ,BHHMFʯͱʁ
,BHHMFͬͯΈ͍ͨਓ