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
2.8k
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
Web からのデータ収集と探究事例の紹介 / no94_jsai_seminar
upura
0
90
記者・編集者との協働:情報技術が変えるニュースメディア / Kaishi PU 2024
upura
0
64
ニュースメディアにおける生成 AI の活用と開発 / UTokyo Lecture Business Introduction
upura
0
220
マルチモーダル AI 実装の課題と解決策 / Developer X Summit
upura
0
260
ニュースメディアにおける事前学習済みモデルの可能性と課題 / IBIS2024
upura
3
790
「巨人の肩の上」で自作ライブラリを作る技術 / pyconjp2024
upura
3
960
Quantifying Memorization and Detecting Training Data of Pre-trained Language Models using Japanese Newspaper
upura
0
61
第 2 部 11 章「大規模言語モデルの研究開発から実運用に向けて」に向けて / MLOps Book Chapter 11
upura
0
490
第19回YANSシンポジウムスポンサー資料 / yans2024-nikkei
upura
0
67
Other Decks in Technology
See All in Technology
さいきょうのアーキテクチャを生み出すセンスメイキング
jgeem
0
390
開発者が自律的に AWS Security Hub findings に 対応する仕組みと AWS re:Invent 2024 登壇体験談 / Developers autonomously report AWS Security Hub findings Corresponding mechanism and AWS re:Invent 2024 presentation experience
kaminashi
0
120
[2024年10月版] Notebook 2.0のご紹介 / Notebook2.0
databricksjapan
0
1.7k
Larkご案内資料
customercloud
PRO
0
120
プロダクト価値を引き上げる、「課題の再定義」という習慣
moeka__c
0
220
日本語プログラミングとSpring Bootアプリケーション開発 #kanjava
yusuke
2
370
生成AIの利活用を加速させるための取り組み「prAIrie-dog」/ Shibuya_AI_1
visional_engineering_and_design
1
120
Ask! NIKKEIの運用基盤と改善に向けた取り組み / NIKKEI TECH TALK #30
kaitomajima
1
360
private spaceについてあれこれ調べてみた
operando
1
220
extensionとschema
yahonda
1
160
自動と手動の両輪で開発するデータクレンジング
estie
2
160
AIエージェントについてまとめてみた
pharma_x_tech
20
13k
Featured
See All Featured
Dealing with People You Can't Stand - Big Design 2015
cassininazir
365
25k
The Cult of Friendly URLs
andyhume
78
6.2k
Building Flexible Design Systems
yeseniaperezcruz
328
38k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
45
2.3k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
29
1k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
44
9.4k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
11
920
A Philosophy of Restraint
colly
203
16k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.4k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
98
18k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
20
2.4k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
31
2.1k
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