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
機械学習を用いた大相撲千秋楽の勝敗予想 / sumo prediction by machin...
Search
Shotaro Ishihara
August 24, 2019
Technology
0
1.9k
機械学習を用いた大相撲千秋楽の勝敗予想 / sumo prediction by machine learning
Sports Analyst Meetup #4 (
https://spoana.connpass.com/event/138392/
) での発表資料。
Shotaro Ishihara
August 24, 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
79
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
210
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
770
「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
470
第19回YANSシンポジウムスポンサー資料 / yans2024-nikkei
upura
0
66
Other Decks in Technology
See All in Technology
[2024年10月版] Notebook 2.0のご紹介 / Notebook2.0
databricksjapan
0
1.6k
Agentic AI時代のプロダクトマネジメントことはじめ〜仮説検証編〜
masakazu178
3
370
地方企業がクラウドを活用するヒント
miu_crescent
PRO
1
110
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
270
あなたの興味は信頼性?それとも生産性? SREとしてのキャリアに悩むみなさまに伝えたい選択肢
jacopen
6
3k
信頼性を支えるテレメトリーパイプラインの構築 / Building Telemetry Pipeline with OpenTelemetry
ymotongpoo
9
5k
カスタムインストラクションでGitHub Copilotをカスタマイズ!
07jp27
4
290
2週に1度のビッグバンリリースをデイリーリリース化するまでの苦悩 ~急成長するスタートアップのリアルな裏側~
kworkdev
PRO
8
6.5k
プロダクト観点で考えるデータ基盤の育成戦略 / Growth Strategy of Data Analytics Platforms from a Product Perspective
yamamotoyuta
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
200
Tokyo RubyKaigi 12 - Scaling Ruby at GitHub
jhawthorn
2
210
教師なし学習の基礎
kanojikajino
4
360
Featured
See All Featured
Why You Should Never Use an ORM
jnunemaker
PRO
55
9.2k
Stop Working from a Prison Cell
hatefulcrawdad
267
20k
Designing Experiences People Love
moore
139
23k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
127
19k
Scaling GitHub
holman
459
140k
Build The Right Thing And Hit Your Dates
maggiecrowley
34
2.5k
How to Ace a Technical Interview
jacobian
276
23k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
11
900
Gamification - CAS2011
davidbonilla
80
5.1k
Thoughts on Productivity
jonyablonski
68
4.4k
RailsConf 2023
tenderlove
29
980
Building Applications with DynamoDB
mza
93
6.2k
Transcript
ػցֶशΛ༻͍ͨ େ૬ઍळָͷউഊ༧ V !VQVSB "VHUI 4QPSUT"OBMZTU.FFUVQ
V ͷඋ • େ૬ͷσʔλऩूʮ4VNP3FGFSFODFʯ͕ศར • ʲՄࢹԽฤʳػցֶशΛ༻͍ͨେ૬ઍळָͷউഊ༧ • ʲϕϯνϚʔΫฤʳػցֶशΛ༻͍ͨେ૬ઍळָͷউ ഊ༧ •
ʲಛྔͷՃฤʳػցֶशΛ༻͍ͨେ૬ઍळָͷউ ഊ༧ (JU)VC • IUUQTHJUIVCDPNVQVSBTVNPQSFEJDUPS ϦϯΫू
࣍ • എܠˍత • σʔλͷऔಘ • ػցֶशϞσϧͷ࡞ • ಛྔͷՃ
• ݁ˍࠓޙͷల
• V !VQVSB • ࣄۀձࣾͷσʔλαΠΤϯςΟετ • TQPBOBӡӦ • ΘΜͺ͘૬໊ݹॴϕετ
࿈ଓ • ,BHHMF.BTUFS "U$PEFS ਫ ࣗݾհ
• ૬ͷσʔλΛ༻͍ͯɺػցֶशͰ ༧ଌϞσϧΛߏஙͰ͖ͳ͍͔ʁ • ૬ͷྗ࢜ใͰͳ͘ɺউͪෛ͚ ͷ࣌ܥྻใ͔Β༧ଌͯ͠Έ͍ͨ • ˞झຯͳͷͰશͳख๏υϦϒϯ ૬
º ,BHHMF
উͪෛ͚ͷ࣌ܥྻใ ˓˔˔˔˓ ˓˔˓˔˔ ˔˓˔˔ʁ ˔˓˓˓˓ ˔˔˓˔˓ ˓˔˔˓ʁ
࣍ • എܠˍత • σʔλͷऔಘ • ػցֶशϞσϧͷ࡞ • ಛྔͷՃ
• ݁ˍࠓޙͷల
• IUUQTVNPECTVNPHBNFTEF • TQPBOB Ͱͬͨ • ૬ͷ֤छσʔλ͕ཧ͞Ε͍ͯΔ • ྗ࢜ •
൪ • औΓΈ ͳͲ 4VNP3FGFSFODF
• 1ZUIPOͰඵ͝ͱʹॴͷσʔλ ΛऔಘɾՃͯ͠DTWͰอଘ • ʙͷσʔλ औಘ
• ྗ໊࢜ • ʙͷউഊ • ઍळָͷରઓྗ࢜ • ॴʢZZZZNNʣ • ઍळָͷউഊʢతมʣ
σʔλ߲
σʔλͷՄࢹԽ
• উഊͷ߹ͷউ͕ʢউഊ উഊͷ߹ʹൺͯʣߴ͍ • ·Ͱʹʙউ͍ͯ͠Δ ߹উ͕ΑΓߴ͍ • ˞ʮീඦʯͷٞΛ͢Δʹ ѻ͍ͬͯΔใྔ͕গͳ͗͢Δ
ߟ
࣍ • എܠˍత • σʔλͷऔಘ • ػցֶशϞσϧͷ࡞ • ಛྔͷՃ
• ݁ˍࠓޙͷల
σʔλͷׂ
• ྗ໊࢜ • ʙͷউഊ • ऴྃ࣌ͷউͪ • ઍळָͷରઓྗ࢜ • ॴʢZZZZNNʣ
• ઍळָͷউഊʢతมʣ ಛྔɾతม
• -JHIU(#.ʢ,BHHMFͰఆ൪ʣ • ܾఆΛେྔʹ࡞Δྨث • ಛྔ͕গͳ͍ͷΛҙࣝͯ͠ɺϋΠ ύʔύϥϝʔλΛखಈͰௐͨ͠ ػցֶशΞϧΰϦζϜ
• $7είΞɺ"6$ • UFTUɺ"6$ "$$ $7UFTUͷྨੑೳ
࣍ • എܠˍత • σʔλͷऔಘ • ػցֶशϞσϧͷ࡞ • ಛྔͷՃ
• ݁ˍࠓޙͷల
• ྗ໊࢜ • ʙͷউഊ • ·Ͱͷউͪ • ରઓྗ࢜ͷ·Ͱͷউͪ • ઍळָͷରઓྗ࢜
• ॴʢZZZZNNʣ • ઍळָͷউഊʢతมʣ ಛྔɾతม
• $7είΞɺ"6$ • UFTUɺ"6$ ɺ"$$ $7UFTUͷྨੑೳ
• ʮ·Ͱͷ࿈উɾ࿈ഊʯ $7UFTUͷྨੑೳͱʹඍ૿ • ͦͷଞͷ࣌ܥྻಛΛ lUTGSFTIzͰ େྔʹੜʢݸऑʣ͠ݸ࠾༻ ˠ$7UFTUͷྨੑೳ͕վળͤͣ ૣʑʹߦ͖٧·Δɾɾɾ
IUUQTUTGSFTISFBEUIFEPDTJPFOMBUFTU
࣍ • എܠˍత • σʔλͷऔಘ • ػցֶशϞσϧͷ࡞ • ಛྔͷՃ
• ݁ˍࠓޙͷల
• ػցֶशΛ༻͍ͯɺେ૬ઍळָͷ উഊΛ༧ͨ͠ • -JHIU(#.ϕʔεͰಛྔΛ૿͠ ͍ͯ͘ํ๏ʹݶք͕͋Γͦ͏ • ˞ͦͦ͜ͷใͰ༧Ͱ͖Δ͔ ୭ʹ͔Βͳ͍
݁
• ผͷػցֶशϞσϧΛࢼ͢ • উͪෛ͚ͷʮʯͷྲྀΕΛ 3//ʹೖΕΔ͜ͱͰɺௐࢠͷΛ ଊ͑ΒΕΔʁ • ࣍ճҎ߱ɺ·ͨൃද͠·͢ ࠓޙͷల