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
1.8k
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
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
4
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
140
マルチモーダル AI 実装の課題と解決策 / Developer X Summit
upura
0
200
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
670
「巨人の肩の上」で自作ライブラリを作る技術 / pyconjp2024
upura
3
870
Quantifying Memorization and Detecting Training Data of Pre-trained Language Models using Japanese Newspaper
upura
0
47
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
420
第19回YANSシンポジウムスポンサー資料 / yans2024-nikkei
upura
0
47
Quantifying Memorization of Domain-Specific Pre-trained Language Models using Japanese Newspaper and Paywalls
upura
0
61
Other Decks in Technology
See All in Technology
DevOps視点でAWS re:invent2024の新サービス・アプデを振り返ってみた
oshanqq
0
170
バクラクのドキュメント解析技術と実データにおける課題 / layerx-ccc-winter-2024
shimacos
2
670
Splunk Enterpriseで S3のデータを直接検索してみた!
recruitengineers
PRO
2
140
5分でわかるDuckDB
chanyou0311
9
3.1k
AWS re:Invent 2024 re:Cap CloudFront編
yoshimi0227
0
330
OpsJAWS32 re:Invent 2024 Ops系アップデートまとめ
takahirohori
0
190
実務につなげる数理最適化
recruitengineers
PRO
6
600
Amazon VPC Lattice 最新アップデート紹介 - PrivateLink も似たようなアップデートあったけど違いとは
bigmuramura
0
170
Oracle Base Database Service:サービス概要のご紹介
oracle4engineer
PRO
0
15k
Wantedly での Datadog 活用事例
bgpat
1
120
ABEMA スマートテレビアプリケーションのパフォーマンス改善 〜業界トップクラスを目指して〜 / Performance Improvements on ABEMA Smart TV App
nodaguti
0
290
新機能Amazon GuardDuty Extended Threat Detectionはネ申って話
cmusudakeisuke
0
470
Featured
See All Featured
Code Reviewing Like a Champion
maltzj
520
39k
The Cost Of JavaScript in 2023
addyosmani
45
6.9k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
48k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
280
13k
Automating Front-end Workflow
addyosmani
1366
200k
Why Our Code Smells
bkeepers
PRO
335
57k
Designing on Purpose - Digital PM Summit 2013
jponch
116
7k
Reflections from 52 weeks, 52 projects
jeffersonlam
346
20k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
45
2.2k
Done Done
chrislema
181
16k
BBQ
matthewcrist
85
9.4k
Building Your Own Lightsaber
phodgson
103
6.1k
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