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
ロジスティック回帰で お金もらえるし職務経歴書は倍になる
Search
yush1ga
August 06, 2018
Programming
3.2k
1
Share
ロジスティック回帰で お金もらえるし職務経歴書は倍になる
yush1ga
August 06, 2018
More Decks by yush1ga
See All by yush1ga
日系大手と日系スタートアップと外資系で働いてみた
yush1ga
2
830
Other Decks in Programming
See All in Programming
自動レビューエンジンの実装と運用 ~レビューのない世界へ~
kurukuru1999
2
280
Inside Stream API
skrb
1
240
生成AI時代にこそ効くGo | Why Go Works in the Age of Generative AI
mom0tomo
8
2.9k
デフォルト運用のCodeRabbit、1年で何が変わったか / How CodeRabbit Changed Our Code Review in 1 Year
bake0937
1
110
ECR拡張スキャンでSBOMを収集して サプライチェーン攻撃の影響調査を 爆速で終わらせてみた
akihisaikeda
2
200
[KCD Czech] eBPF Meets the GPU: Future of AI Infra Observability
doniacld
0
110
1人1案件のプロダクトエンジニア時代に、"プロセス監督"としてチャレンジしたこと
non0113
0
340
CSC307 Lecture 17
javiergs
PRO
0
240
Talking to terminals (and how they talk back) (KotlinConf 2026)
jakewharton
PRO
1
140
プロパティの順序で型推論が壊れる!? TypeScript6.0の修正からContext-Sensitivityの仕組みを追う
bicstone
2
1.2k
TSKaigi 2026 TypeScriptバックエンドのオブザーバビリティ戦略 — Datadog × NestJSの実践
taiseiyamamotoan
1
200
tsserverとは何だったのか、これからどうなるのか
nowaki28
1
400
Featured
See All Featured
How to Think Like a Performance Engineer
csswizardry
28
2.6k
Intergalactic Javascript Robots from Outer Space
tanoku
273
27k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
34
2.7k
<Decoding/> the Language of Devs - We Love SEO 2024
nikkihalliwell
1
230
The Power of CSS Pseudo Elements
geoffreycrofte
82
6.3k
Scaling GitHub
holman
464
140k
Facilitating Awesome Meetings
lara
57
6.9k
First, design no harm
axbom
PRO
2
1.2k
Why Our Code Smells
bkeepers
PRO
340
58k
B2B Lead Gen: Tactics, Traps & Triumph
marketingsoph
0
130
So, you think you're a good person
axbom
PRO
2
2k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.9k
Transcript
ϩδεςΟοΫճؼͰ ͓ۚΒ͑Δ͠৬ܦྺॻഒʹͳΔ ࢤլ ༏ؽ
• େखWebܥاۀۈ (20164݄~, ৽ଔೖࣾ) • Apache Pulsar Committer (20176݄~) •
ϑΝΠϯσΟגࣜձࣾ ػցֶशΤϯδχΞ (20177݄~, ۀҕୗ) • IDAKS٬һݚڀһ (201810݄~༧ఆ) ࢤլ ༏ؽ
࣍ • ϩδεςΟοΫճؼͰ͓ۚΒ͑Δ • ৬ܦྺॻͷ • ͦͷଞΑ͔ͬͨ͜ͱͷ
ϩδεςΟοΫճؼͷ
͓ͼ • λΠτϧͪΐͬͱΓ • ϩδεςΟοΫճؼඇ Deep ͷϝλϑΝʔ
ػցֶशͱͷผΕ • େֶӃͰը૾ೝٕࣝज़Λར༻ͨ͠ݚڀ • ब৬ޙେنϛυϧΣΞ։ൃ • େنͳ։ൃָ͔͕ͬͨ͠ ػցֶश͔ΒΕΔ͜ͱʹ
͘झຯͰऔΓΉ • Kaggleʁ • উͪʹߦ͘ͳΒը૾ೝࣝܥ • Deep LearningΔͨΊͷGPU͕ͳ͍
͘झຯͰऔΓΉ • ͱΓ͋͑ͣجૅΛݻΊΔ • λΠλχοΫͷ٬ͷੜࢮ • ΞϠϝͷछྨ • 28×28ͷखॻ͖ͷࣈ Λ
ແҙຯʹࣝผ͢Δʑ
Findyͱͷग़ձ͍ ϢʔβΠϯλϏϡʔʹͯ 'JOEZͷ͋Δʁ ˓˓ͱ✗✗Ͱ͔͢Ͷ ͦΕͬͯղܾͰ͖Δ ͏ʔΜɺͦΕʜ
ϩδεςΟοΫճؼʂ
ελʔτΞοϓͷػցֶशࣄ • ͦΕ΄Ͳେنͳσʔλ͕ͳ͍߹͕ଟ͍ ※ → Deep Learning ͋·Γඞཁ͕ͳ͍ • ͘ઙ͘ඇ
Deep ͳࣝΛ ษڧ͓͍ͯͨ͠ͷ͕Α͔ͬͨ ※ ࢲͷؾ࣋ͪͰ͋Γɼ౷ܭత༗ҙੑ͋Γ·ͤΜ
৬ܦྺॻͷ
ࢦ໊ऩότϧ ٯٻਓͷస৬αΠτͰ ࢦ໊ऩότϧ͠ͳ͍ʁ 2ळ
ࢦ໊ऩότϧ ͑͑Ͱʂ ϥϯνΛ͔͚͍ͨઓ͍͕։࠵ ͑͑Ͱʂ ͑͑Ͱʂ ͑͑Ͱʂ
2ळͷ৬ܦྺॻ 14݄ (ೖࣾ) 210݄ 110݄ ݚम ϓϩδΣΫτ1 ී௨ʹಇ͍͍ͯΔͱ ৬ܦྺॻʹॻ͚Δͷ͜ͷ1͚ͭͩ
෭ۀ͕͋Δͱ͖ 14݄ (ೖࣾ) 210݄ 110݄ ݚम ϓϩδΣΫτ1 27݄ (෭ۀ։࢝)
ϓϩδΣΫτ2 2ݸॻ͚ΔͷͰ৬ܦྺॻ2ഒʂ
݁Ռ ࠷ߴࢦ໊ऩ: 1Ґ ฏۉࢦ໊ऩ: 1Ґ ɹ ࢦ໊: 2Ґ
ࢦ໊ͷ༁ ػցֶशΤϯδχΞɾσʔλαΠΤϯςΟετ ػցֶशΠϯϑϥɾόοΫΤϯυ ϑϧελοΫ ෆ໌
ࢦ໊ͷ༁ ػցֶशΤϯδχΞɾσʔλαΠΤϯςΟετ ػցֶशΠϯϑϥɾόοΫΤϯυ ϑϧελοΫ ෆ໌ ۀͰػցֶशͬͯͳ͍ͷʹʂ
ͦͷଞྑ͔ͬͨ͜ͱͷ
ຊۀػցֶशؔ࿈ʹ • R&Dҟಈ • ෭ۀͷ͓͔͛Ͱ ϒϥϯΫͦΕ΄Ͳ͖ͭ͘ͳ͍ • ຊۀͷ͓͔͛Ͱ ֶੜ࣌ΑΓwell-organizedͳίʔυ͕ॻ͚Δ
͔ΘΓʹفΔ͕࣌ؒ૿͑ͨ "EBN͞Μ ͓ئ͍͠·͢
·ͱΊ • ελʔτΞοϓͰ DeepLearning ΑΓ ඇ Deep ͳख๏ͷํཱ͕͔ͭ • ෭ۀΛ͢Δͱ৬ܦྺॻ͕Εͯ
స৬׆ಈʹཱ͔ͭ • ຊۀͷٕज़͕෭ۀʹɺ෭ۀͷٕज़͕ຊۀʹ ཱͭ͜ͱ͕͋Δ
EOP