Machine Learning Casual Talks #2 参加メモ
B to Cサービスの現場から考える機械学習活用(グノシー 関さん)
それぞれが得意なこと
- 機械が得意なこと
- 大量のデータを処理すること
- 24時間働き続けること
- 数値データから素早く意思決定をすること
- 人が得意なこと
- 仮説を立てること
- 人の気持ちを理解すること(対機械比)
- ニュアンスを読み取ること
B to Cサービスでの課題
- 学術研究では過去のデータをいかに再現できるかを見る
- 機械学習が組み込まれる前と後でユーザの行動は変わる
- 重要なのはユーザの満足度
- ユーザ層が変わればモデルが変わる
タスクの進め方
- 目標設定
- 改善目標となる数値を決める
- タスクの優先順位をここから決める
- 仮説立案
- 仮説なきモデル実装はやってはいけない
- 簡単な実験
- ルールベース・人力などによって有効性を確認する
- モデル実装・自動化
- ルールベース・人力で有効性が確認されたらモデル化・自動化を進める
学術知識の利活用
- いま何ができるようになっているかを知る
- どのような考え方が成功しているかを知る
- 手法の精度や結果より、なぜその手法を用いることの優位性があるのかに注目する
機械学習 × KPI
- アカデミック側の評価基準にとらわれないことが大事
歌舞伎座.tech#4「コンピュータ将棋プログラミング」 参加メモ
ヒカルのgo! (hikarie.go) 参加メモ
このイベントとこれからのgo (@7yan00)
Revel
- The Revel Web Framework for Go
- A high-productivity web framework for the Go language
- Play frameworkっぽい
- 標準でbootstrapが入っている
- Herokuもいける
パターン認識と機械学習入門 第15回 参加メモ
資料
ベイジアンネットワーク上での推論
変数消去法は効率が悪い- 計算量は O(N^2 exp(w))
- N: 変数の数、w: 変数消去の途中に出現する因子の変数の数の最大値
枝刈り
クエリ集合 Q とエビデンス集合 E が与えられたとき、- Q に含まれない葉ノード(子を持たないノード)へ向かうエッジ
- E に含まれるノードから張られたエッジ
を除去する事が出来る.
また、枝刈りの結果孤立した Q, E に含まれないノードも除去する事が出来る.
最小次数法
- 常にインタラクショングラフ上で次数が最小の変数を消去する
=> 枝刈りと最小次数法でアルゴリズムの定数倍の部分はかなり小さくなる.ただしオーダーは大きく変わらない
ジョインツリーアルゴリズム
- O(N exp(w)) の計算量で厳密な推論を行うことができる
- ファクター消去法の特別な場合