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
機械学習をスモールスタートさせる方法 / small machine learning
Search
Yuichiro Someya
November 06, 2018
Programming
2.1k
3
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
機械学習をスモールスタートさせる方法 / small machine learning
https://d3m.connpass.com/event/104858/
Yuichiro Someya
November 06, 2018
More Decks by Yuichiro Someya
See All by Yuichiro Someya
にんげんがさき 基盤はあと / Developers over ML platform
ayemos
0
15k
アットホームな分析基盤の作り方 / Homemade Machine Learning Toolkits
ayemos
1
1k
サービス開発、機械学習、クラウド / the trinity of machine learning
ayemos
0
3.7k
成長を止めない機械学習のやり方 / Don't stop 'til you get enough (data).
ayemos
15
5.3k
AWS で加速する機械学習 / Accelerate Machine Learning with AWS
ayemos
1
360
クックパッドの機械学習基盤 2018 / Machine Learning Platform at Cookpad ~ 2018 ~
ayemos
15
21k
PyTorchとCaffe2とONNXと深層学習モデルのデプロイについて
ayemos
1
3.1k
クックパッドにおけるAWS GPUインスタンスの利用事例 / Powering by AWS GPU Instances in Cookpad Inc
ayemos
0
460
How we use GPUs in Cookpad
ayemos
0
200
Other Decks in Programming
See All in Programming
信頼性について考えてみる(SRE NEXT 2026 miniLT)
hayama17
0
200
AIエージェントで 変わるAndroid開発環境
takahirom
2
680
継続モナドとリアクティブプログラミング
yukikurage
3
620
言語を使う側から、作る側へ。 自作 Lisp で得た新たな気づき。
andpad
0
130
Built Our Own Background Agent at LayerX #aidevex_findy
layerx
PRO
3
1.3k
音楽のための関数型プログラミング言語mimiumにおける多段階計算の活用
tomoyanonymous
1
340
【やさしく解説 設計編・中級 #6】良いアーキテクチャとは ~ 一本の登り道の、行き先 ~
panda728
PRO
0
170
Performance Engineering for Everyone
elenatanasoiu
0
270
ソフトウェア設計に溶けるインフラ ― AWS CDK のインフラ認識論
konokenj
2
580
【やさしく解説 設計編・中級 #1】一つの車に、運転手は一人 ~ある倉庫システムの事例から~
panda728
PRO
0
180
광주소프트웨어마이스터고등학교 DevFest 특강 - 바이브 코딩 시대에서 주니어 개발자로 살아남는 방법
utilforever
1
150
act2-costs.pdf
sumedhbala
0
120
Featured
See All Featured
Thoughts on Productivity
jonyablonski
76
5.2k
The Cult of Friendly URLs
andyhume
79
7k
Statistics for Hackers
jakevdp
799
230k
Optimizing for Happiness
mojombo
378
71k
A Soul's Torment
seathinner
6
3.1k
How Fast Is Fast Enough? [PerfNow 2025]
tammyeverts
3
660
The Spectacular Lies of Maps
axbom
PRO
1
860
Fashionably flexible responsive web design (full day workshop)
malarkey
408
67k
The Limits of Empathy - UXLibs8
cassininazir
1
520
The Impact of AI in SEO - AI Overviews June 2024 Edition
aleyda
5
1.1k
Making the Leap to Tech Lead
cromwellryan
135
10k
From Legacy to Launchpad: Building Startup-Ready Communities
dugsong
0
270
Transcript
ػցֶशΛεϞʔϧελʔτ ͤ͞Δํ๏ ΫοΫύουגࣜձࣾછ୩༔Ұ %BUB%SJWFO%FWFMPQFS.FFUVQ
ࣗݾհ છ୩༔Ұ<BZFNPT> ΫοΫύουגࣜձࣾ৽ଔೖࣾ ݚڀ։ൃ෦ΤϯδχΞ ػցֶशج൫ɺը૾ೝࣝܥͷݚڀ։ൃ
ΫοΫύουͱػցֶश ΫοΫύουݚڀ։ൃ෦ ݄ʹൃ ࢲ͕ଐ͞Εͨͷಉ࣌ظ ໊࣌ͷϝϯόʔ
݄ݱࡏࠃʹ໊ ւ֎ʹ໊ ʰສͷϨγϐσʔλΛ׆༻͠ɺϢʔβʔʹՁΛಧ͚Δʱ
ࠓͷτϐοΫ ػցֶश ओʹਂֶश Λ εϞʔϧελʔτͤ͞Δํ๏ ͳͥεϞʔϧελʔτ͕ඞཁ͔ Ͳ͏Δͷ͔
ࠓͷτϐοΫ ٕज़ʗέʔεελσΟগͳΊɺ ίϯηϓτଟΊͷʹͳΓ·͢ աڈʹٕͨ͠ज़తͳͪ͜Β IUUQTTQFBLFSEFDLDPNBZFNPT
ਂֶशͱεϞʔϧελʔτ
ਂֶशͱεϞʔϧελʔτ 4NBMMTUBSU εϞʔϧελʔτ 4UBSUTNBMM
lUIJOLJOHCJH TUBSUJOHTNBMM BOETDBMJOHGBTUz IUUQTKJNDBSSPMMDPNJOOPWBUJPOUIJOLCJHTUBSUTNBMMTDBMFGBTU
5IJOLCJHJEFOUJGZUIFMPOHUFSNUSBOTGPSNBUJWFUSFOET JODMVEJOHTJHOJpDBOUJOEVTUSZDIBOHF CVTJOFTTNPEFM EJTSVQUJPO ྫ͑ɺʮσΟʔϓϥʔχϯάΛ͍ͬͯ͘ʯͱܾΊΔ
4UBSUTNBMM1JDLBOVNCFSPGTNBMM FYQFSJFOUJBM PSJFOUBUFEQSPKFDUTUPCFHJO5IJTXJMMHJWFZPVCFUUFS EFQUIPGJOTJHIU ͍ͬͯͨ͘Ίʹখ͍͞ϓϩδΣΫτΛ͜ͳ͠ɺֶͿ
4DBMFGBTU%FUFSNJOFXIJDIBSFBTOFFEUPCFUBDLMFE pSTUJOUFSNTPGNPWJOHGPSXBSE%FWFMPQUIFBCJMJUZUP UBLFZPVSbQSPUPUZQJOH`PGTLJMMTFOIBODFNFOUGSPNUIF TNBMMTDBMFQSPKFDUTJOUPGVMMqFEHFEPQFSBUJPOT ༗ͳϓϩδΣΫτΛબͼɺຊ֨తʹՔಇͤ͞Δ
5IJOLCJH ྫ͑ ʮਂֶशΛ͍ͬͯ͘ʯͱܾΊΔ 4UBSUTNBMMখ͍͞ϓϩδΣΫτ ࣮ݧ Λ͜ͳ͠ɺֶͿ 4DBMFGBTU༗ͳϓϩδΣΫτΛຊ֨తʹՔಇͤ͞Δ
ਂֶशͱ4UBSUTNBMM 4UBSUTNBMMখ͍͞ϓϩδΣΫτΛ͜ͳ͠ɺֶͿ ਂֶशͱ4UBSUTNBMMͷ૬ੑ͕͍͍ͱࢥΘͤΔ ৽ٕज़Ͱ͋ΓɺԿ͕ͲΕ͘Β͍Ͱ͖Δͷ͔प͞Ε͍ͯͳ͍ ෦తࢼߦࡨޡ͕ඞཁ
લྫͳ͍ͷͰɺޭ ྫϢʔβʔͷՁʹܨ͕Δ ͢Δͷ͔͔Βͳ͍ ֎෦తʏ ٕज़ελοΫͱͯ͠ݟͯૣख़Ͱ͋Δ ӡ༻ͷٕज़తशख़͕ඞཁ
ਂֶशͱ4UBSUTNBMM ҰํͰɺ4UBSUTNBMM͕Γʹͦ͘͏ͳҰ໘͋Δ େྔͷσʔλͱܭࢉث͕ඞཁ ӡ༻ίετ͕ߴ͍ ࠾༻େมͦ͏
IUUQTBJHPPHMFSFTFBSDIQVCTQVC
ਂֶशͱ4UBSUTNBMM ҰํͰɺ4UBSUTNBMM͕Γʹͦ͘͏ͳҰ໘͋Δ େྔͷσʔλͱܭࢉث͕ඞཁ ӡ༻ίετ͕ߴ͍ ࠾༻େมͦ͏
IUUQTBJHPPHMFSFTFBSDIQVCTQVC .-0QTͰ ͕ ղܾͰ͖ͦ͏ͳ
ͱ͜ΖͰ.-0QTͱ ڪΒ͘%FW0QTಉ༷͕ͩ ·ͩఆٛෆ໌ྎ ֶशΞϧΰϦζϜҎ֎ʁ %FW0QTͷ.-൛ʁ ػցֶश͕ɺιϑτΣΞ։ൃࣄۀʹ͓͍ͯՁΛੜΈग़͢͜ͱͷͰ͖Δ
ٕज़ελοΫͰ͋Γଓ͚ΔͨΊʹඞཁͳٕज़ ʰӡ༻ίετͷݮʱ͚͕ͩతͰͳ͍ ྫਂֶशΛεϞʔϧελʔτͤ͞Δҝͷ.-0QT
͜͜·Ͱ·ͱΊ ਂֶशΛεϞʔϧελʔτ͍ͤͨ͞ ͦͷͨΊʹ.-0QTͷϓϥΫςΟεΛ׆͔ͤͦ͏
εϞʔϧελʔτͷͨΊͷ.-0QT ΫοΫύουͷ߹
ܭࢉثڥ ݄ͷ ݚڀ։ൃ෦һਓ དྷि͔ΒΠϯλʔϯΛਓड͚ೖΕ "84ຊ൪ΞΧϯτʹྑͷ(16Πϯελϯε HYMBSHF ͕
৽ن࡞ͷʹίϛϡχέʔγϣϯ͕ൃੜ ݚڀ։ൃ༻ΞΧϯτΛൃߦ͠ɺӡ༻ͷੵۃతͳԽ
ܭࢉثڥ ݚڀ։ൃ༻ΞΧϯτͷΠϯϑϥΛίʔυཧ ຊ൪ΞΧϯτͷϓϥΫςΟε %FW0QT ʹ฿͏ $IBU#PUΛ௨ͯ͠(16ΠϯελϯεΛ্ཱͪ͛ΔΈΛ࣮
Πϯελϯεͷ࡞ɺٳΠϯελϯεͷࣗಈఀࢭΛඋ ࣮࣭ (16Πϯελϯεݐͯ์Λ࣮ݱ ͍ͭͰ࣮ݧεϞʔϧελʔτ
ܭࢉثڥ ݚڀ։ൃ༻ΞΧϯτͷΠϯϑϥΛίʔυཧ ຊ൪ΞΧϯτͷϓϥΫςΟε %FW0QT ʹ฿͏ $IBU#PUΛ௨ͯ͠(16ΠϯελϯεΛ্ཱͪ͛ΔΈΛ࣮
Πϯελϯεͷ࡞ɺٳΠϯελϯεͷࣗಈఀࢭΛඋ ࣮࣭ (16Πϯελϯεݐͯ์Λ࣮ݱ ͍ͭͰ࣮ݧεϞʔϧελʔτ .-0QT
ػցֶशج൫ͱ4UBSUTNBMM ػցֶशج൫·ͨ৽͍͠ྖҬ4UBSUTNBMM͕ඞཁ ඞཁͳͷج൫ٕज़ͷεϞʔϧͳࢼߦࡨޡ ྫ͑ج൫୲Λ3%ʹஔͯ͠ΈΔ LVCFqPXͳͲͷϓϥοτϑΥʔϜ৫γνϡΤʔγϣϯ ͱͷ૬ੑ͕͋Δ
ՄೳͰ͋Ε ੵۃతʹࢼ͢ɺͬͯΈΔͱΑͦ͞͏
༨ஊʙݕࡧγεςϜʹֶͿʙ ʮσʔλͷྲྀΕ͕͋ΓɺγεςϜ͕σʔλͱڞʹ͢ΔΑ͏ͳγ εςϜʯͱ͍͑ʁ ݕࡧγεςϜͷӡ༻ϓϥΫςΟε͔Β ֶͿ͜ͱଟͦ͏ ΠϯσοΫεͷߏஙɺࣙॻσʔλͷཧ IUUQTXXXBNB[PODPKQ#VJMEJOH*OUFMMJHFOU4ZTUFNT-FBSOJOH&OHJOFFSJOHFCPPLEQ##82)3
·ͱΊ ਂֶशεϞʔϧελʔτ͍ͤͨ͞ ৽͍ٕ͠ज़ͷՄೳੑ ͱ੍ Λ࡞Γͳ͕ΒֶͿ εϞʔϧελʔτ .-0QTͷదͳར༻εϞʔϧελʔτΛॿ͚Δ