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
3
2.1k
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
Tweet
Share
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
3.6k
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
350
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
3k
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
440
How we use GPUs in Cookpad
ayemos
0
180
Other Decks in Programming
See All in Programming
なるべく楽してバックエンドに型をつけたい!(楽とは言ってない)
hibiki_cube
0
130
CSC307 Lecture 01
javiergs
PRO
0
680
Denoのセキュリティに関する仕組みの紹介 (toranoana.deno #23)
uki00a
0
270
IFSによる形状設計/デモシーンの魅力 @ 慶應大学SFC
gam0022
1
270
カスタマーサクセス業務を変革したヘルススコアの実現と学び
_hummer0724
0
440
フロントエンド開発の勘所 -複数事業を経験して見えた判断軸の違い-
heimusu
7
2.7k
フルサイクルエンジニアリングをAI Agentで全自動化したい 〜構想と現在地〜
kamina_zzz
0
390
CSC307 Lecture 02
javiergs
PRO
1
770
20260127_試行錯誤の結晶を1冊に。著者が解説 先輩データサイエンティストからの指南書 / author's_commentary_ds_instructions_guide
nash_efp
0
770
LLM Observabilityによる 対話型音声AIアプリケーションの安定運用
gekko0114
2
410
Basic Architectures
denyspoltorak
0
630
Graviton と Nitro と私
maroon1st
0
180
Featured
See All Featured
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
52
5.8k
Prompt Engineering for Job Search
mfonobong
0
150
Building Applications with DynamoDB
mza
96
6.9k
Build The Right Thing And Hit Your Dates
maggiecrowley
38
3k
Being A Developer After 40
akosma
91
590k
Discover your Explorer Soul
emna__ayadi
2
1.1k
Rails Girls Zürich Keynote
gr2m
96
14k
Deep Space Network (abreviated)
tonyrice
0
37
The Invisible Side of Design
smashingmag
302
51k
[RailsConf 2023] Rails as a piece of cake
palkan
59
6.3k
Skip the Path - Find Your Career Trail
mkilby
0
50
Docker and Python
trallard
47
3.7k
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