4. 4 現在急速に進化している2つの技術 • 統計的機械学習 – 過去データの統計的パターンを用いて将来を予測する技術 • 例1.Google: 大量の猫画像で訓練し、「これは猫か」を判別させる • 例2.Amazon:「これを買った人はあれも買っています」 – 基本的に統計 • 未来が過去の繰り返しでないと無力 • 異常事態には対応できない、臨機応変な対応はできない • 数理最適化 – 所与のルールの下で、所与の目的関数を最大化する打ち手を探索する技術 • 例1.カーナビ: 「最短時間で目的地に着く」 • 例2.AlphaGo Zero :「ゲームに勝つ」 – ルール・目的関数が不完全だと、不適切な解が見つかることもある • 人:「コーヒーをとってきて」 • ロボット: スタバへ行き、列に並んでいる他の客を殺してコーヒーをとってくる – 目的達成の意味では正しいが… 「やって欲しくない
どうして新卒でリクルートという会社を選んだのか理由を語り始めたら、そもそもなぜweb業界に進んでエンジニアになったのかから書き始めてしまい、会社とはあまり関係無く、個人的な要素が強い内容だったので別記事に分けました。よろしければご覧ください。 僕がwebエンジニアとして、会社を選んでいた基準は最終的に以下のような内容でした。 1. 入社同期が多く、他にも良い仲間に出会うことができる確率が高い 2. 会社自体が大きくブランドが強い、ヒト・モノ・カネ・情報と言ったリソースが十分にある 3. 年齢に関係なく、努力や実力次第で `1.` に裁量権を持つ文化がある 要するに、名のある大企業だけどベンチャーのような風土のある会社といったところでしょうか。これを満たしていれば、あとは環境要因よりも己の努力要因が大きいと思っていました。なので条件を満たすと思っていたリクルートが受かった時点で特に他の会社を
An earlier version of this post was published on Off the Convex Path. It is reposted here with the author’s permission. In the last few years, deep learning practitioners have proposed a litany of different sequence models. Although recurrent neural networks were once the tool of choice, now models like the autoregressive Wavenet or the Transformer are replacing RNNs on a diverse set of tasks. In
この12月で新卒から3年半働いたリクルートを卒業しました。 退職エントリーということで、例のごとくこの記事では ・働こうと思った理由、リクルートに入った理由 ・実際に入ってどうだったのか ・なぜやめるのか、これから何をやるのか について書いています。 わりとリクルートに関係ない話も多いので、「ケイマエジマには興味ないのでリクルートの話だけ読みたい!」という方は飛ばし飛ばし読んでいただければと思います。 そもそもなぜ働こうと思ったのか 実は僕は大学院に入ったくらいの頃までは研究者として生きていこうと思っており、企業で働く予定はありませんでした。僕の人生の目標は「人類の進歩に貢献する」という割とスコープ広めのものです。当時は下記の理由で社会全体に対して貢献したいと考えるならば、企業でやるよりも学術機関に所属して研究をやっていった方が適切だろうと考えていました。 一つは企業体のしがらみを離れて解
路地裏bookshelf 文庫本サイズ を作りました。 両面を開くことはできませんが小さくて可愛らしいです。 電源スイッチを表面につけました。 制作2018年 材質 木 #design #art #bookend #路地裏… https://t.co/gc1OAyI8bx
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く