問題を高速に解く組織をつくる｜福島良典 | LayerX
(社内報です) 前提自分のバックグラウンドは機械学習エンジニア。 20代で経営を始めた時は経営のど素人だった。とはいえ学生であっても起業した以上、言い訳できる立場でもないので自分なりに自分のできることから考え始めた。その時の自分の唯一の強みは「機械学習アルゴリズムの改善」だったので、あらゆる問題を機械学習アルゴリズムの改善的にとらえるというアングルで経営をしてみた。正しい方法なのか全くわからなかったけど、振り返るとこのやり方は経営でめちゃくちゃ成果が上がる方法だったと感じる。 それ以来、アルゴリズムの改善だけではなく、営業組織の改善、プロダクトの改善、マーケティングの改善、面接の改善、人事評価の改善etc 会社の経営に関わるすべての問題に対して「機械学習アルゴリズムを改善するように、実験を高速化・並列化し、改善をする」という形を作ることが経営において重要であるというポリシーを持っている。
機械学習案件を納品するのは、そんなに簡単な話じゃないから気をつけて - Qiita
はじめに 昨日のTwitterで書いたこちらが非常に反響を呼びました。 半年間かけたデータ解析の仕事が全くうまくいかなかった 今回の失敗は契約書に納品物を明記していなかったこと 機械学習の依頼は学習済みモデルのファイルを納品しただけでは、先方は検収できず、結果支払いを受けられない この教訓をひとりでも多くの人に知ってもらいたい — キカガク代表 吉崎亮介 (@yoshizaki_kkgk) 2017年11月20日 そうなんですよね。 全く先方が悪いわけでもなく、私自身が「機械学習のお仕事＝解析」だと思いこんでいたことが失敗の始まり。 結局のところ、機械学習系のプロダクトを依頼されて、学習済みモデルを作成して即納品とはいかず、検証結果を示されないと検収できないよとなってしまうので、結局アプリケーション側まで組み込まないと納得感はないんですよね。 この検証とは、訓練データと検証データを分けた時
1
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
