Can you predict the battle royale finish of PUBG Players?
PUBG Finish Placement Prediction (Kernels Only) | Kaggle
Can you predict the battle royale finish of PUBG Players?
MLflow - A platform for the machine learning lifecycle
Latest Blog Posts MLflow Docs Overhaul The MLflow Documentation is getting an upgrade. Simplifying the LLM journey: From crafting and evaluation to deployment Works with any ML library, language & existing code Runs the same way in any cloud Designed to scale from 1 user to large orgs Scales to big data with Apache Spark™ MLflow is an open source platform to manage the ML lifecycle, including expe
Cloud TPUの使いどころガイドライン - Qiita
TPUもリリースされ、CPU, GPU, TPUをどういった時に、何を基準に使い分ければよいのかと思っていたら、以下に記載されていることだったのでメモ。 https://cloud.google.com/tpu/docs/tpus Cloud TPUは特定のワークロードに最適化されているので、機械学習のワークロードによってはCompute EngineのインスタンスでCPUやGPUを使用した方がよいケースがある。一般的には、どの環境を選択すべきかは以下のガイドラインに従えばよい。 CPU 柔軟性があるプロトタイプを素早く作る必要がある場合 モデルのトレーニングに時間がかからないような単純なモデル 小さなモデル C++で記述されたカスタムTensorFlow operationが大部分を占めるモデル 利用可能なI/Oやホストのネットワークバンド幅が制限されているモデル GPU TensorF
機械学習のマイクロサービスでの運用の実験について #mlops
ML Ops Study # 1 https://ml-ops.connpass.com/event/73814/ での発表資料です。メルカリで機械学習をどんな風に改善していったかなどの内容となっています
The Case for Learned Index Structures
Tim Kraska1 MIT Cambridge, MA Alex Beutel Google, Inc. Mountain View, CA Ed H. Chi Google, Inc. Mountain View, CA Jeffrey Dean Google, Inc. Mountain View, CA Neoklis Polyzotis Google, Inc. Mountain View, CA Abstract Indexes are models: a B-Tree-Index can be seen as a model to map a key to the position of a record within a sorted array, a Hash-Index as a model to map a key to a position of a record
Google Cloud PlatformがGPUのみならずTPUをも提供しようとしている - Qiita
…タブンネ！ 元記事はこちら Quantifying the performance of the TPU, our first machine learning chip 私たちは、最高のインフラを構築し、その恩恵をみなさまと分かち合うことに尽力しております。今後数週間、数ヶ月で更なるアップデートをお届けする予定です。 これってつまりTPUクル━━━━(ﾟ∀ﾟ)━━━━!? （注：CloudML API群の裏では既に使われている） TechCrunchの記事では提供しないだろうと書かれているが，論文の最後の文の誤解釈じゃなかろうか（少なくともGoogleが明言したわけではなさそう）． 商用製品間の桁違いな差異はコンピュータアーキテクチャでは珍しく、TPUが特定分野アーキテクチャの原型となる可能性があります。私たちは多くの人がレベルをさらに高める後継者を育成することを期待しています。 論文
TensorKart: self-driving MarioKart with TensorFlow
This winter break, I decided to try and finish a project I started a few years ago: training an artificial neural network to play MarioKart 64. It had been a few years since I’d done any serious machine learning, and I wanted to try out some of the new hotness (aka TensorFlow) I’d been hearing about. The timing was right. Project - use TensorFlow to train an agent that can play MarioKart 64. Goal
nvidia-docker - Adwaysエンジニアブログ
ども〜古川です。 今回はnvidia-dockerについて書いてみようかと思います。 nvidia-dockerとは？ CUDAおよびcuDNNなどが梱包されたdockerコンテナイメージを使えるようにするためのツールです。 図のようにホストマシンのDriverを用意をしておけば、CUDAやcuDNNをつかったアプリをコンテナごとに管理できます！ 2016年7月時点ではrc版ですが、家のマシンで試したところ安定して使えそうだったので、今回を期に紹介します！ 結局nvidia-dockerは何がおいしいの？ Deep Learningライブラリのバージョンが容易になる ホストマシンにDeep Learningライブラリがある場合を想定してください。 Deep Learningライブラリをバージョンアップしたいときが起きますが、その場合、次の作業が必要になることがあります。 CUDAのバージョ
Retty流『2200万ユーザを支える機械学習基盤』の作り方 - Qiita
みなさん、こんにちは。Retty CTO の樽石です。 この記事は Retty Advent Calendar 25日目です。メリークリスマス。 昨日は @ttakeoka の『MFIにむけてRettyの取り組み』でした。 今年も残りわずかになりました。いかがお過ごしですか？ Retty はこの １ 年でエンジニアがほぼ倍増しました。それによって、情報発信者が増え、Advent Calendar に参加出来るようになりました。みんな楽しそうにしていて、うれしいです。 Retty Inc. Advent Calendar 2016 - Qiita さて、今年最後の Retty Advent Calendar 記事を書くということで、はじめは １年のまとめ的内容にしようかと思いましたが、それでは平凡で面白くありません。そこで、ネタになりそうなマニアックな技術的記事で締めくくりたいと思います。
NPStudy#8で発表しました - cloretsblackのテクニカルノート
ネットワークプログラマビリティ勉強会#8で発表させていただきました。 機械学習によるリモートネットワークの異常検知 from cloretsblack www.slideshare.net テーマが分散して、まとまりのない発表になってしまった感あり、反省です。 技術的には泥臭くフィルタを書いたりしていてスマートとは言い難いですが、実運用上の細かい話がネタとして多少受けていたようです。。 参加者はみなさんネットワークのエキスパートぞろいで、小さなユーザー企業ではリーチ不能な人たちばかりです。 久しぶりにネットワークの濃い話をたっぷりできたので、非常に癒されました。 情シス担当者は周りに技術に対する理解者が少ないという意味で、とても孤独な一面があります。 このようなコミュニティに参加することができて、とても幸せです。 今、世の中では盛んに情シスへのdisが言われています。 いわく、デジタルビジ
Deep Learning のフレームワーク Chainer を公開しました - Preferred Networks Research & Development
こんにちは、得居です。最近は毎晩イカになって戦場を駆けまわっています。 本日、Deep Learning の新しいフレームワークである Chainer を公開しました。 Chainer 公式サイト GitHub – pfnet/chainer Chainer Documentation Chainer は、ニューラルネットを誤差逆伝播法で学習するためのフレームワークです。以下のような特徴を持っています。 Python のライブラリとして提供（要 Python 2.7+） あらゆるニューラルネットの構造に柔軟に対応 動的な計算グラフ構築による直感的なコード GPU をサポートし、複数 GPU をつかった学習も直感的に記述可能 ニューラルネットをどのように書けるか 次のコードは多層パーセプトロンの勾配を計算する例です。 from chainer import FunctionSet, Vari
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
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
メルカリのマーケット健全化施策を支えるML基盤
Machine Learning | Google for Developers
GitHub - kubeflow/kubeflow: Machine Learning Toolkit for Kubernetes
TechCrunch
How to scale up RESTful APIs using Docker | Knowru Limited
Heterogeneous Workflows With Spark At Netflix
GitHub - tensorflow/tensorflow: An Open Source Machine Learning Framework for Everyone