【コーポレート】データ専門研究開発組織「LINE Data Labs」を新設 | ニュース | LINE株式会社
サービス上での機械学習、人工知能（AI）、大規模データ基盤領域における研究を推進 年内50人規模の組織を目指し、採用を強化 LINE株式会社（本社：東京都渋谷区、代表取締役社長：出澤 剛）は、LINEおよびLINE周辺サービス事業領域におけるデータの分析・研究を行う専門の開発組織として「LINE Data Labs（ライン データラボ）」を新設いたしましたので、お知らせいたします。 「LINE Data Labs」は、これまで各サービス事業領域ごとに存在していたデータチームを統合して新設されたデータ専門研究開発組織です。「LINE Data Labs」の設立により、各サービスの事業領域を超えて、ユーザーの利用動向等のデータを横断的に扱うことが可能になり、より精密なデータ分析や情報フィルタリングを実現し、これまで以上に効率的なデータ・情報活用を目指してまいります。 「LINE Data La
Foursquare: 機械学習のアルゴリズムがサービスを磨いてくれる - ワザノバ | wazanova
http://engineering.foursquare.com/2013/12/05/how-we-built-our-model-training-engine/ Foursquareでは、どこにチェックインしてもらうか、レコメンデーション、ディスカウント、プロモーションアップデートなどあらゆる場面で機械学習の手法を応用しています。1日あたり100万件のExplore機能のクエリと600万件のチェックインがあり、それを高速で処理するとともに、その情報は機械学習のモデルに活かされています。同社のエンジニアブログで、Data AnalystのMichael Liが、機械学習のためのModel Training Engine（MTE）の構築について語っています。 多くの機械学習モデルが線形回帰かその類似のアプローチを利用していて、データをすぐに理解するという意味では利便性は高いが、ときに非
Introducing SAMOA, an open source platform for mining big data streams.
https://github.com/yahoo/samoa Machine learning and data mining are well established techniques in the world of IT and especially among web companies and startups. Spam detection, personalization and recommendations are just a few of the applications made possible by mining the huge quantity of data available nowadays. However, “big data” is not only about Volume, but also about Velocity (and Vari
人工知能のクイズ王、APIが一般公開。あらゆるデベロッパーから利用可能に
人工知能のクイズ王、APIが一般公開。あらゆるデベロッパーから利用可能に2013.11.18 21:00 福田ミホ ショッピングサイトでお買い物を手伝ってもらったり、など。 IBMが開発した人工知能のワトソンは、米国のクイズ番組で人間のクイズ王に勝利しただけじゃなく、お医者さんのサポートしたりパティシエになったり、いろんな仕事をこなしてきました。そして今彼は、頼まれた仕事は誰からでも、どんな分野でも引き受けてしまおうとしています。IBMがワトソンをクラウドに載せて一般公開しようとしているんです。 IBMが、2014年にワトソンを一般のデベロッパーに公開することを発表しました。そこでは新しいオープンなAPIが使われ、デベロッパーがワトソンの自然言語処理能力を直接使うコードを書けるようになる予定です。デベロッパーからワトソン君に自然言語で質問の文字列を送ると、リアルタイムで回答を得られる仕組み
実装ディープラーニング
はじパタLT資料です。ディープラーニングのライブラリの使い方が知りたい方は15ページからご覧ください。
自然言語処理分野における ディープラーニングの現状
⾃ࠞ然⾔ࢠ語処理ྞ分野における ディープラーニングの現状 渡邉 ̀陽太郎ྒ 東北ྖ⼤֒学⼤֒学院情報科学研究科 IBIS2013 企画セッション2：ディープラーニング 2013/11/12 NLPにおけるディープラーニング 2 ⾔ࢠ語モデル の構築 ⾔ࢠ語の構成性 のモデル化 構成的意味論ྔ ⾔ࢠ語解析 （構造予測） Recursive Neural Networks Autoencoders (Socher et al., 2011, 2012, 2013) RBM (Minh and Hinton 2007) Feed-forward Deep NN (Bengio et al., 2003, Arisoy et al., 2012) Recurrent NN (Mikolov et al., 2010) (Wang and Manning 2013) (Mansur et al.,
SoftConfidenceWeightedの非対角成分を無視するバージョンを書いた - EchizenBlog-Zwei
SCWはまともに実装すると高次元密行列ができてしまう。なんだか対角成分だけでもいいんじゃないの的な話があったので試しに実装してみた。 対角成分だけだったら疎なままでもOKだし(今回の実装では密行列を想定しているけど)、これで充分に精度が出るならSCW大勝利の予感。大きなデータでの実験はあとでやるかもやらないかも。 https://github.com/echizentm/ConfidenceWeighted $ perl test.pl 0.7 fscw 1 3 < colors.csv update: 1,255 0 0 update: -1,0 255 0 update: -1,0 0 255 update: -1,0 255 255 update: 1,255 0 255 update: 1,255 255 0 classify: 1,255 0 0 classify: -1,0 2
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
ディープラーニング チュートリアル（もしくは研究動向報告）
GitHub - lisa-lab/pylearn2: Warning: This project does not have any current developer. See bellow.