実践 AWSデータサイエンス
AWSではデータサイエンス分野で利用できるさまざまなサービスが提供されています。本書では、それらのサービスを有効に使って、データの収集、分析、モデルの訓練、テスト、デプロイまでの一連のプロセスを行う方法を紹介します。対象とする事例は、ヘルスケアデータ、時系列データ、自然言語処理、画像分類、不正検出、需要予測、レコメンデーションシステムなど非常に多岐にわたります。本書の目的は、Amazon SageMakerをはじめとしたAWSの機械学習サービスの詳細を説明するだけでなく、AWSのサービスを組み合わせることで、データサイエンスとアプリケーション開発の統合を図り、開発を効率化することであり、データサイエンティスト、データアナリスト、データエンジニア、MLエンジニアはもちろん、アプリケーション開発者や管理職にとっても役に立つ一冊です。 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や
そのとき数字には、温度がある。デートサイエンス デートサイエンスは、いちばん身近なデータサイエンス。 好きな相手のことを考える。 あの人はどんな服装が好みで、 どんな食べ物が好きで、 どんな映画を観たいんだろう。 誰でも、デートに誘うときには、 さまざまなデータを集めています。 一つひとつ手に入れたデータは、 とてもシンプルなものかもしれませんが、 それが気持ちや想いにつながることで 少しずつ温度を発していき、 その熱がピークを迎えたとき、 人はアクションを起こすのです。 デートだけではなく、プレゼントを贈るのも、 LINEを一つ送るのもそう、 さまざまな情報をインプットして アンサーを導くことが、 もうすでにデータサイエンスであると言えます。 目の前にあるデータを大切にして、 あなたは、あなただけのデータサイエンスで、 どうか素敵なアンサーを見つけてください。 そのアンサーは、 いつか大
LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog LINEの開発組織のそれぞれの部門やプロジェクトについて、その役割や体制、技術スタック、今後の課題やロードマップなどを具体的に紹介していく「Team & Project」シリーズ。今回は、LINE広告プラットフォームの分析業務を担当しているData Science室のAd Data Scienceチームを紹介します。 マネージャーの武川文則、仲村智に話を聞きました。 ※関連記事：LINE公式アカウントの分析業務を担当するチームを紹介します Ad Data Scienceチームのデータサイエンティストの皆さん まず、自己紹介をお願いします。 武川：武川です。Data Science室でLINE広告関連の分析を担当するAd Dat
‘Lavender’: The AI machine directing Israel’s bombing spree in Gaza
Smoke rises after Israeli airstrikes in Beit Lahia, in the northern Gaza Strip, December 28, 2023. (Yonatan Sindel/Flash90) In 2021, a book titled “The Human-Machine Team: How to Create Synergy Between Human and Artificial Intelligence That Will Revolutionize Our World” was released in English under the pen name “Brigadier General Y.S.” In it, the author — a man who we confirmed to be the current
Description This course concerns the latest techniques in deep learning and representation learning, focusing on supervised and unsupervised deep learning, embedding methods, metric learning, convolutional and recurrent nets, with applications to computer vision, natural language understanding, and speech recognition. The prerequisites include: DS-GA 1001 Intro to Data Science or a graduate-level
はじめに こんにちは、(株) 日立製作所 Lumada Data Science Lab. の森田です。 Lumada Data Science Lab. では、映像解析技術・映像解析ソリューションの研究開発を行っています。 この記事では、街頭にある防犯カメラの映像に適用する際に重要となる「検知サイズ」の観点で、人物骨格推定OSSの評価を行います。 0. 忙しい方へのまとめ 大型ショッピングモール、スタジアム、駅、空港などの防犯カメラは、広範囲を少ない台数で撮影したいので画角が広角になりがち 広角で撮影した画像は人物は小さく写るので、小さく写る人物の骨格を検出できることが重要 今回は骨格推定AIのOSSとして、openpifpafとtf-pose-estimationをピックアップし、最小検知可能サイズの指標で評価 openpifpafの方が最小検知可能サイズが小さいことを確認 1. 防犯
February 05, 2024 · 26 mins · 4728 words Discussion on HackerNews. Last September I hopped on board with Wallapop as a Search Data Scientist and since then part of my work has been working with Solr, an open source search engine based on Lucene. I’ve got the basics of how a search engine works, but I had this itch to understand it even better. So, I rolled up my sleeves and decided to build one fr
リサーチインターンの成果がトップカンファレンスであるKDD2019に論文として採択されるまで - Gunosyデータ分析ブログ
こんにちは。研究開発チームインターンの北田 (shunk031) です。今回は可愛い我が子（研究のことです）について書きます。 この度、私と研究開発チームの関さんで取り組んでいた研究がデータマイニングに関する国際会議KDD2019のApplied Data Science Trackにて採択されました。 gunosy.co.jp 発表した論文は "Conversion Prediction Using Multi-task Conditional Attention Networks to Support the Creation of Effective Ad Creatives"というタイトルで、テキストにフォーカスした広告クリエイティブ作成支援のためのコンバージョン予測がメインの研究です。 arxiv.org 今回はこうした研究がスタートしたきっかけや、インターン中にどのように研究を
心理統計学の授業で教材に使えるオープンデータ集
はじめに 統計学の講義や実習の際に使える心理系のデータセットをまとめました。アヤメの分類や経済統計もいいですが、やはり心理学に関連したデータを使う方が心理系の学生には興味をもって統計を学べると思います。ここには私が授業でよく使っているものをリストしました。他に良いものがあれば教えて下さい。 Open Stats Lab https://sites.trinity.edu/osl Psychological Science 誌に掲載された論文のデータが公開されています。データだけでなく、論文の概要や実習の手引きなども揃っています。回帰分析や因子分析など統計手法ごとに分類されているので、教材を選ぶ際にとても便利です。 datarium パッケージ https://rpkgs.datanovia.com/datarium/ R のパッケージです。パッケージをインストールすればすぐ使えるようになる
昨年、株式会社松尾研究所（東京大学松尾研とビジョンを共有）に転職しました。 現在は技術顧問の松尾先生のもと、AI系のビジネス活用に向けた基礎研究寄りの業務に従事しています（リサーチャー職）。 本記事では社内の有志向けに実施した、私が普段実施している情報収集元の紹介です。 私は現在、「企業での基礎研究者」的立場ですが、AI系は基礎研究から開発、ビジネスの距離が近いため、ビジネス関連の情報も幅広く見るように心がけています。 以下、 毎朝チェックしている情報 週単位でチェックしている情報 月単位でチェックしている情報 の順番に紹介いたします。 1. 毎朝チェック 1.1 最新の研究情報 最新のAI系研究論文の調べ方ですが、私は 「labml.ai」 の 「Find latest and trending machine learning papers」 を使用しています。 こちらのサイトでは、T
【Python】Webアプリ開発、AI・機械学習、データ分析が学べるコンテンツ＆書籍23選 - paiza times
こんにちは。倉内です。 Pythonは文法がシンプルで初めてプログラミングを学ぶ方も取り組みやすく、また、近年はビッグデータ分析やAI・機械学習の分野で利用され人気の高いプログラミング言語です。 2020年1月に公開された『AI崩壊』という映画の中でもAIのプログラムはPythonで書かれていました。（画面にコードがよく映るので学習したことがある方はすぐ分かると思います。見る機会があれば注目してみてください） 人気があるので学習コンテンツや書籍も充実していますが、たくさんありすぎて逆に「どれで勉強するといいだろうか…？」と悩むこともあるかもしれませんね。 そこで今回は目的別にPythonを学べるオンラインコンテンツと書籍をご紹介したいと思います。 Pythonの基本を学ぶ オンライン実行環境がある学習サービス 【 Progate 】 【 paizaラーニング 】 【 PyQ 】 ローカル環
We are pleased to announce the release of desktop application for JupyterLab! Standalone and self-containedJupyterLab App is the cross-platform standalone application distribution of JupyterLab. It is a self-contained desktop application which bundles a Python environment with several popular Python libraries ready to use in scientific computing and data science workflows. JupyterLab App running o
[Updated 2024] Software Developer Salaries in Japan: The Ultimate Guide
[Updated 2024] Software Developer Salaries in Japan: The Ultimate Guide I worked as a software developer in Japan for 7 years and loved it. Most developers I know seem to enjoy it too. They work at modern startups or global companies, they earn good money and they're pretty happy. And yet, visit any online community about Japan and you might never know people like us existed. Because there's an en
![[Updated 2024] Software Developer Salaries in Japan: The Ultimate Guide](https://cdn-ak-scissors.b.st-hatena.com/image/square/5ab5c658acc185ee6fdb109c740b5c258816c039/height=288;version=1;width=512/https%3A%2F%2Fjapan-dev.com%2Fcdn%2Fblog_images%2Fsoftware-developer-salaries-in-japan-the-ultimate-guide%2Fcat.png)
LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog LINEの開発組織のそれぞれの部門やプロジェクトについて、その役割や体制、技術スタック、今後の課題やロードマップなどを具体的に紹介していく「Team & Project」シリーズ。今回は、LINE公式アカウントの分析業務を担当しているData Science室のOA Data Scienceチームを紹介します。 マネージャーの西手嘉昭、永峰宏規に話を聞きました。 ※関連記事：LINEの広告プラットフォームの分析業務を担当するチームを紹介します OA Data Scienceチームのデータサイエンティストの皆さん まず、自己紹介をお願いします。 西手：2017年4月に、OA Data Scienceチームにデータサイエンティスト
Kaggleで開催されていたRiiid! Answer Correctness Predictionに参加しました．結果を簡単にまとめると以下の通りです． 順位：139位（3406チーム中） メダル：銀メダル（上位5%以内） 解法：LightGBMとSAKTのアンサンブル チーム：1人で参加 自身初となるデータ解析コンペでしたが，なんとか銀メダルを獲得することができました．今回はその振り返りを時系列で書いていきたいと思います． 先に感想を述べると，Kaggleは本や論文ではなかなか得られない学びに溢れている上に，世界中の人々と順位を競い合うゲームのような感じでとにかく楽しいので最高すぎました． この記事がこれからKaggleを始める方々の参考になれば嬉しいです． 目次 Kaggleとの出会い コンペ参戦準備 コンペに登録 初Submit 特徴量エンジニアリング モデルの構築 アンサンブル学
はじめに 「基礎から機械学習をちゃんと理解したいな」と思うことがあったので、学んだことを自分なりに整理してアウトプットしていきます。基本的には、自分の勉強のため（アウトプットが一番理解が深まると思っているので）ですが、私のような初学者のメモでも、同じような他の初学者の役に立つこともあるのではないかと期待しております。 記事やコードは、修正のリクエストを受けやすいようにQiitaとGitHubをメインにアップしていきます。私自身は、専門家でなく機械学習エンジョイ勢の一個人ですので、不足している点、分かりにくい点、間違いなどあるかと思います。過ちは真摯に受け止めたいと思いますので、是非知見者の方にコメント、編集リクエスト、Pull Requestをしていただけたらと思います。 現時点では、他のサイトに説明を丸投げしていたり、数式をきちんと記載できていないところ多々あるのですが、最終的には、この
![Pythonで基礎から機械学習まとめ - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/b0153c91147d4b84de7fbac87f6c3ee8222b4131/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20190905%2F20190905002807.png)
チャート描画ライブラリ『Plotly』をPythonで試す：インストール＆環境設定編 | DevelopersIO
データアナリティクス事業本部 サービスソリューション部 サービス開発部のしんやです。 ここまで色々な可視化におけるツールやサービスを個人的に触ってきましたが、何らかの言語でサクッとデータを可視化出来るライブラリとかないものかなーと思っていたところ、『Plotly』というプロダクトの存在を知りました。ザッと内容を確認してみたところとっつき易さと表現の幅の広さが良い感じっぽいぞ！ということで個人的にこのプロダクトを触っていってみようと思います。 ? Announcing Plotly.js 2.0! - Graphing Library / Plotly.js - Plotly Community Forum Webブラウザ上でグラフを描画できる「Plotly.js 2.0」がリリース：CodeZine（コードジン） 目次 Plotly 概要 Plotlyとは Dashとは 環境構築 導入環境
tl;drすべてのデータを高品質に保とうとしない。事業フェーズやプロダクト仕様、マネタイズ方法に応じて、品質を守るべきデータを明確に定義し、「品質が守られた箱の中の世界」を明確にする。データ品質維持の前提は、Single Source of Truth。SSOTなDWHを構築することとセットな取り組みであることが大切。データ品質管理のHowとしては、dbtがおすすめ。not_nullやrelationshipなどdbtがもつtest機能を活用し、データ品質監視を実現しよう。当然、dbtだけでは品質は守られない。Data Meshのような議論から運用体制を考えていく必要もある。聞こえのよい新しいものに踊らされる前に、着実に必要なデータ品質を守っていこうね。 こんにちは、こんばんは。Ubie Discoveryのsotaronです。データエンジニアをやったり、小倉唯さんのファンクラブ会員などを
stephen.sh
Home About Essays Simple techniques to optimise Go programs I'm very interested in performance. I'm not sure I can explain the underlying reasons for it. I'm easily frustrated at slow services and programs, and it seems like I'm not alone. In A/B tests, we tried delaying the page in increments of 100 milliseconds and found that even very small delays would result in substantial and costly drops in
Introducing a Google Cloud architecture diagramming tool | Google Cloud Blog
Priyanka VergadiaStaff Developer Advocate, Google Cloud You have a cloud use case… How do you go from idea to implementation? The first step in your implementation journey is the architecture diagram. Having an architecture diagram is critical because it enables you to share the vision with the team, collaborate with them, iterate on the design, and create the final version that best meets the req
Jetson Nanoで動く深層強化学習を使ったラジコン向け自動運転ソフトウェアの紹介 - masato-ka's diary
この記事について 深層強化学習を利用してAI RC Carの走行を学習させるソフトウェアをGithub上で公開しています。learnign_racerと命名しました。2020年4月29日の時点でのバージョンはv1.0.0です。この記事ではこのソフトウェアについて紹介していきます。 github.com なお、NVIDIAのJetson Community Projectsのページでも紹介されています。 developer.nvidia.com learning_racerの概要 このソフトウェアは10分から15分程度の学習時間で、コースに沿って走行する方法を獲得することができます。従来のAI RC Carでは人間のお手本操作をDNNに覚えこませる手法が一般的です1。ですが、本手法は教師なし学習の手法である強化学習をベースとしているため、教師データとなる人間のお手本操作は必要ありません。さら
技育祭登壇しました。これから機械学習を学びたい方向けへの自分の経験談とおすすめの本、サイトの紹介もします | フューチャー技術ブログ
技育祭登壇しました。これから機械学習を学びたい方向けへの自分の経験談とおすすめの本、サイトの紹介もします TIGの玉木です。去年の12月までは主に機械学習エンジニアとして機械学習案件を任されていましたが、今年の1月からはITコンサルタントとして業務の幅が広くなりいろいろやっています。 先月技育祭 1と呼ばれるイベントの勉強会という枠で、同僚の上野さんと一緒に「初心者必見！機械学習エンジニアがあれこれ話します。〜基礎から実社会応用まで〜」というタイトルで発表しました。この記事では技育祭の簡単な紹介と、当日あったこれから機械学習学びたい方向けへの本、サイトの紹介をします。 技育祭とは公式サイト 1から引用させていただくと、 技育祭は「技術者を育てる」ことを目的としたエンジニアを目指す学生のための日本最大のテックカンファレンスです とのことです。元2ちゃんねる管理人のひろゆきさんや、東京大学の松
AWS Lambda Under the Hood
Transcript Danilov: We'll talk about AWS Lambda, how it's built, how it works, and why it's so cool. My name is Mike Danilov. I'm a Senior Principal Engineer at AWS Serverless. A decade ago, I joined EC2 networking team, and it was a fantastic ride. Then, five years back, I heard about Lambda. I really liked the simplicity of the idea. We run your code in the cloud, no servers needed, so I joined
Mathematical Tools for Data Science - NYU Center for Data Science
Description This course provides a rigorous introduction to mathematical tools for data science drawn from linear algebra, Fourier analysis, probability theory, and convex optimization. The main topics are covariance matrices, principal component analysis, linear regression, regularization, sparse regression, frequency representations, the short-time Fourier transform, wavelets, Wiener filtering,
Gratitude and Growth: Reflecting on 2023 and Embracing the Promise of 2024 Supporting open source and creating tools that enable people to do more with less are why I joined Anaconda almost eight years ago. Today, at PyCon US 2022, I’m happy to unveil a new project that we’ve been working on here at Anaconda. We have high hopes that this will help Python take a serious step towards making programm
前回の記事でも触れましたが、ここ最近いわゆる需要予測系のマーケティングモデル（特にMedia Mix Modeling: MMM）を手掛けることが増えています。 この手の統計モデルは経済学で言うところの「実証分析」に当たると思われ、一般には「予測」よりも「説明」に用いられることが多いです。より具体的に言えば、回帰モデルを推定した上で個々の変数のパラメータを比較して、例えば「デジタル動画広告をもっと強化した方が良い」というようなマーケティング上の示唆を得る、というような目的で用いられます。 ところが、これまた前回の記事で触れた通りでそれらのモデルに基づく「説明」には、どうしても「羅生門効果」の問題が生じ得ます。即ち、同じデータセットに対して似たような性能を示す回帰モデルが複数並び立った場合、どのモデルの「説明」を優先すべきか？という問題です。これは純粋に統計的学習分野の問題として捉えればある
Today we are extremely happy to finally announce Docusaurus 2.0! 🥳️ At Meta Open Source, we believe Docusaurus will help you build the best documentation websites with minimal effort, letting you focus on what really matters: writing the content. After 4 years of work, 75 alphas and 22 betas, the next generation of Docusaurus is ready for prime time. From now on, we now plan to respect Semantic V
Yann LeCun’s Deep Learning Course at CDS is Now Fully Online & Accessible to All
CDS is excited to announce the release of all materials for Yann LeCun’s Deep Learning, DS-GA 1008, co-taught in Spring 2020 with Alfredo Canziani. This unique course material consists of a mix of close captioned lecture videos, detailed written overviews, and executable Jupyter Notebooks with PyTorch implementations. The course covers the latest techniques in both deep learning and representation
2023年度版「データサイエンティスト スキルチェックリストver.5」および「データサイエンス領域タスクリスト ver.4」を発表ニュース｜一般社団法人データサイエンティスト協会
HOME ニュース プレスリリースの記事一覧 2023年度版「データサイエンティスト スキルチェックリストver.5」および「データサイエンス領域タスクリスト ver.4」を発表 2023年度版「データサイエンティスト スキルチェックリストver.5」および「データサイエンス領域タスクリスト ver.4」を発表 このたび、データサイエンティスト協会 スキル定義委員会（委員長：安宅 和人、副委員長：佐伯 諭）は、10月20日（金）に開催した「データサイエンティスト協会10thシンポジウム」内において発表した、データサイエンティストに必要とされるスキルをまとめた「データサイエンティスト スキルチェックリスト」の第５版を公開いたしました。 本内容は、2021年に第４版として公開したデータサイエンティストの「ミッション、スキルセット、定義、スキルレベル」および「スキルチェックリスト」を、現在のビジ
自然言語処理技術の研究・開発の裏話。日本語の基盤モデルを搭載したHyperCLOVAの大規模化と応用可能性
LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog LINE株式会社およびヤフー株式会社は、2022年11月17日・18日の2日間にわたり、技術カンファレンス「Tech-Verse 2022」をオンライン（ライブストリーミング形式）にて開催しました。特別連載企画「Tech-Verse 2022 アフターインタビュー」では、発表内容をさらに深掘りし、発表で触れられなかった内容や裏話について登壇者たちにインタビューします。今回の対象セッションは「日本語の基盤モデルを搭載したHyperCLOVAの大規模化と応用可能性」です。 LINEはNAVERと共同で独自の日本語基盤モデルの開発を進めてきました。本セッションでは、その基盤モデルを搭載したHyperCLOVAの現状と課題につ
2019年11月5日 Connehito Marché vol.6 〜機械学習・データ分析市〜 (https://connehito.connpass.com/event/149552/) でのLT資料です。 10分間の LT です。 データ分析プロジェクトを円滑に進めるために必要だと感じた「社内政治」について語っています。いい意味です。
the peculiar case of japanese web design a project that should not have taken 8 weeks how is japanese web design different? in this 2013 Randomwire blog post, the author (David) highlighted an intriguing discrepancy in Japanese design. While the nation is known abroad for minimalist lifestyles, their websites are oddly maximalist. The pages feature a variety of bright colours (breaking the 3 colou
Automating the end-to-end lifecycle of Machine Learning applications Machine Learning applications are becoming popular in our industry, however the process for developing, deploying, and continuously improving them is more complex compared to more traditional software, such as a web service or a mobile application. They are subject to change in three axis: the code itself, the model, and the data
はじめに 本記事は、MediumのTowards Data Scienceに寄稿した「Numerai Tournament: Blending Traditional Quantitative Approach & Modern Machine Learning」を和訳したものである。 Numeraiトーナメントについて Numeraiはクラウドソーシング型ファンドと呼ばれる、不特定多数の人間による株価の予測結果をもとに運用するヘッジファンドである。Numeraiでは予測性能を競うトーナメントが開催される。トーナメント参加者はNumeraiから提供されるデータセットを元に予測モデルを構築し提出を行う。参加者はその予測性能に応じてランキングされ、報酬が支払われる（徴収されることもある）。 Numeraiへの出資者には、ルネッサンス・テクノロジーズの共同創業者であるハワード・モーガン、チューダ
What We Learned from a Year of Building with LLMs (Part I)
Join the O'Reilly online learning platform. Get a free trial today and find answers on the fly, or master something new and useful. Learn more It’s an exciting time to build with large language models (LLMs). Over the past year, LLMs have become “good enough” for real-world applications. The pace of improvements in LLMs, coupled with a parade of demos on social media, will fuel an estimated $200B
米MetaのAI部門Meta AIのFAIRチームは、4月13日（現地時間）、手書きの絵をアニメーションに変換するAIツール「Animated Drawings」をオープンソースで公開した。クリエイターや開発者が、描画からアニメーション体験や製品を簡単に作成できるようにすることを目指す。 これは、FAIR が2021年に開発し、Web版をリリースした「Animated Drawings Demo」が基になっている。このデモは、コンピュータビジョンモデルを訓練するために必要な大量の描画とアノテーションを集める目的で公開したものだ。 Animated Drawings Demoは好評で、公開後数カ月で160万件以上の画像がアップロードされた。これらの画像は使用許可付きのものだ。そこで、FAIRはAnimated Drawings Demoで使用されているモデルとコードのオープンソース版をリリー
Part2 特徴量エンジニアリング 前回の振り返り... パート１では、実践的な多変量時系列予測モデルを構築するためのアプローチを紹介し、過去のKaggleコンペティション のデータセットを用いて、ベースラインとなるSeasonal Naiveモデルを作成しました。 今回のパート２では特徴量エンジニアリングを扱います。 時系列データの特徴量エンジニアリング NRIデータサイエンスブログへようこそ！NRIのデータサイエンティスト、時系列予測プラクティスチームのSatyakiです。 パート2では、特徴量エンジニアリング、特に時系列のMLモデルのトレーニングに使用される特徴量について説明します。 ARIMAやExponential Smoothingなどの伝統的な時系列モデルと異なり、機械学習モデルはクロスセクションデータを用いて学習させるため、それぞれの学習用サンプルは独立していると考えられま
共著で執筆した書籍「Kaggleに挑む深層学習プログラミングの極意」が明日(2023/2/2)発売するのでそちらの紹介です。既に書店によっては店頭に並んでいるようです。 Kaggleに挑む深層学習プログラミングの極意 (KS情報科学専門書) 作者:小嵜 耕平,秋葉 拓哉,林 孝紀,石原 祥太郎講談社Amazon https://www.kspub.co.jp/book/detail/5305133.html https://bookclub.kodansha.co.jp/product?item=0000323307 どんな本？ Kaggleを題材に深層学習の技術・活用法を解説している本です。深層学習が得意な分野として、画像処理（画像分類・画像検索）と自然言語処理を扱っています。 3章以降では章ごとに1つのコンテストを取り上げ、必要な技術を解説しつつ、PyTorchを使い実際にある程度高い
Coursera の新しい Modern Application Development 専門講座を発表 | Amazon Web Services
Amazon Web Services ブログ Coursera の新しい Modern Application Development 専門講座を発表 この記事は、2021年7月28日に Anand Tripathi によって投稿された Announcing new modern application development Specializations on Coursera を翻訳したものです。 International Data Corporation (IDC) は、2025年までに新しいアプリケーションの 90% 以上がクラウドネイティブになると予測していますが、最新のエンタープライズアーキテクチャに関する知識を持つ従業員が大幅に不足しています。Burning Glass は、米国だけでも200万以上のプログラミング言語ベースの開発者の求人数があると推定しており、今後10
アメリカの都市『フィラデルフィア』の犯罪マップを使って密度推定してみようとしたが複数年のデータだと思ったら一年分で真っ赤になっていた
Ken McAlinn @kenmcalinn Assistant Professor of Statistics, Operations, and Data Science, Temple University, Fox School of Business. マクリン謙一郎 ベイズ教助教祖 統計坊や peing.net/ja/kenmcalinn mcalinn.com リンク Wikipedia フィラデルフィア フィラデルフィア（英語: Philadelphia、漢字/和名：費拉特費または費府）は、アメリカ合衆国のペンシルベニア州南東部にある同州最大の都市。ニューヨーク市とワシントン D.C. の中間に位置し、東海岸で2番目、全米で6番目の人口を持つ北アメリカ有数の世界都市。 1682年に人類史上初の信仰の自由が保障された街として築かれる。1776年 合衆国建国の父がこの地に集結し
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
デートサイエンス そのとき数字には、温度がある | 大阪工業大学
LINEの広告プラットフォームの分析業務を担当するチームを紹介します
DEEP LEARNING · Deep Learning
OpenPoseに代表される骨格推定AI、実環境で使えるのはこれだ！ - Qiita
A search engine in 80 lines of Python
AI系の研究・開発に関する情報収集元を紹介 - Qiita
JupyterLab Desktop App now available!
LINE公式アカウントの分析業務を担当するチームを紹介します
Kaggle初コンペの振り返り〜Riiidコンペで銀メダル獲得〜 - Fire Engine
Pythonで基礎から機械学習まとめ - karaage. [からあげ]
さようなら、謎の数値ズレ。dbtを活用してデータ品質管理をはじめよう
Anaconda | New from Anaconda: Python in the Browser
羅生門効果：マーケティングモデルを蝕む本質的な「曖昧さ」 - 渋谷駅前で働くデータサイエンティストのブログ
Announcing Docusaurus 2.0 | Docusaurus
社内での円滑なデータ分析のために / for-smooth-data-science
the peculiar case of japanese web design - sabrinas.space
Continuous Delivery for Machine Learning
Numeraiトーナメント －伝統的クオンツと機械学習の融合－ - Qiita
Meta、手書きキャラをアニメ化するAIツール「Animated Drawings」をオープンソースで公開
時系列予測モデルの実践論２ －昔のKaggleを事例に－ - NRI Data Science BLOG
書籍「Kaggleに挑む深層学習プログラミングの極意」発売します - iwiwiの日記