社内の技術共有会での発表資料です。 AI搭載エディタCursorの機能の紹介とKaggle等の機械学習コンペで使ってみて役立った点などを共有します
最近は画像コンペではモデリングの余地があまりないことが多いが、系列データのコンペはデファクトの(pretrain)モデルが確立しておらずモデリングで勝敗が分かれることが多い。ここで系列データとは、時系列データ、センサデータ、RNA等のシーケンスデータのようなデータを意図している。 このような背景のもと、これまでの系列データを扱ったKaggleコンペティションとその上位解法を振り返りながら、系列データの深層学習モデリングを俯瞰する。 紹介しているコンペ: - IceCube - Neutrinos in Deep Ice - Google - American Sign Language Fingerspelling Recognition - Stanford Ribonanza RNA Folding - HMS - Harmful Brain Activity Classifica
2024/04 Kaggle HMS 全体的な解法のまとめ 概要 2024/01/10~2024/04/09で行われたHMS - Harmful Brain Activity Classificationの解法のまとめです お題 コンペティションの目的 脳の損傷を引き起こす可能性のある発作やその他の活動を検出し、迅速かつ正確に治療を行えるようにしたい 今回は脳波から有害な活動の種類(異常のクラス)を分類する 発作、特定の箇所における放電やデルタ活動、その他等の6つのパターンがある 分野における課題 脳波(EEG)の監視は神経内科医の手動の分析のみに依存している 時間・コストがかかっており、疲労によってミスもしやすく、神経内科医であってもレビューの信頼性に問題がある 今回は脳波に対して複数人で行ったラベル付けについて、ラベル付けされたクラスの割合を学習・予測する 例:ある脳波について10人が
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