タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
深層距離学習(Deep Metric Learning)の基礎から紹介 - OPTiM TECH BLOG
こんにちは、R&Dチームの河野(@ps3kono)です。深層学習モデルの開発を担当しております。 今回は、画像分類、画像検査、顔認識や異常検知など様々な分野に利用されている深層距離学習(Deep Metric Learning)について紹介したいと思います。 Deep Metric Learningとは 定番のクラス分類と距離学習によるクラス分類の違い 距離学習の進化 1. 対照的(contrastive)アプローチ サンプル選択(sample selection) 代表的な学習手法 Contrastive loss Triplet loss さらなる改善と進化 対照的アプローチの問題点 2. Softmaxをベースにしたアプローチ 代表的な学習手法 Center loss SphereFace CosFace ArcFace さらなる改善と進化(2019年以降) 推論 深層距離学習の利点
North Star Metric（ノーススターメトリック）とは？成功している企業はどのように指標を設定しているのか｜グロースマーケティング公式｜Growth Marketing
トップ ナレッジ North Star Metric（ノーススターメトリック）とは？成功している企業はどのように指標を設定しているのか North Star Metric/ノースターメトリック North Star Metricは企業がビジネスグロースを目指すために設定をする重要指標のことです。 North Star Metricは企業がビジネスグロースを目指すために設定をする重要指標のことです。NETFLIX、Facebook、Amazonなどの世界を代表する大手企業ではこのNorth Star Metricを設定することで、企業、製品を大きく成長させることに成功しました。 日本ではまだあまり認知されていない指標です。 この記事ではNorth Star Metricとは何か、必要性について解説しますのでぜひ参考にして、ライバルよりも一歩先を進んでください。 North Star Metr
1. Deep Metric Learning 概要 Metric Learningとは日本語で「距離学習」と呼ばれる方法で, 入力空間におけるサンプル同士の類似度が, ユークリッド距離やコサイン類似度などの尺度と対応するように別空間に埋め込むための変換を学習する方法です. この別空間のことを埋め込み空間や特徴空間といいます(以後, 埋め込み空間で統一). DMLは, この変換をDeep Neural Networkによって非線形に設計します. とりわけ入力が画像であれば, DNNとしてConvolutional Neural Networkが用いられます. 犬種を用いた例をあげます. $x_1$, $x_2$はチワワの画像を表しており, $x_3$は柴犬の画像を表しています. $x_1$と$x_2$は同じ犬種なので画像としての類似度が高いと言えます. 一方で$x_1$と$x_3$は異なる
[速報] CloudWatchの監視メトリクスをKinesis経由でストリーム送信可能な新機能「CloudWatch Metric Streams」が登場しました！ | DevelopersIO
Amazon CloudWatch に新しい機能、Metric Stream が登場しました！ いままでCloudWatchのメトリクスデータを、New RelicやDatadogのような外部のSaaSから参照しようと思ったら、定期的にAPIでポーリングするしかありませんでした。そのため、（この公式Blogにも書いてますが）メトリクスの種類によっては5〜10分程度の遅延が発生することになってました。 今回の機能で、CloudWatch側で更新されると同時にSaaS側へもpushされることになるため、同じタイミングで参照できるようになります。これはうれしいですね！ CloudWatch Metric Streamで出来ること 要は、CloudWatch MetricのデータをKinesis Data Firehoseに流し込むことができる機能です。 Firehose はストリームデータをS3
![[速報] CloudWatchの監視メトリクスをKinesis経由でストリーム送信可能な新機能「CloudWatch Metric Streams」が登場しました！ | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/2cd56545af48138769ce47d03f22d7baac20b923/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F05%2Famazon-cloudwatch.png)
はじめに Deep Learningを使った距離学習（Metric Learning）では、Contrastive LossやTriplet Lossなどを用いて、画像間の類似性（や非類似性）を直接学習していく方法が広く利用されていますが、学習データの組み合わせや選び方が難しく、学習自体が難航するケースが多い事も知られています。それだけに、これまで様々な改良と工夫が提案されています。 しかし、最近はこのような学習データ選びに難航することなく、一般的なクラス分類タスクの感覚で、Softmax関数をベースに学習できるMetric Learningが注目を浴びています。ArcFaceなどはその代表的手法でこちらで詳しく説明されています。 Softmax関数をベースにしたMetric Learningがうまくいく理由、またさらなる改良の余地はあるのか？これらに関して少し紹介しようと思います。 Ce
scikit-learn-contrib の Metric Learning を試す - u++の備忘録
Metric Learning について Metric Learning は、データの教師情報を基にデータ間の距離や類似度などの Metric を学習する手法です。日本語で手軽に読める記事だと、*1, *2 などが詳しいです。 このたび、phalanx さんの tweet *3で、 Metric Learning の基礎的なアルゴリズムのいくつかが scikit-learn-contrib *4に搭載されていると知りました。 本記事では、scikit-learn-contrib の metric-learn パッケージを用いて、簡単にMetric Learning を試します。 インストール README や PyPI *5 に記載のある通り、次の通りにインストールします。 pip install metric-learn 利用するデータセット 今回は、sklearn に含まれている lo
こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。距離学習 (metric learning)について勉強したので、備忘録も兼ねて本記事を書きます。
打突棒 打突棒は、Amazonで適当なものを購入しました。 https://www.amazon.co.jp/gp/product/B00QQ2J70K/ref=ppx_yo_dt_b_asin_title_o09_s00?ie=UTF8&psc=1 手順 2. USB接続されたマイクで録音 木板の端を打突棒で叩いた音をUSBマイクで録音します。 板によっては、左右の差があるかどうかを見るために、左右それぞれを打突して録音します。 USBマイクもは、Amazonで適当なものを購入しました。 https://www.amazon.co.jp/gp/product/B075PJ7V3V/ref=ppx_yo_dt_b_asin_title_o09_s00?ie=UTF8&psc=1 特に性能で選んだわけでもなく、自立するマイクで、高価でなく、ユーザー評価の高いもの適当に選びました。 録音は、３
肉厚なプロダクト指標をつくる - North Star Metricを起点にしたKPIツリー｜小城久美子 / ozyozyo
フレームワークをただ埋めただけで終わらずに意味のある成果物にする肉厚シリーズ第4段はプロダクト指標について書きます。 🙅 ペラペラなプロダクト指標まずは、肉厚ではないペラペラなプロダクト指標を紹介します。これまでの肉厚シリーズ同様にフードデリバリープロダクトの例です。 KGIを売上とおいて、売上を達成するためのKPIツリーを構築し、その各要素を各部署のKPIと定めています。そして、そのKPIツリーの各項目をそれぞれの部署が担当していて、各部署全員が成果を出すと売上があがる仕組みになっています。 👿 なぜペラペラなのか1. ユーザー価値の向上を目指していないから このよくあるKPIツリーがなぜペラペラなのでしょうか。一言でいうと、「ユーザー価値の向上を目指していないから」です。プロダクトの成功の3本柱であるビジョン、ユーザー価値、事業収益であるにも関わらず、このKPIツリーの根にあるのは
角度を用いた深層距離学習（deep metric learning）を徹底解説 -PytorchによるAdaCos実践あり-｜はやぶさの技術ノート
こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。最近、距離学習を楽しく勉強しています。 今回は、角度を用いた深層距離学習のSphereFace・CosFace・ArcFace・AdaCosについて勉強したので、備忘録も兼ねて本記事を書きます。
ソフトウェアのプロダクトを対象としたNorth Star Metric（NSM）と呼ばれる指標の作り方を書きます。 🙅♀ CACがいくらが適切かといった具体的な話はありません 🙆♀ プロダクト指標(NSM)を考えるためのフローの話があります どうしてKGIがダメなのか(ダメではないです) プロダクトの成功とは、「ビジョン」「顧客価値」「事業価値」の3つのバランスが取れた状態です。KGIは一般的には売上など、事業価値に基づいて決定されます。例えば、KGIから派生するKPIツリー側でビジョンや顧客価値について手当がされていれば問題にはならないかもしれませんが、KGIだけをプロダクトとして追っていてはプロダクトの成功とは別の方向を目指すことになってしまいます。そのため、プロダクトの成功に直結した指標を作ることが必要なのです。 プロダクトと事業また、小さくリリースをして改善を繰り返し、品質
プロダクトのグロースハックに、たった1つの指標、North Star Metricが必要な理由とは？North Star Metricの選び方と運用方法を、電通グロースハックプロジェクト 代表の上野雅博が解説します。<br>\r\n電通グロースハックプロジェクトとは、スタートアップ企業や大手企業の新規事業担当者向けに"現場主義"で事業成長支援を行う電通デジタルと電通横断の組織です。さまざまなフェーズでスタートアップ企業の成長を支援するチームとして展開しています。</p>\r\n"}}" id="text-9e4906c891" class="cmp-text"> プロダクトのグロースハックに、たった1つの指標、North Star Metricが必要な理由とは？North Star Metricの選び方と運用方法を、電通グロースハックプロジェクト 代表の上野雅博が解説し
深層距離学習(Deep Metric Learning)各手法の定量評価 (MNIST/CIFAR10・異常検知) - Qiita
各組み合わせにつき、上図で表した10テストケースをそれぞれ実施して統計をとっています。 まとめ: 10テストケースでは、正常・以上に割り当てる具体的なクラスを入れ替える。 8つのセットで評価の条件を組み合わせ、各条件で10テストケースすべてを実施した上で統計をとった結果を出している。 1.3 評価方法 ひとつの組み合わせは10テストケース実施それぞれで、①AUC、②各クラスサンプルの平均距離を得た。 ひとつのテストケースの評価手順 通常のCNN分類器(ResNet18)に、手法を組み込む。(Conventionalのときは何もせずそのまま使う) 学習は、「正常」に割り当てたクラスだけで構成する学習データセットを使い、転移学習によって行う。学習データは、各データセットで元々trainセットに入っているサンプルのみ利用する。 評価データの距離を得る。 正常・異常を問わずすべてのクラスから評価デ
はじめに 機械学習の分野でDeep Learningがその地位を揺るがぬものにして久しくなりました。 今回はその性能と汎用性の高さから、様々な分野で応用が進んでいるDeep Metric Learningについて、簡単なまとめといくつかのデモを紹介していきたいと思います。 手書き文字認識と、手書き文字認識だけでは面白くないので異常検知もやります。 Deep Metric Learning Metric Learningとは「距離学習」と言われる手法で、入力データの特徴量空間から、データの類似度を反映した特徴量空間への変換(写像)を学習する手法です。 一言で言うと、 同じクラスに属するデータは近く 異なるクラスに属するデータは遠く なるような特徴量空間への変換を学習します。 クラス分類などにおいて、距離が近すぎて分類が困難なケースでも、同じクラスは距離が近く、違うクラスは距離が遠く」なるよう
CloudWatch Metric Streams – Send AWS Metrics to Partners and to Your Apps in Real Time | Amazon Web Services
AWS News Blog CloudWatch Metric Streams – Send AWS Metrics to Partners and to Your Apps in Real Time When we launched Amazon CloudWatch back in 2009 (New Features for Amazon EC2: Elastic Load Balancing, Auto Scaling, and Amazon CloudWatch), it tracked performance metrics (CPU load, Disk I/O, and network I/O) for EC2 instances, rolled them up at one-minute intervals, and stored them for two weeks.
1.2 なぜDeep Metric Learningにしたか 改善前のモデルでも特徴量を頑張って作れば解決できないことはないとは思います。「地名、ジャンル等に引っ張られて、拠点名指定を無視してしまう」パターンでは、クエリを解釈するロジックを入れ、地名だということを理解して地名部分のみを拠点の住所とマッチングさせて、それ以外を拠点名にマッチングさせて、という具合で特徴量を作れば正解できる可能性があると思います。しかし、これは一例で全体的に精度を上げるにはさまざまなケースを人が考慮して特徴量を作っていく必要があるので大変です。 そこで、学習データ（クエリと正解拠点のペア）が大量にあることを生かして、DNN（Deep Neural Network）がよしなに学習してくれるのに期待しました。また、プロダクト化することを考えると遅くとも数百ミリ秒以内で応答する必要があるので、クエリと拠点側をそれぞれ
Deep Metric Learning (深層距離学習)の動向と実は大して発展していなかった話 - ほろ酔い開発日誌
はじめに 今回は、近年のDeep Metric Learning (深層距離学習)の発展を再評価して、論文で論じられている程のパフォーマンス向上が実際にはなかったことを実験的に示した論文を紹介しつつ、Deep Metric Learningについて紹介しようと思います。 [2003.08505] A Metric Learning Reality Check この論文は2020/03/18にarXiv上に上がった論文で、この記事執筆段階では採録情報は確認できていません(ただし、フォーマットはECCV的雰囲気)。 実験は、著者のベンチマークツールを使って行っているとのこと。 github.com Deep Metric Learningとは 概要 Deep Metric Learningとは、意味の近い入力画像同士の距離が近く、逆に、意味の遠い入力画像同士の距離が遠くになるような空間に埋め込
はじめに 今回は、協調フィルタリング(Collaborative Filtering)とMetric Learningを組み合わせたCollaborative Metric Learning (CML)とそこから発展したいくつかの論文を読んだので、まとめていきたいと思います。 割と新しめな研究だからか、あまり日本語の記事がヒットしないなと感じました。 オンラインでの計算量が大きくて大変なところを近似的に解くことで高速化できるのは魅力的だと思うので、この記事を通して興味を持ってもらえたらと思います。 Metric Learningについてはほぼ初心者なので、何かありましたらコメントいただけると嬉しいです。 よろしくお願いします。 Metric Learningについてはこの辺りを参考にさせていただきました。 Deep Metric Learning の定番⁈ Triplet Lossを徹底解
North Star Metricとは、プロダクトを着実にグロース（成長）させるために参照する、もっとも重要な指標のことです。グロースハックを実行するにあたっては、まずは正しいNorth Star Metricを決めなくてはなりません。</p>\r\n<p>North Star Metricの決め方については、<a href=\"https://www.dentsudigital.co.jp/knowledge-charge/articles/2019/1128-000342\">前回の記事</a>で詳しく説明されていますが、自力で正しいNorth Star Metricを決めるのはそれほど簡単ではありません。今回は、正しいNorth Star Metricの決め方のコツ、注意点について、電通グロースハックプロジェクト 代表の上野雅博が、具体例を挙げながら解説します。</p>\r\n<p>
Metric Learning入門
Metric Learningについて基礎的な内容とArcFaceについて内容をまとめた資料です。
Amazon CloudWatch Metric Streams で New Relic にメトリックデータを流し込んでみる（Step-by-Step） | DevelopersIO
先月末に発表された CloudWatch Metric Streams、もうみなさんは試されたでしょうか！ CloudWatch Metric Streams — AWS メトリクスをパートナーと自身のアプリにリアルタイムで送信 | Amazon Web Services ブログ Using metric streams - Amazon CloudWatch 上述した弊社ブログ記事 でご紹介したようにこの機能はメリットが満載なので、使える環境にいるかたは是非試してみることを御検討ください。 特に初期パートナーの各 SaaS を使われている場合は置き換えるメリットは大きいです。ただ設定入れ替え作業中は監視が一時中断するため、慎重になるのは当然かと思います。 この記事では実際に、 New Relic にデータを流し込むための CloudWatch Metric Streams を設定してみま
Evolving the CLS metric Stay organized with collections Save and categorize content based on your preferences. We (the Chrome Speed Metrics Team) recently outlined our initial research into options for making the CLS metric more fair to pages that are open for a long time. We've received a lot of very helpful feedback and after completing the large-scale analysis, we've finalized the change we pla
いつの間にか増えていた CloudWatch Metric Math の 14 個の関数を確認してみた | DevelopersIO
コンバンハ、千葉（幸）です。 少し前のアップデートですが、Amazon CloudWatch Metric Math が新たに 14個の関数をサポートしました。 CloudWatch に 14 種類の Metric Math 関数が新たに追加 Metric Math って何？と思ったあなたも、ぜひこれを機に覚えてください。 CloudWatch Metric Math とは CloudWatch Metric Math は、CloudWatch メトリクスに対して使用できる数式です。単一のメトリクスに対して計算ができるのはもちろん、複数のメトリクスを掛け合わせて新たな時系列のメトリクスを生成することもできます。 これにより、計算後の新たなメトリクスを使用しての視覚化（グラフ描画）、アラームの設定が可能となります。 計算では単純な四則演算の他にも、 SUM や AVG、IF といった表計算ソ
Monitoring EC2 Connection Tracking utilization using a new network performance metric | Amazon Web Services
Networking & Content Delivery Monitoring EC2 Connection Tracking utilization using a new network performance metric In 2020, Amazon Elastic Compute Cloud (Amazon EC2) announced new network performance metrics for EC2 instances made available using ENA driver and Amazon CloudWatch agent. We covered the launch in this post. These network performance metrics give customers visibility into the number
1. はじめに 私達の世界にはクソコードという言葉があり、品質の低いコードを貶めるワードとして日々親しまれています。しかし、私達は一体どのようにクソコードを見分けているのでしょうか。その一つの指標として、ソフトウェアメトリックと呼ばれるコードの品質を測る方法論があります。 クソコードの定義は人により様々ですが、ここでは「複雑性の高いコード」と定義します。最も美しいコードはゼロ行のコードという極論が示唆するように、コードは可能な限り簡潔であるべきです。その理由として、コードの複雑性は可読性を下げ、再利用性を下げ、凝集度を下げ、拡張性を下げ、バグの温床になることが挙げられます。 本記事ではソフトウェアメトリックについて概説した後、その中でも汎用的なABC Metricという手法を実例を交えて紹介し、どのようにクソコードとの戦いに活かすか検討します。 2. ソフトウェアメトリックとは何か 広義の
![[ABC Metric] ソフトウェアメトリックを導入してクソコードを滅ぼす - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/b7ac86ce3318f6f3774c0cccc7aca8eadffe192b/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBha2kyMDImdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTJjNjBhMzNhZGYzMmE4NzAwNmU5NWY3YjYxZWJmOGE2%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D09f929fb160aa3a387d838d2cc433179)
[アップデート]Amazon CloudWatch Metric Streamのコンソールで、New Relicなどの製品に対して、データ連携可能なクイックセットアップがサポートされました | DevelopersIO
[アップデート]Amazon CloudWatch Metric Streamのコンソールで、New Relicなどの製品に対して、データ連携可能なクイックセットアップがサポートされました はじめに Amazon CloudWatch Metric Streamのコンソール上で、５つのサードパーティ製品を対象に、メトリクスを送信するクイックセットアップがサポートされました。 CloudWatch Metric Streamのコンソール上で、「サードパーティ製品」「宛先のURL」「APIキー」を指定すると連携が可能です。 セットアップすると、Kinesis Data FirehoseやS3バケット、IAM ロールが自動作成されます。 対象の製品は以下の５つです。 Datadog Dynatrace New Relic Splunk Observability Cloud SumoLogic
![[アップデート]Amazon CloudWatch Metric Streamのコンソールで、New Relicなどの製品に対して、データ連携可能なクイックセットアップがサポートされました | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/0021836084bdde128e82746a611da7093dc6b0f8/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2023%2F08%2Famazon-cloudwatch.png)
「プロダクトマネージャーカンファレンス 2021」は、プロダクトマネジメントに携わる人たちが共に学び、切磋琢磨することを目的に開催されるイベントです。ここで登壇したのは、デジタル庁 Chief Product Officerである水島壮太氏。デジタル庁における取り組みについて発表しました。全3回。2回目は、デジタル庁が取り組むWhatとHowについて。前回はこちら。 デジタル社会の実現に向けた重点計画 水島壮太氏：大きな組織の部分の、CoreやWhyの部分はできたとして、やはりみなさんが興味あるのは具体的なWhatとHowだと思います。これをどうやって決めていくんですかという話があって、どうしていきましょうという話です。 私もデジタル庁に入って最初の動きを見ているところですが、このWhatとHowを規定している2つの法案が閣議決定されて、それに沿ってデジタル庁はできあがっています。 まず1
GitHub - HojiChar/HojiChar: The robust text processing pipeline framework enabling customizable, efficient, and metric-logged text preprocessing.
Text preprocessing is far from a one-size-fits-all process. Depending on the data source and the specific task at hand, various steps including normalization, noise removal, and filtering may be necessary. Not all texts require the same level of preprocessing. For instance, relatively clean texts may only need minimal filtering, while "dirtier" sources like Common Crawl data often require more tho
CloudWatch Metric Streams — AWS メトリクスをパートナーと自身のアプリにリアルタイムで送信 | Amazon Web Services
Amazon Web Services ブログ CloudWatch Metric Streams — AWS メトリクスをパートナーと自身のアプリにリアルタイムで送信 2009 年に Amazon CloudWatch の立ち上げを行った際（Elastic Load Balancing、Auto Scaling、および Amazon CloudWatch の Amazon EC2 の新機能をリリース）、EC2 インスタンスのパフォーマンスメトリクス（CPU 負荷、ディスク I/O、ネットワーク I/O）を追跡し、それらを 1 分間隔でロールアップし、2週間にわたり保存しました。当時、パフォーマンスメトリクスは、インスタンスの状態をモニタリングし、 Auto Scaling をドライブするために使用されました。現在の CloudWatch は、はるかに総合的で洗練されたサービスになっていま
An Effectiveness Metric for Ordinal Classification: Formal Properties and Experimental Results
2020-09-25, 第12回最先端NLP勉強会 https://sites.google.com/view/snlp-jp/home/2020 Amigo et al., An Effectiveness Metric for Ordinal Classification: Formal Properties and Experimental Results (ACL 2020) の論文紹介です https://www.aclweb.org/anthology/2020.acl-main.363/
日々様々な記事を配信しているGIGAZINEですが、記事を作成する上で気がかりなのが「どうすれば多くの人に読んでもらえるのか」という点です。ただ、記事がどれだけ読まれているかを示す指標としてもいろいろなものがあり、何に重きを置けば「いい記事」と判断し得るのか迷ってしまうところがあります。GIGAZINEではそういった様々なデータから単一指標を生成することで記事を自動的に評価する仕組みを作成しており、今回はそちらについて説明します。 ページに対するアクセスに関する様々なデータは、Google Analyticsなどのサービスを利用することで取得することができます。では「記事が読まれている」かどうかについてGoogle Analyticsの提供するどのデータを判断指標とすべきなのかということになりますが、例えばセッション数で判断するのか、インプレッション数に注目するのか、あるいはSNSからの流
欠陥発見! MVTec異常検知データセットへの深層距離学習(Deep Metric Learning)応用 - Qiita
欠陥発見! MVTec異常検知データセットへの深層距離学習(Deep Metric Learning)応用画像処理DeepLearning異常検知MetricLearningMVTecAD News 2021/4/30 ㊗この記事の英語版が、論文に引用されました。 …というか、個人的には「この記事のアイデアを拡張して、汎用的なアイデアにした上で論文化してくれた」、と勝手に喜んでいます。 ・引用された論文: "CutPaste: Self-Supervised Learning for Anomaly Detection and Localization", arXiv:2104.04015 [cs.CV], 2020. この「[16]」です。 はじめに Deep metric learningの評価を段階的に試してきました。 Part 1: 分類器で学習できるMetric learning
[アップデート]Amazon CloudWatch Metric Streams のメトリクス名によるフィルタリングができるようになりました。 | DevelopersIO
[アップデート]Amazon CloudWatch Metric Streams のメトリクス名によるフィルタリングができるようになりました。 はじめに Amazon CloudWatch Metric Streamsとは、CloudWatch MetricのデータをKinesis Data Firehoseに流し込むことができる機能です。 Firehose はストリームデータをS3や外部SaaSに送信できるため、CloudWatch Metricのデータを容易に外部SaaSの監視ツールと連携することができます。 今回のアップデートでは、CloudWatch Metricのメトリクスをフィルタリングし、Firehoseにデータを流し込む事ができるようになりました。 アップデートによって、Firehoseの送信先では、必要なメトリクスのみを保存・監視できるため、運用コストの低減やコスト削減な
![[アップデート]Amazon CloudWatch Metric Streams のメトリクス名によるフィルタリングができるようになりました。 | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/222cf1e7abda4caaae076d20ade6e39a48a7fa27/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2022%2F08%2Famazon-cloudwatch.png)
Editor’s note: This is the second part of a series that will focus on each one of The VOID Report 2021 key findings. If you did not have a chance to read the report, you can read the overview and key findings in the Announcing the VOID blog post. Or email us at void@verica.io to get the full report. Software organizations tend to value measurement, iteration, and improvement based on data. These a
概要 Datadogの進化は早いですね。 今回は、Metric Correlationという機能についてご紹介です。 Metric Correlation について AWS Dashや夏のDatadogまつりMeetup でも紹介されていましたが、 「[レポート] 夏のDatadogまつりMeetup に参加してきました」によると 機械学習を活用し、異常が見られるメトリクスと同じ挙動しているメトリクスを探してくる（相関） とあります。便利そう。 使い方 2019/9/26時点では、まだBetaという位置付けです。 こちらのBetaリクエストページからリクエストすることが可能です。 機能が有効になると、相関関係を調査したいグラフのshow this widget in full screenボタンを押すと、 タブメニューにCorrelation Betaが追加されます。 使ってみた 今回は、
Deep metric learning papers from the past four years have consistently claimed great advances in accuracy, often more than doubling the performance of decade-old methods. In this paper, we take a closer look at the field to see if this is actually true. We find flaws in the experimental methodology of numerous metric learning papers, and show that the actual improvements over time have been margin
CVPR2020読み会 Proxy Anchor Loss for Deep Metric Learning
CVPR2020読み会(後編)の資料です なるべくMetric Learningに良い感じに入門できるようになってます
CloudWatch アラームのダウンタイム（特定期間の発報抑止）を Metric Math を使用して実現してみた | DevelopersIO
コンバンハ、千葉（幸）です。 CloudWatch アラームを使用して監視・通知を実施している場合に、特定の期間だけはアラート発報を抑止したい、ということがあるかと思います。 手っ取り早く思いつくのは該当の CloudWatch アラームを一時的に無効化するパターンで、外部から CLI やプログラムを利用して定期的にステータスを変更させることでダウンタイムを実現できます。 もしくは、CloudWatch アラーム→ SNS トピックの後段に Lambda 関数を配置し、呼び出された日時が定義済みの静観期間に含まれるようであれば通知を抑止する、というパターンもあるでしょう。 いずれも CloudWatch 外部のリソースが必要となるため、もう少しお手軽に実現したいところです。最近追加された CloudWatch Metric Math 関数の中にダウンタイムの実装に使用できそうなものがあった
Amazon CloudWatch Metric Streams、AWS Cost and Usage Reports、Amazon Athena を使用した AWS でのコスト最適化 | Amazon Web Services
Amazon Web Services ブログ Amazon CloudWatch Metric Streams、AWS Cost and Usage Reports、Amazon Athena を使用した AWS でのコスト最適化 Amazon CloudWatch Metric Streams を使用して、設定した宛先に Amazon CloudWatch メトリクスのほぼリアルタイムなストリームを作成できます。Metric Streams は Amazon Kinesis Data Firehose を使用して、CloudWatch メトリクスを一般的なサードパーティーサービスプロバイダーの HTTP エンドポイントに送信することを容易にします。最新の情報を含んだ CloudWatch メトリクスから継続的でスケーラブルなストリームを作成することで、正確でタイムリーなメトリクスデータ
Towards an animation smoothness metric Stay organized with collections Save and categorize content based on your preferences. Learn about measuring animations, how to think about animation frames, and overall page smoothness. You've probably experienced pages that "stutter" or "freeze" during scrolling or animations. We like to say that these experiences are not smooth. To address these types of i
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
![さくらインターネットで活躍中の id:y_uukiを訪問 | はてな卒業生訪問企画 [#9] - Hatena Developer Blog](https://cdn-ak-scissors.b.st-hatena.com/image/square/5b5961cfe7e9736ef0e88bc0290b1599481d2626/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fh%2Fhatenatech%2F20240319%2F20240319125826.jpg)
Deep Metric Learning 入門 - Qiita
Softmax関数をベースにした Deep Metric Learning が上手くいく理由 - Qiita
距離学習（Metric Learning）入門から実践まで｜はやぶさの技術ノート
Deep Metric Learning（深層距離学習）を使った打突音による異常検知 - Qiita
プロダクト指標の作り方 - North Star Metric｜小城久美子 / ozyozyo
グロースハックに欠かせない指標North Star Metricとは？
【AI】Deep Metric Learning - Qiita
Deep Metric Learningによる、ホテルや飲食店などの拠点検索改善
Collaborative Metric Learningの関連研究まとめ - Qiita
事例でわかる North Star Metric（北極星指標）を正しく定めるための3つの注意点
Evolving the CLS metric | Articles | web.dev
[ABC Metric] ソフトウェアメトリックを導入してクソコードを滅ぼす - Qiita
「すべての行政手続きを60秒以内にスマホで完結する」 デジタル庁が目指すNorth Star Metric
記事が当たっているかどうかを「One Metric手法」で評価してちゃんと単一指標化してみる
MTTR is a Misleading Metric—Now What?
Datadog の Metric Correlation 機能がすごいぞ！ - Qiita
A Metric Learning Reality Check
Towards an animation smoothness metric | Articles | web.dev
zenn.dev/reppy
mainichi.jp
note.com/taiga_web3
k-tai.watch.impress.co.jp
mdpr.jp
www.nichepcgamer.com