We’ve been long working on improving the user experience in UGC products with machine learning. Here are our ten key lessons of implementing recommendation systems in business to build a really good product. 1. Define a Goal that Really Contributes to the Business TasksThe global task of the recommendation system is to select a shortlist of content from a large catalog that is most suitable for a

Photo by Antonio Batinić from PexelsOften in our application, we require multiple entry points or html pages at our client side user interface. For instance, let’s take a basic scenario where you are making an application that requires a login page, a registration page and your application’s main index page. Though we can handle this requirement with React routing by creating different routes for

はじめにこの記事は「eureka Advent Calendar 2020」17日目の記事です。 こんにちは、@pacocat です！ 昨日はBI HeadのTamaki Tetsumotoによる、アナリストを支えるデータ基盤の運用についての記事でした。また、一昨日はエウレカでのデータ組織運用についての記事を書かせていただきました。2本目となる今回は、最近興味のあるAIトレンドについて少し紹介をしたいと思います。 最近はAIに対する過剰な期待も収まりつつあり、より実践的な議論や文献が増えてきたような印象を持っています。ビジネス的に成功している事例も増えてきており、今年も様々な事例からアイデアをもらっていました。 私の興味もAIのビジネス活用にあり、気になったテーマについては時間のある時にまとめるようにしています。去年はYouTubeの推薦アルゴリズムについて紹介をしましたが、他にもAirb

Microsoft has one of the largest C/C++ codebases in the world. All of its core products from Windows and Office to the Azure cloud run on it. Unsurprisingly, since C++ is not a memory-safe language, a lot of memory bugs popup in their codebase, and a lot of time has to be spent fixing them. Last year, Microsoft began looking at alternative programming languages that could help fix their memory saf

BackgroundI’ve been creating an app which is mostly for my personal use and hopefully will get used by others. As I wanted to develop this app, I’ve been going thorough some technology selection and hosting options. I want to share my experience and decision in selecting certain set of tools. This article will start with what the app itself followed by the toolset. Reading this might be of use to

Brian Donohue | Pinterest engineering manager, Product Engineering About 100 days ago, our product engineering team began experimenting with a three-day no-meeting schedule for individual contributors on our teams. It’s not a big revelation that software development requires long stretches of uninterrupted time to focus. As Pinterest has grown, we’ve noticed the number of meetings also has increas

Dear reader, PyCharm has been updated and this tutorial is unfortunately a bit outdated. I hope parts of it are still relevant and can help you. Wouldn’t it be awesome to sit at a café with your laptop, creating large neural networks in TensorFlow, crunching data with speeds of several terraFLOPS, without even hearing your fan spinning up? This is possible using a remote interpreter in PyCharm, an

この記事はブロックチェーンAdvent Calendar2日目の記事です。 前の日：翻訳どうやってデジタル世界で信頼の自動化を実現できる？ブロックチェーンの特徴である「改ざんできない仕組み」について、自分も含め「これからブロックチェーンを学んでいきたい」という人向けに図を交えながらまとめました。 1. まずはざっくりとブロックチェーンは、とても簡単に言うと「記録が詰まったブロックが連なっているもの」 このブロックは一定間隔でどんどん新しいものが追加されているのですが、その連なり方には特徴があって、ただ順番に番号が付けられているだけではなく全てのブロックが1つ前のブロックの情報を受け継いで作られています。 ブロックがチェーンのように連なっている、これがブロックチェーンです。 もう一つ、ブロックチェーンの特徴にブロックを1つ追加するのがとても大変だという点があります。 どれくらい大変かというと

Summary*English report here ストリート・ディベートは路上で問題提起をし、世論を硬貨で可視化する職業である。これは、路上での「ものごい」に代わる行為でもあり、尊厳を損なわずにお金を稼ぐことができる誰もが出来る方法である。 路上で暮らすことを余儀なくされた人々が、友好的な会話を通して社会へ対等な立場で再接続する最初のステップとなることを目指している。 ロンドンではストリート・ディベートで１時間に平均13.5ポンドを稼ぎ、12.5人を議論に巻き込むことが明らかになっている。 Why I started designing the act of beggingもしあなたが、ロンドンやパリといったヨーロッパの都市を訪れたなら、道端で「ものごい」を行なう人を見ることは、そう珍しいことではないだろう。

少し前に、日本に帰ろうと思った。もう合計で17年程米国に住んでいたことになる。成人してからは三年間東京に住んでいたが、その三年間がとても楽しかった。そして何より、米国にうんざりした。近年顕著になっているのか、私がそういったことに敏感になっているのか分からないが、米国はどうしてもまだまだ白人至上主義が根強い。私は白人ではないので、生き辛い。今回は、日本に帰ろうと思ったきっかけなどを書こうと思う。 米国は自由。米国は人種のるつぼ。米国は成果主義。米国と聞くとこんなことを想像するかもしれない。事実な部分もあるし、実際にそうだなぁと実感することも過去に沢山あった。基本的に何をしていても文句を言われることもないし、学校や職場には色々な人種や文化の人たちがいるし、仕事ができる人はどんどん出世する。しかし、これらは必ずしも肯定的な事柄だとは限らない。全ての事柄に背景があるように、これらの事柄にも背景があ

英語版はこちら。 TensorFlowの登場以降、OSSベースの機械学習の盛り上がりは加速しています。Kerasの作者のFrançois Cholletさんの言葉が、この状況を非常に端的に表しています。これだけでも十分だとは思いますが、この記事では、なぜオープンソースの機械学習が強いのか、最近のどういった流れがあるのかを整理したいと思います。 tl;dr機械学習やDeep Learningのフレームワークが充実してきた論文が査読前に公開され、他社も簡単にアルゴリズムの検証ができるようになった多くのプレーヤーの参戦により、アカデミアでの機械学習の研究がレッドオーシャン化した他社にないアルゴリズムで一発勝負、実装は秘密、というアプローチが厳しい牧歌的な時代5年前10年前の世界では、先端の機械学習に取り組んでいるのは大学などの研究室、大企業の研究所や一部の先進的な企業がほとんどでした。特に、ラベ

※本講義は Y Combinator が 2017 年 4 月 5 日から実施している Startup School の Lecture 02, “Startup Mechanics” (Youtube) の翻訳です。Y Combinator の許可を得て有志が翻訳しています。翻訳のミスなどがあれば Medium の private note 機能、もしくは翻訳に関する下記の Facebook グループでご指摘ください。 Facebook: Startup School 2017 (by Y Combinator) 日本語議論コミュニティ: https://www.facebook.com/groups/startupschooljp/ スティーブン：始める前に、今日のスピーカーを紹介しましょう。 Kristy Nathoo です。彼女は Y Combinator の CFO であり、パー

私自身、独立するまで3回転職しているので、何度かは「会社辞めます」と上司や社長に伝えていることになるのですが、その際に思ったのは、辞める時に伝えた時の反応やコミュニケーションで会社の本当の姿が見えるなーと思いました。 いままではぼんやりとそう思っていたのですが、先日友人との話の中で「会社が本当に社員をどう思っているか」「辞めた社員がその会社のことを何と言うか」は辞める時の対応によってだいぶ変わるなーと感じる場面がありました。 辞めるときの対応として印象的だったのはその友人が話していたことを簡単に書くと、前職はIT系スタートアップを辞めることを代表の方に伝えたところ、「なるほど…。そういうことか、わかったよ。給与2倍にするから」と言われたそうです。 まじか…という感じですが、結構こういう社長というか会社あるんですかね！？ どうやらこの会社は退職者が続いていて、本当の理由はこの代表の価値観につ

Gophers from golang.orgPython is awesome! Especially Python 3 with async functionality. But really Go is not giving any chances to survive in enterprise world… If you got the idea of this quote, then you probably tried or just looked around Go programming language. Which is I think easiest programming language that can fit in any kind of application development. Yes! you read that right, for me Go

出展：FlickrFT向けにこの記事を書いたが、有料コンテンツ内にある。私が書いたのだから、私がここで公開するのはおそらく大丈夫だろうと思う。 スタートアップの自然な状態は死ぬことだ。スタートアップの大半は、この運命を逃れるため、その初期の時期に、複数の奇跡を必要とする。だが、シリコンバレーのネットワークの密度と幅により、スタートアップは死をごまかせることがたまにある。 シリコンバレーが機能するのは、スタートアップに携わる人々の密度が非常に高く、彼らはお互いを助け合う傾向にあるからだ。その他のテックハブでもこの傾向はあるが、これはメトカーフの法則の一例なのだ――この法則は、ネットワークの価値は、そのネットワークのノード数の二乗に比例するというものである。シリコンバレーは、他のどこよりも、ネットワークのノードを遥かに多く持っている。 私たちに関する最大の誤解の一つは、このネットワークから何ら

この記事は技術そのものやエンジニア採用のことがよく分からない経営者へ向けて書いています。エンジニアが読めば当たり前のことが書いてあります。また優秀なエンジニアならこう考えるのではないかというところは、私見によるものなので本当にそうかどうかは分かりません。 募集要項を書く募集要項で最も重要なのは待遇に関するところだと私は思います。具体的に言えば、だいたいの年収です。もちろん業務内容や組織の雰囲気なども重要ですが、業務内容や組織の雰囲気が良ければ年収が低くても働こうと思ってくれるのではないかと考えるのは経営者の奢りであって、そんなエンジニアはほとんどいません。優秀なエンジニアにとってはそのどちらも満たす求人が他にたくさんあるために候補にすらなりません。 逆に業務内容に魅力がなくても年収さえ高ければ良いという優秀なエンジニアも一定数いるはずです。待遇を具体的に書くことはそういった層に響くのではな

TL;DR, it is not only DNNs that can fit random labels under a setting where correct labels can be fitted with small generalization errors. The recent paper “Understanding deep learning requires rethinking generalization” by Chiyuan, et al. is attracting high interest as it is an unintuitive and surprising fact that standard DNN models can even (over)fit random labels as well. I think the paper des