会員登録
/
ログイン
【スタッフ募集】事業拡大につき編集・広告営業など積極採用中>>
ログミーTechとは
ログ掲載のご案内
会員登録
ログイン
プログラミング
インフラ
開発手法
UI/UX
キャリア
コンピュータサイエンス
ゲーム開発
ログミーTechとは?
ログ掲載のご案内
プログラミング
インフラ
開発手法
UI/UX
キャリア
コンピュータサイエンス
ゲーム開発
【スタッフ募集】事業拡大につき編集・広告営業など積極採用中>>
#コンピュータサイエンス
107件
やっぱり錦織のライバルはすごかった 525試合・11万球を分析して見えた勝つためのサーブの着弾点
Sports Analyst Meetup
なぜバロンドールはフォワードしか獲れないのか ゴールキーパーもディフェンダーもフォワードも公正に評価する仕組み
Sports Analyst Meetup
チームが勝てば客は増えるのか? プロバスケに見る勝敗とアリーナ集客の関係
Sports Analyst Meetup
スポーツアナリストは例えるなら総合格闘技 日本で将来的に求められるスポーツアナリストとは
Sports Analyst Meetup
農業にロボティクス技術を導入することで、持続可能な環境を守りたい デンソーがアグリテック事業に力を入れる理由
株式会社デンソー
「応答速度」「演算量の多さ」「カスタマイズの難しさ」 End-to-End音声認識のプロダクト化でハードルになる3つの課題
Tokyo BISH Bash
「DNN-HMM」から「End-to-End」へ LINEが取り組む音声認識のしくみ
Tokyo BISH Bash
フィギュアスケートのジャンプ回転不足を判定してみる スポーツにおける映像分析の難しさ
Sports Analyst Meetup
サッカー×ポーカーで得られる共通点 相手の“不確実性”から自分の“優位”を予測する
Sports Analyst Meetup
人とクルマをつなぐコックピットだからこそ、賢さと人に寄りそうことの両立が必要 デンソーが目指す人にやさしい車内空間とは
株式会社デンソー
快適な車内空間を作るには認知・判断・作用の3技術が必要 デンソーが描く未来の快適車内空間とは
株式会社デンソー
「ヒト・モノ・コト」をいかに快適に運ぶか 電動化・自動運転の時代に求められる「快適な車内空間」とは
株式会社デンソー
「ドラえもんアナリスト」になれ サッカーアナリストが教えるスポーツアナリストに必要な8つの要件
Sports Analyst Meetup
プログラミング学習や化学実験も 「マインクラフト」の教育現場での活用事例とその意義
de:code
AIりんなのチャットモデルの進化 「共感」をテーマに人と人をつなぐ未来を目指して
de:code
バスケの選手とボールの位置データから機械学習で攻撃・守備戦術を分類
Sports Analyst Meetup
シャーディングやEthereum 2.0などブロックチェーンの最新技術を解説
blockchain.tokyo
「Ethereum 2.0」の仕様と研究動向についてLayerX R&Dチームが解説
blockchain.tokyo
LayerX社のブロックチェーン研究 パフォーマンスを改善するシャーディングの仕組み
blockchain.tokyo
メルカリ写真検索のアーキテクチャと安定化までの歴史を振り返る
ML@Loft
ELMoによる類似キーワード検索システムで四択クイズを作る 「ソフトバンク」は会社か?野球チームか?
ML@Loft
BASEアプリにおける類似画像検索の裏側 機械学習における画像とテキストの使い分け
ML@Loft
リピーター分析における特徴量DBの3つの課題と解決アプローチ
ML@Loft
東大助教が作った、シンプルかつ軽量な近似最近傍探索アルゴリズムのベンチマーク「annbench」
ML@Loft
マクロミルの事例にみる、AWSを中心としたデータ分析基盤構築のノウハウ
データ分析基盤Developers Night
Sansanのデータエンジニアが語る、名刺データ分析基盤の構築方法
データ分析基盤Developers Night
メルカリのデータ分析を支える機械学習システムのデザインパターン
データ分析基盤Developers Night
機械学習モデルの予測値を解釈する「SHAP」と協力ゲーム理論の考え方
Data Gateway Talk
メルペイの不正決済検知への機械学習活用 グラフ理論で“疑わしい人”を事前に推定する
株式会社メルカリ
機械学習における勾配ブースティングのアルゴリズム「XGBoost」「LightGBM」「CatBoost」の違い
Data Gateway Talk
会話の文脈を理解する電話応対AI「LINE AiCall」開発で苦心したこと
LINE DEVELOPER DAY
音声応対AIサービス「LINE AiCall」実用化の舞台裏 AIとの自然な会話を実現するためにやったこと
LINE DEVELOPER DAY
LINE DEVELOPER DAYの顔認証受付システム、UI/UXはどうあるべきか? 開発チームが経験した試行錯誤
LINE DEVELOPER DAY
待ち時間1秒以内を実現した、顔認証受付の仕組み LINE DEVELOPER DAYで実際に使用されたシステム開発の舞台裏
LINE DEVELOPER DAY
精度の高い日本語OCRを実現する技術 LINE BRAIN OCRのパイプラインを解説
LINE DEVELOPER DAY
日本語OCRはなぜ難しい? NAVERのエンジニアが語る、テキスト検出における課題と解決策
LINE DEVELOPER DAY
LINEを支えるVision AIプラットフォーム「PicCell」の仕組みとこれから
LINE DEVELOPER DAY
AIを用いてLINEに投稿されるアダルトコンテンツを検出––ディープラーニングプラットフォーム「PicCell」が生まれるまで
LINE DEVELOPER DAY
Rubyで「expected tokens」をどうやって知るか? Part.2
平成Ruby会議
機械学習におけるハイパーパラメータ最適化の理論と実践 Part.2
PyCon JP
Rubyで「expected tokens」をどうやって知るか? Part.1
平成Ruby会議
機械学習におけるハイパーパラメータ最適化の理論と実践 Part.1
PyCon JP
「検索条件=本当に見つけたい相手」ではない Pairsの検索体験を生み出す工夫と改善
Cookpad Product Kitchen
メルペイ×エムスリー×Preferred Networksの機械学習エンジニアたちが語る、技術的課題 Part.2
Machine Learning Pitch
機械学習とビジネス課題をどう融合させるか? メルペイ×エムスリー×Preferred Networksのユースケース Part.1
Machine Learning Pitch
1
2
3