#コンピュータサイエンス 98件

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
コードが書けなくても使える機械学習プラットフォーム「Azure Machine Learning」は何がすごいのか
DIGITAL X
“イルカ”から始まったマイクロソフトのAIサービスの現在地　学習済みAIを使える「Azure Cognitive Services」でできること
DIGITAL X
開発効率とサービス競争力を上げる　機械学習のために整備した「3種類の特徴量」について解説
LINE DEVELOPER DAY
LINE社内でのサービス横断データ活用の取り組み「Feature as a Service」の全体像
LINE DEVELOPER DAY
機械学習を用いたテキスト正規化手法の最新動向　高精度を実現する仕組み
Machine Learning Meetup KANSAI
Elasticsearchを用いて類似度ベクトル検索をやってみてわかったこと
Search Engineering Tech Talk
機械学習による自動応答の今　外部知識に基づく応答生成に関するサーベイ結果 Part2
nlpaper.challenge
機械学習による自動応答の今　外部知識に基づく応答生成に関するサーベイ結果 Part1
nlpaper.challenge
グラフ構造にまつわるサーベイ結果まとめ　GNNからApplicationsまで Part2
nlpaper.challenge