#機械学習 99件

大規模データを上手に分散処理するには　MLの独自ライブラリ開発から見たポイント
LINE DEVELOPER DAY
GPUを使っていかに効率よく機械学習をするか　LINEがML用に独自ライブラリを開発した理由
LINE DEVELOPER DAY
MLエンジニアがMLしやすくするために　ZOZO研究所 研究開発エンジニアが語るビッグデータ活用術
株式会社ZOZO
機械学習できるデータを用意せよ　MLで重要なデータマネジメントの11領域
Machine Learning Casual Talks
こんなデータじゃ機械学習できねぇよ　MLにおけるデータマネジメントの重要性
Machine Learning Casual Talks
分散学習にはHorovodを使う　文献から学ぶクラウド機械学習のベストプラクティス
Machine Learning Casual Talks
データセットの読み込みにはEBS、その成果物にはEFSを使うとよい　文献から学ぶクラウド機械学習のベストプラクティス
Machine Learning Casual Talks
LINEの多様なサービスを支える機械学習のプラットフォームと開発事例
LINE Developer Meetup
データ分析はサービス競争力にどう貢献できるか？　大量のデータを扱うLINEのデータサイエンティストの役割
LINE Developer Meetup
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
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
Hadoop上で動くライブラリ「Hivemall」を使って、SQLで機械学習
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
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
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
LINEの機械学習エンジニアが語る、推薦システムのパーソナライズを最適化するための取り組み
LINE DEVELOPER DAY
LINEの“すべて”のサービスから最適なコンテンツを届ける、推薦システムのアーキテクチャ
LINE DEVELOPER DAY
毎時間に約1億人分のニュースをレコメンド　LINE NEWSの記事配信を支える技術
LINE DEVELOPER DAY
LINE NEWSのニュースレコメンドの技術的な変遷と、パーソナライズの独自の仕組み
LINE DEVELOPER DAY
「Smart Channel」のコンテンツレコメンドを支える、サーバーサイドの仕組みと工夫
LINE DEVELOPER DAY
LINE上でユーザーに適したコンテンツを“たった1つだけ”レコメンドする「Smart Channel」のアーキテクチャ
LINE DEVELOPER DAY
機械学習エンジニアの評価、どうしてる？　MLエンジニアたちのチームビルディング Part3
Machine Learning Pitch
課題抽出は誰がやる？　MLエンジニアたちのチームビルディング Part2
Machine Learning Pitch
機械学習エンジニアのキャリアはこれからどうなる？　MLエンジニアたちのチームビルディング Part1
Machine Learning Pitch
クックパッド研究開発部門のチームビルディング
Machine Learning Pitch
Repro AI Labsのチームビルディング　機械学習が顧客に価値を提供するためにやったこと
Machine Learning Pitch
機械学習チームを作るうえで考えたこと、考えるべきこと
Machine Learning Pitch
クックパッドにおける推薦システムの取り組み
Machine Learning Pitch
エムスリーにおけるGraph Convolutional Networkを用いた推薦システムの仕組み
Machine Learning Pitch
深層学習を用いて音源を分離する––LINE Research Labsが研究成果を解説
LINE Developer Meetup
Cookpadに投稿されたレシピを、機械可読なデータに変換する––MRR開発の舞台裏
Cookpad TechConf
機械学習を用いた日経電子版Proのユーザ分析　データドリブンチームの知られざる取り組み
Data Driven Developer Meetup
名刺のデータ化における自然言語処理のしくみ　「文字のゆらぎ」をどう扱うか
Sansan株式会社
LINEの機械学習チームが語る、「おすすめのLINEスタンプ」のレコメンドアルゴリズム
LINE DEVELOPER DAY
「女性エンジニア少ない問題」を解決するために、機械学習で男性エンジニアを女性に変換する
Battle Conference U30
機械学習を取り入れた組織・サービスにおいて発生しがちな問題と、その解決方法
MANABIYA -teratail Developer Days-