「機械学習」に関連する技術ブログ
企業やコミュニティが発信する「機械学習」に関連する技術ブログの一覧です。
全570件中 451 - 465件目
【9月】大阪開発ビアバッシュレポート
2019/09/30
ブックマーク
はじめに こんにちは、strongWhiteです。今回は大阪オフィスで開催された9月ビアバッシュをご紹介いたします。 前回の記事はこちら↓ tech-blog.rakus.co.jp はじめに 発表一覧 個人的に気になった発表 1日で学ぶ機械学習 エンジニアの知的生産術を読んで スクリプト言語のベンチマーク おわりに 発表一覧 今回はオンラインでつないで東京オフィスのエンジニアと合同で開催す
匿名化のために行うデータ項目の一般化とは：データ匿名化 第4回
2019/09/19
ブックマーク
こんにちは、株式会社 ラク スで横断的にITエンジニアの育成や、技術推進、採用促進などを行っている開発管理課に所属している鈴木( @moomooya )です。 前回はデータを匿名化していく手順と、匿名化したデータを比較するための情報量の算出についてお話ししました。 tech-blog.rakus.co.jp 今回は匿名化する中で一般化をする際の具体的な値の置き換え方法についてお話しして
Amazon Rekognition を使って個人検出器をつくってみた
2019/09/04
ブックマーク
はじめに こんにちは、バックエンドチームの河井です。 スタメンでは TUNAG という社内 SNS を開発・運用しています。 SNS としての基本的な機能はそろっていますので、各ユーザーは プロフィール画像 を登録できるし、投稿には画像を添付することができます。 ですので、例えば プロフィール画像 を元に、そのユーザーの写っている画像を振り返れたら楽しそうだなー
特集コンテンツの自動生成とレコメンドサービスの取り組み
2019/09/04
ブックマーク
こんにちは。BASE株式会社 DataStrategyに所属している齋藤( @pigooosuke )です。 先日、 ショッピングアプリ「BASE」 内の主要コンテンツである商品特集を自動で運用するように切り替えました。 今までは、「ワンピース特集」「ピアス特集」など、トレンド・テーマに沿った商品選定を人手で行い、全ユーザーに対して同一の配信をしていましたが、改善後はトレンドを捉えた
ラテラルフィッシングの実態（USENIX Security 2019より）
2019/09/03
ブックマーク
こんにちは、技術開発部 セキュリティユニットの田中です。社内のセキュリティエンジニアのメンバーで、サイバーセキュリティ関係の話題を書いていきます。初回となる今回は「ラテラルフィッシング」についてお送りします。 ラテラルフィッシングとは？ 皆さんは、最近ネットでも取り上げられるようになってきた、「ラテラルフィッシング」(Lateral Phishing)という
GuardDuty のマルチアカウント運用で使うべきアカウント管理機能
2019/08/30
ブックマーク
技術2課の多田です. Amazon GuardDuty(以下, GuardDuty)をマルチアカウントで有効化している場合, 各アカウントの GuardDuty のイベントを管理・運用のためにアカウント管理機能を試す機会があったので今回はその内容をまとめていきます. GuardDuty のサービス概要 そもそも GuardDuty とは機械学習を用いたフルマネージドのセキュリティ脅威検知のためのサービスです.様々な機能があ
類似アイテム検索機能についてGoogle Cloud Next '19 in Tokyoで技術発表をしました
2019/08/29
ブックマーク
こんにちは。MLOpsチームリーダーの sonots です。 先日の プレスリリース で発表しました通り、ZOZOTOWNに「類似アイテム検索機能」を追加しました。この機能の技術要素について先日開かれた Google Cloud Next '19 in Tokyo で、本プロジェクトからは2件発表してきました！ 技術要素が気になる技術オタクの皆様におかれましては、ぜひ資料と動画をご覧ください！ ZOZO画像検索で
Uber Eats が取り組む機械学習の難題：料理完成まであと何分？
2019/08/13
ブックマーク
こちらの記事は以前にNewsPicks Tech Guideに投稿された記事をインポートしたものです。元の記事はid:satorishによって書かれました。 今回は、QCon NY 2019 初日に行われた、 Time Predictions in Uber Eats セッションの参加レポートです。登壇者は Uber Eats から Zi Wang さんです。 概要 料理完成時間予測の難しさ 料理完成時間予測の工夫 1. 特徴量エンジニアリング (Feature Engineering) 特徴量1:
Google はどうやって Deep Learning でメモリ使用量を 99% 削減したか。
2019/08/05
ブックマーク
こちらの記事は以前にNewsPicks Tech Guideに投稿された記事をインポートしたものです。元の記事はid:satorishによって書かれました。 今回は、QCon NY 2019レポート（Day 1）で予告した ML for Data Systems セッションの参加レポートです。登壇者は Google Brain SIR から Alex Beutel さんです。 コンピュータの基礎アルゴリズムである 木構造 や ハッシュテーブル は、古典的で安定した理論で
MIRU2019参加レポート
2019/08/02
ブックマーク
こんにちは。ZOZO Researchの小倉です。2019年7月29日（月）から8月1日（木）にかけてグランキューブ大阪（大阪府立国際会議場）で開催されたMIRU2019に参加しました。今回はその様子をレポートします。 MIRU2019 MIRUとは、今回で第22回目の開催となる画像の認識・理解シンポジウム（Meeting on Image Recognition and Understanding）です。今回は事前登録者数900人強、当日参加者も含めると
【参加レポート】Google Developers ML Summit Tokyo vol 3
2019/07/22
ブックマーク
こんにちは。エンジニアの河井です。 7月11に日に開催された Google Developers ML summit Tokyo の参加報告記事です。 参加の背景 サービスの規模が拡大してきたこと、データ集計基盤を構築したこと、 ダッシュ ボードを整備したことなどから、次は分析を自動化できると良いのではないかと個人的に考えていて、情報収集のために参加しました。 Jeff Deam 氏によるキーノートセ
OpenCV, GoCV, Go言語における画像処理のパフォーマンスの比較
2019/07/11
ブックマーク
Gopher's design for Ryuta Tezuka（ @Tzone99 ） こんにちは、ZOZOテクノロジーズ開発部の池田（ @ikeponsu ）です。 本記事では、 Go言語における画像処理の可能性を、ベンチマークを通して探ってみたいと思います。 はじめに 業務内でGo言語での画像処理を行う機会があり、Goの標準パッケージやGoCVについて調べていました。 ただ、画像処理に関する記述はまだまだ少なく、実装して
社内マーケター向けの機械学習プラットフォームを作りました
2019/07/11
ブックマーク
はじめに こんにちは。データサイエンス部の平田です。 一休でのデータ分析はJupyter NotebookやJupyter Labを用いてDWHにアクセスして行われることが多いですが、サービスそのものと分析環境が乖離していることにより、分析結果を継続的にサービスに取り込むのが難しい状況でした。 また、マーケティング部の方々がJupyterを使用して分析した結果に基づいて継続的に施策を
Amazon re:MARS参加レポート - Amazon社のAIやロボットへの取り組みを体感してきました
2019/06/10
ブックマーク
こんにちは、開発部の茨木（ @niba1122 ）です。主に新規事業系の開発に携わっています。6/4〜6/7にかけて、ビジネスリーダー・開発者向けのAIカンファレンスである Amazon re:MARS に参加してきました。本記事では、筆者が実際に参加して面白かったセッションやワークショップに関して、開発者寄りの視点で書きます。 Opening Remarks & Keynotes Opening Remarks Keynote（day2） Keynote
音声認識以外でも使われ始めた、Alexa における機械学習利用(1)
2019/06/08
ブックマーク
こちらの記事は以前にNewsPicks Tech Guideに投稿された記事をインポートしたものです。元の記事はid:jukuin2000によって書かれました。 Machine Learning in Alexa Alexa Simplicity 対応状況 次回予告 Machine Learning in Alexa Machine Learning in Alexa 今回の re:MARS では Alexa に関するセッションも多かったように思いました。Alexa における Machine Learning といえば、音声入力を内部的にテキストに変換す