ninopira / weekly_ninopira

26 stars 0 forks source link

20210419 #7

Open ninopira opened 3 years ago

ninopira commented 3 years ago

春ですね。

ninopira commented 3 years ago

MLBのcatch probability

https://twitter.com/MLB/status/1383795809418833924 https://cloud.google.com/blog/ja/products/data-analytics/how-mlb-data-cloud-is-transforming-the-baseball-fan-experience

google cloudにより、catch probabilityが瞬時に計算 あれ?MLBってAWSじゃなかったけ?と思いググったら、2020シーズンからgoogle cloudに乗り換えているのですね https://xtech.nikkei.com/atcl/nxt/event/18/00100/00005/

戦略的な支援だけでなく、視聴者へのエンタメコンテンツとしてのAI活用のいい事例

ninopira commented 3 years ago

第六回 全日本コンピュータビジョン勉強会

https://kantocv.connpass.com/event/205271/ https://takmin.hatenablog.com/entry/2021/04/19/005155

オンタイムで参加できませんでしたが、キャッチアップ(WIP) 全体的にTransformerが取り上げられていた模様

牛久先生の資料での「大半の手法が元のTransformerと大差なかったよ」論文は興味深かった 恐らく多くの人が思っていた「で、どのNNが最強なの?」「ぶっちゃけ、どれも一緒でしょ?」を比較実験してくれており、色々納得が行った。自分は超細かい最新手法にはあまり興味ないが、ベースラインはこれ!!みたいな手法が出たら見逃さないようにしようと改めて思いました。

https://speakerdeck.com/yushiku/do-transformer-modifications-transfer-across-implementations-and-applications

ninopira commented 3 years ago

東京大学運動会ア式蹴球部のデータ分析

https://todai-soccer.com/2021/04/16/dataanalysis/

東京大学運動会ア式蹴球部(サッカー部)のデータ分析事例 自分が見たことないソフトやデバイスを使ってデータ分析をしており、感心しました

データの可視化を元に、フィードバックレポートの作成まで行えているのは、社会人に劣らない分析力だと思いました。

ninopira commented 3 years ago

2021年最強になるか!?最新の画像認識モデルEfficientNetV2を解説

https://qiita.com/omiita/items/1d96eae2b15e49235110

話題のefficient-net v2 ぶっちゃけ中身よくわかってないですが、早くて軽くて(若干)精度がいいらしいので紹介

ninopira commented 3 years ago

TensorFlow 事例 : Coral を⽤いて回転寿司の会計を⾃動化するくら寿司

https://developers-jp.googleblog.com/2021/04/tensorflow-coral.html

くら寿司で誰がなんの皿をとったかを、QRコー+開閉を検知するtensorflow , Coral on Raspiという感じ 全店舗に導入するらしい。店舗レイアウト再設計などを考えると凄まじい推進力だなぁと思いました。

ninopira commented 3 years ago

エヌビディアがCPU参入 アームと組みAI計算10倍速く

https://www.nikkei.com/article/DGXZQOGN09EBS0Z00C21A4000000/

計算機器の進歩の速さ凄いですよね。 凄すぎて、いつPCを買えばいいかまじで分からないです汗

ninopira commented 3 years ago

MLOps Best Practices for Data Scientists

https://towardsdatascience.com/mlops-practices-for-data-scientists-dbb01be45dd8

MLopsのプラクティス例。非常によくまとまっています。

個人的な疑問なのですが、dataの分布変化はどうすればいいんですかね。 Datarobot先生はimportanceとdriftの2軸で分布変化を検知している模様ですが、もっと単純にうまくやる方法ないですかね汗