Open zerebom opened 1 year ago
Lyftの技術ブログ。グラフ構造は情報を圧縮するのに便利ということを言っている記事。
Lyftでうまくユーザ同士をマッチさせるためには「乗りたい人」、「乗せたい人」、「時間」、「場所」など同時に考える必要がある要素が多くある。こういった大量の要素を効率的に管理するにはグラフを使ったEmbeddingを用いることが適している。このブログでは、Embeddingを用いることで効率的に情報圧縮ができている例をいくつか挙げている。
Jupyter Notebookの拡張機能。Notebook上で読み込んだデータフレームの統計情報などをパット確認できるので便利そう。
A/Bテストの事後分析の話。
このA/Bテストのデータを活用できればユーザー行動をよりよく理解できるため、ゴール指標を集計するだけではもったいないと考えています。
紹介されていたPost Analysisの手法
などなど。分析の流れまで書かれていて参考になる。
Elasticsearch8.7でセマンティック検索がかんたんになったという紹介。
Elasticsearch 8.7 では、検索のリクエストに文字列を渡してモデルを指定すると、検索と一緒にベクトル化もおこなってくれるようになりました。
結構使い勝手が良さそう。要するにESに言語モデルを渡しておけば、あとは自然文をクエリで渡すだけでいい感じの検索ができるようになった。
〇〇100本ノックの因果推論版が作られてるらしい。
因果推論何もわからないので、ただただすごい…
推薦システムを実際にDjangoで作るチュートリアル。 動かせるのは良さそう。
検索クエリから文章IDを生成するように学習。意味が近い文章はIDが近くなるようにする。未知の文章にもIDが生成できるようにする
(宣伝)
触って動かしてます
↓のようなツール郡があるライブラリです。
Why
推薦・機械学習勉強会は、推薦や機械学習、その周辺技術を通じてサービスを改善することにモチベーションのある人達の集まりです。ニュースやブログから論文まで、気になったものについてお互い共有しましょう!
発信のため、ここは public にしてあります。外部からの参加をご希望の方は樋口(https://twitter.com/zerebom_3) まで DM を送るか、Wantedly Visit の募集(https://www.wantedly.com/projects/391912) よりご連絡ください!
What
Wantedly では隔週木曜日に
といった話をする「推薦・機械学習勉強会」を開催しています。 この ISSUE はその会で話すネタを共有するための場所です。
話したいことがある人はここにコメントしましょう! 会の間に話した内容もここにメモしましょう!
prev: #190