wantedly / machine-learning-round-table

Gather around the table, and have a discussion to catch up the latest trend of machine learning 🤖
https://www.wantedly.com/projects/391912
306 stars 2 forks source link

[2020/08/06]推薦・機械学習勉強会 #62

Open yu-ya4 opened 4 years ago

yu-ya4 commented 4 years ago

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松村(https://twitter.com/yu__ya4) 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: #60

zerebom commented 4 years ago

【2020決定版】スーパーわかりやすい最適化アルゴリズム -損失関数からAdamとニュートン法-

https://qiita.com/omiita/items/1735c1d048fe5f611f80

AI×医用画像の現状と可能性_2020年上半期版

https://speakerdeck.com/tdys13/aixmedical-imaging-in-japan-first-half-of-2020

yuko-i commented 4 years ago

グレンジャー因果検定

ブログを書きました! https://yukoishizaki.hatenablog.com/entry/2020/08/03/101854

時系列データ x, y において、x が増減すると y も同じように増減するという関係なのかを検証したい。 未来の y の値の予測に、現在と過去の y の値を使って予測した時より、 x の値も加えて予測したほうが精度が改善される時、x から y にGrengerの意味で因果があるという。モデルにVARを利用し、F検定で統計的有意性の検定します。

スクリーンショット 2020-08-06 18 35 50
yu-ya4 commented 4 years ago

Online shopping gets more personal with Recommendations AI

https://cloud.google.com/blog/products/ai-machine-learning/online-shopping-gets-personal-with-recommendations-ai

AI にシゴトを奪われた。

Google Brainチームが開発したDNNベースのリコメンエンジンを商用化したRecommendations AIのベータ版が公開。ML知識は不要で、既存のECサイトに簡単に組み込める。Hanesの事例ではセッションあたり収益が2桁も増加。$600無料枠付き。

ref: https://twitter.com/kazunori_279/status/1287636171955175424

Netflixを支える推薦システムの裏側

https://note.com/masa_kazama/n/n0f70dcc0989e

またまた Kazama さんのブログ。勢いを感じる。推薦システムについて様々な発信をしている Netflix の情報をまとめたものになっている。

システムの特徴と検索機能について(検索システムに関する妄想その1)

https://blog.johtani.info/blog/2020/07/27/improve-search-no1/

Jun Ohtani さんのブログ。システムにおける検索機能についていくつか頭の中にあることを書き出したとのこと。 ユーザのニーズによって検索システムに求められることは違うよねって気持ちをいくつか具体例とともに紹介。検索難しい。

検索システムを構成するパーツ(検索システムに関する妄想その2)

https://blog.johtani.info/blog/2020/07/28/improve-search-no2/

Jun Ohtani さんのブログ第二弾。検索システムを構成するパーツについて簡単な説明。解像度が高くイメージを掴みやすい。

Deep Learning's Most Important Ideas - A Brief Historical Review

https://dennybritz.com/blog/deep-learning-most-important-ideas/

Googleの元研究者による、2012年〜2019/2020年までの、各年の絶対に抑えておくべきベスト機械学習アルゴリズムの論文、解説と、TensorFlow、PyTorchの各実装への案内をまとめた記事

cf: https://twitter.com/learn_learning3/status/1288753891866062848

Factorization MachinesによるBayesian Personalized Rankingの実装

https://analytics.livesense.co.jp/entry/2020/07/28/110000

リブセンスで推薦システムに利用している BPR-FM についての記事。BPR (Bayesian Personalized Ranking) と FM (Factorization Machines) を組み合わせることで implicit feedback によるランキング学習に特徴量を組み込んでいる。 サービスで利用してますって言えるの強い。Julia の実装例。。。

hiroto0227 commented 4 years ago

Google DeveloperのRecommendation SystemのTraining

https://developers.google.com/machine-learning/recommendation

推薦システムの全体像を学習できる。

Google DeveloperのML Test and Debugging

https://developers.google.com/machine-learning/testing-debugging/common/overview