学習法、コミュニティ、キャリアパス…『エンジニアにとっての機械学習』とは? #CROSS2016 #CROSS2016x
機能要件、非機能要件がある、機械学習のシステムだと非機能要件のウエイトが大きいと思う #cross2016 #cross2016x
2016-02-05 11:39:37「非機能要件(性能)重要だよ。事前に非機能要件確認しないと、幸せになれないよ」と。 #cross2016x 深みのある意見だ。
2016-02-05 11:41:00やまかつさん「つまり、性能要件をしっかりと把握して使うことが大切、と」 原園さん「はい」 俺(これって機械学習を身につける話じゃなくって機械学習を正しく使う話なのでは) #cross2016x
2016-02-05 11:41:45エンジニアの枠組みが広くて、プログラムを書いてる人とすると、数学が一番、公式を覚えるって思うかもしれないけど、数学で必要なものは抽象的なものを論理的に扱うこと。 #cross2016 #cross2016x
2016-02-05 11:42:01牧山さん「中身を知ろうとすることが大切。機械学習のライブラリを使って、そのソースコードを見ようと思う好奇心が良い」 #cross2016x
2016-02-05 11:43:16会場から質問:機械学習といっても、範囲が広い。画像認識に必要なスキルとか、違う分野で共通して学ぶ部分ありますか? #cross2016 #cross2016x
2016-02-05 11:44:13レコメンドであれば、機械学習以外に性能評価(メトリックス)があるので、そこは学んだ方が良い #cross2016 #cross2016x
2016-02-05 11:45:01機械学習一般的に学ぶべきなのは、数学の知識があると助かると思う、あとは論文を読むので英語力 #cross2016 #cross2016x
2016-02-05 11:45:37小宮さん「レコメンドであれば、性能評価などについて学んでいくことが良い」 「全般に関しては数学の知識などがあるとやはり助かる。後は英語力。論文などを読むことがまれにあるので、あると良い」 #cross2016x
2016-02-05 11:45:54原園さん「音声認識・レコメンドの違い。ドメインごとのデータの違いはドメインごとの知識が必要」 「共通としては、評価に関する知識・技術が必要。どのようなメトリクスで評価し、アプリケーションに反映させるか」 #cross2016x
2016-02-05 11:46:57音声認識とレコメンド、データが全く違うのでドメインのデータを見ることがドメインごとの知識が必要。共通するところは、パフォーマンスの評価。どういうメトリックスで評価とかそういうところが必要 #cross2016 #cross2016x
2016-02-05 11:46:58自分の使うライブラリの中身を理解しているか、理解してないライブラリを使うと思わぬミスが出る。共通して学ぶものは線形代数 #cross2016 #cross2016x
2016-02-05 11:47:33牧山さん「その分野で使うライブラリーを読もう」 「共通としては【線形代数】を知ろう。特に線形構造を知り、抽象的なものを論理的に使えるようにしよう」 #cross2016x
2016-02-05 11:48:13やまかつさん「確率や微積も、機械学習では使うが、特に線形代数が重要ってことですか?」 牧山さん「全部大事です!」 #cross2016x
2016-02-05 11:48:50