サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
WWDC24
www.slideshare.net/tkm2261
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
1. Kaggle&競プロ紹介 in 中田研究室 @東京工業大学 工学院 経営工学系 水野・中田研究室 Takami Sato 2017/11/22Kaggle&競プロ紹介 1
2. アジェンダ • Quoraコンペとは? • 参加記録 – ステージ0: doc2vecの時代 (LB:0.5) – ステージ1: anokasさんカーネルの時代(LB:0.35) – ステージ2: word一致系の時代(LB:0.30) – ステージ3: Word Embeddingの時代(LB:0.25) – ステージ4: NLP特徴の時代(LB:0.2) – ステージ5: グラフの幕開け(LB: 0.13) – ステージ6: 倦怠期(LB: 0.13) – ステージ7: スタッキングの時代(LB: 0.122) • 上位の手法を見てみた • 有効だったテクニック • 分析官がKaggleをやる意味 2017年 6月 13日 Quoraコンペ参加記録 2 3. Quoraコンペとは 2017年 6月 13日 Quora
4. 2位の手法 17-4-18DSB2017 Solutions Survey 4 環境 • Keras + windows 64bit • ⾃自前の可視化のツール 概要 • LIDCとLUNA16のデータを使⽤用 • 医者の診断とLUNA16のラベルを使⽤用 • 32*32*32の3d convnetで学習 • セグメント切切りはせず、画像全体を使⽤用 • 最⼤大腫瘍の場所から、癌がありそうなスライスを検知 • 疑わしいスライスを、U-‐‑‒Netで腫瘍の場所を検知 • 最後に当該スライスの疑わしい腫瘍の数と諸々特徴をxgboost • Public LBを信⽤用しない h"ps://www.kaggle.com/c/data-‐science-‐bowl-‐2017/discussion/31551 5. 2位の手法 17-4-18DSB201
For my understanding, I surveyed popular tree algorithms on Machine Learning and their evolution. This is the first time I wrote a presentation in English. So, I am happy if you give me a feedback.
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Preferred Networks
勉強会で話した、Scikit-learnの入門資料です。speakerdecでも共有しましたが、slideshare一本化のためこちらにも上げます
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...joisino
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement LearningPreferred Networks
このページを最初にブックマークしてみませんか?
『Takami Sato』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く