ソフトウェアエンジニアのための「機械学習理論」入門

JTF2015にいってきた。

ソフトウェアエンジニアのための「機械学習理論」入門

をメモメモ

---

背景
・機械学習は結構前からある
・ツールがオープンソース＋ディープラーニング：某日経ＢＰがあおりだす
　　オープンソース好きを助けたい
　　日経の人が煽ると、１年後に忘れ去られる→ちゃんと使えば役に立つ
　　　　場図ワードで終わらせたくない

ＮＩＩの資料を使うよ（数式スキップ！）
・第二部の途中くらいまで

・データサイエンスと機械学習
　パーツを組み合わせて、データサイエンス

・いろんな判断
　　→なににもとづくか
　　　　　データに基づいて、過去のデータから判断：データサイエンス
・データサイエンスに必要な知識
　　・ビジネスの理解
　　・分析理論の理解
　　・データの理解

・データサイエンスの誤解
　データサイエンティスト：事実を明らかにする？
　ビジネス判断はスーツの役割？→誤解
　　→ビジネスに役立つ判断まで導く

・どんなふうに機械学習を使うか
　　アルゴリズム
　　過去のデータ
　　判断できる

・機械学習アルゴリズムの分類
　　分類（ＡかＢか）
　　回帰（数値で判断）
　　　　誤差関数（最小２乗法）による回帰→２乗誤差を小さくする

　　オーバーフィッティングの問題→一般化力
　　　実際に良くやるのはテスト用データを用意しておく

・いけてない機械学習の例
　　分類：決定木→根拠ない：比較検討
　　データの理解

・試行錯誤で見つけ出す方法
　　テストセットを用意しておく
　　ビジネスに適用してみる→いいアルゴリズムを適用する

wantedlyでＣＴＯは、３４０件みつかる

JTF2015にいってきた。その内容をメモメモ

まずは基調講演（途中から）

---

１．変化を楽しむ柔軟性を持とう！
　　　世界でパソコン５台？
　　　Flash VS HTML
　　→未来の予測なんてできない
　　→世の中変わる→技術革新→時間ができる→新たな技術革新

　　Ｗｅｂアプリケーションフレームワーク
　　クラウドコンピューティング

　　技術革新を起こし続けるＡＷＳ
　　ＡＷＳのサービスの数は４５以上に
　　Ａｍａｚｏｎ　ＲＤＳ
　　Amaazon AURORA
　　フルマネージド
　　Ａｍａｚｏｎ　ＤｙｎａｍｏＤＢ

　　Ｓ３，ＥＣ２のインフラ提供から、
　　ミドルウェア
　　その先に、Ａｍａｚｏｎ　ＬＡＭＢＤＡ
　　　　Ｎｏｄｅ．ｊｓとＪａｖａで書ける
　　　　サーバーレスなプログラム実行環境
　　Ａｍａｚｏｎ　ＡＰＩ　Ｇａｔｅｗａｙ
　　　　ＡＰＩ作成支援サービス

　　新しい技術を楽しもう！楽をしよう！

２．楽しいと思ったのものにのめりこもう
　　強みがあると強い
　　○○の○○さん

３．技術は手段であると心得よう
　　技術を目的にすると間違った方向に行くかも
　　技術はなくなるかもしれないが、ビジネス課題はなくならない
　　価値を提供することが主、手段はなんでもいい
　　　　→ゲームの基盤の共通化：開発効率下がった
　　　　→Ｘマイクロサービスがはやっているからうちも
　　　　→○Ａの部分は、更新頻度が高いので、切り離して
　　　　　　疎結合に構成して連携

４．いけてるアニキや仲間を見つけよう
　どうやって出会うのか
　　　コミュニティに参加する
　　　イベントで登壇する
　　　大学や会社で出会う

まとめ

最後に
　これらを最短に身につけるには、スタートアップＣＴＯ
　wantedlyでＣＴＯ，３４０件見つかる！！
　Ｌｅｔ'ｓチャレンジ！