Soumettre la recherche
Mettre en ligne
機械学習の精度と売上の関係
•
424 j'aime
•
47,026 vues
Tokoroten Nakayama
Suivre
最近考えていることをつらつらと
Lire moins
Lire la suite
Technologie
Signaler
Partager
Signaler
Partager
1 sur 14
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AI
Shota Imai
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
Sho Takase
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII2020SS: グラフデータでも深層学習 〜 Graph Neural Networks 入門 〜
SSII
最適化超入門
最適化超入門
Takami Sato
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
文字認識はCNNで終わるのか?
文字認識はCNNで終わるのか?
Seiichi Uchida
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
ManaMurakami1
Contenu connexe
Tendances
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
Superpixel Sampling Networks
Superpixel Sampling Networks
yukihiro domae
【メタサーベイ】Video Transformer
【メタサーベイ】Video Transformer
cvpaper. challenge
一般向けのDeep Learning
一般向けのDeep Learning
Preferred Networks
それはYAGNIか? それとも思考停止か?
それはYAGNIか? それとも思考停止か?
Yoshitaka Kawashima
DRIVE CHARTを支えるAI技術
DRIVE CHARTを支えるAI技術
Yusuke Uchida
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
Tokoroten Nakayama
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
Deep Learning JP
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
最適化計算の概要まとめ
最適化計算の概要まとめ
Yuichiro MInato
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
統計的係り受け解析入門
統計的係り受け解析入門
Yuya Unno
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
論文紹介:Grad-CAM: Visual explanations from deep networks via gradient-based loca...
論文紹介:Grad-CAM: Visual explanations from deep networks via gradient-based loca...
Kazuki Adachi
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
Tokoroten Nakayama
Data-centricなML開発
Data-centricなML開発
Takeshi Suzuki
Tendances
(20)
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Superpixel Sampling Networks
Superpixel Sampling Networks
【メタサーベイ】Video Transformer
【メタサーベイ】Video Transformer
一般向けのDeep Learning
一般向けのDeep Learning
それはYAGNIか? それとも思考停止か?
それはYAGNIか? それとも思考停止か?
DRIVE CHARTを支えるAI技術
DRIVE CHARTを支えるAI技術
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
[DL輪読会]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
機械学習の理論と実践
機械学習の理論と実践
最適化計算の概要まとめ
最適化計算の概要まとめ
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
統計的係り受け解析入門
統計的係り受け解析入門
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
論文紹介:Grad-CAM: Visual explanations from deep networks via gradient-based loca...
論文紹介:Grad-CAM: Visual explanations from deep networks via gradient-based loca...
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
Data-centricなML開発
Data-centricなML開発
Similaire à 機械学習の精度と売上の関係
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
満徳 関
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
Google Cloud Platform - Japan
20180119_3_セキュリティカメラを使用したCRMソリューション「おもてなしサポートシステム」
20180119_3_セキュリティカメラを使用したCRMソリューション「おもてなしサポートシステム」
IoTビジネス共創ラボ
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Hajime Sano
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
Yutaka KATAYAMA
実証実験報告セミナー資料 20180328(抜粋版)
実証実験報告セミナー資料 20180328(抜粋版)
BrainPad Inc.
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Daiyu Hatakeyama
コンピュータビジョン技術の実応用とビジネス
コンピュータビジョン技術の実応用とビジネス
Yusuke Uchida
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
リーンスタートアップ7,8章
リーンスタートアップ7,8章
satomi ikoma
Microsoft de:code 2019 AI05 session
Microsoft de:code 2019 AI05 session
Ridge-i
Prig 残業泥棒 - 01. プロローグ 120121 杉浦
Prig 残業泥棒 - 01. プロローグ 120121 杉浦
urasandesu
Similaire à 機械学習の精度と売上の関係
(12)
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
リーンスタートアップとスマートなエンジニアリングの葛藤 2017/06改訂版 #bpstudy #agilejapan #postudy
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
20180119_3_セキュリティカメラを使用したCRMソリューション「おもてなしサポートシステム」
20180119_3_セキュリティカメラを使用したCRMソリューション「おもてなしサポートシステム」
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
Kinesis→Redshift連携を、KCLからFirehoseに切り替えたお話
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
実証実験報告セミナー資料 20180328(抜粋版)
実証実験報告セミナー資料 20180328(抜粋版)
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
コンピュータビジョン技術の実応用とビジネス
コンピュータビジョン技術の実応用とビジネス
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
リーンスタートアップ7,8章
リーンスタートアップ7,8章
Microsoft de:code 2019 AI05 session
Microsoft de:code 2019 AI05 session
Prig 残業泥棒 - 01. プロローグ 120121 杉浦
Prig 残業泥棒 - 01. プロローグ 120121 杉浦
Plus de Tokoroten Nakayama
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
Tokoroten Nakayama
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
Tokoroten Nakayama
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
Tokoroten Nakayama
心理的安全性の構造 デブサミ2019夏 structure of psychological safety
心理的安全性の構造 デブサミ2019夏 structure of psychological safety
Tokoroten Nakayama
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
Tokoroten Nakayama
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Tokoroten Nakayama
データマイニングの話詰め合わせ
データマイニングの話詰め合わせ
Tokoroten Nakayama
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたこと
Tokoroten Nakayama
難易度ボラタリティグラフという分析手法
難易度ボラタリティグラフという分析手法
Tokoroten Nakayama
インターネット上の情報発信手段の変遷 情報発信の簡易化
インターネット上の情報発信手段の変遷 情報発信の簡易化
Tokoroten Nakayama
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
Tokoroten Nakayama
機械学習ビジネス研究会(未踏研究会)
機械学習ビジネス研究会(未踏研究会)
Tokoroten Nakayama
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
Tokoroten Nakayama
失敗から学ぶデータ分析グループのチームマネジメント変遷
失敗から学ぶデータ分析グループのチームマネジメント変遷
Tokoroten Nakayama
プロダクション環境でオンラインで機械学習を動かすにあたってツライ話 #MLCT
プロダクション環境でオンラインで機械学習を動かすにあたってツライ話 #MLCT
Tokoroten Nakayama
特徴ベクトル変換器を作った話 #dogenzakalt
特徴ベクトル変換器を作った話 #dogenzakalt
Tokoroten Nakayama
特徴ベクトル変換器を作った話
特徴ベクトル変換器を作った話
Tokoroten Nakayama
jubatusのECサイトへの適応 #jubatus_hackathon
jubatusのECサイトへの適応 #jubatus_hackathon
Tokoroten Nakayama
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
Tokoroten Nakayama
DAUを評価指標から捨てた会社の話 #tokyowebmining
DAUを評価指標から捨てた会社の話 #tokyowebmining
Tokoroten Nakayama
Plus de Tokoroten Nakayama
(20)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
ラボラトリーオートメーションのためのソフトウェア思想教育(非プログラマ―が知っておくべきプログラミングの本質)
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
心理的安全性の構造 デブサミ2019夏 structure of psychological safety
心理的安全性の構造 デブサミ2019夏 structure of psychological safety
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
心理的安全性と、Veinの紹介 Psychological safety and introduction of Vein
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
データマイニングの話詰め合わせ
データマイニングの話詰め合わせ
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたこと
難易度ボラタリティグラフという分析手法
難易度ボラタリティグラフという分析手法
インターネット上の情報発信手段の変遷 情報発信の簡易化
インターネット上の情報発信手段の変遷 情報発信の簡易化
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会 #ml_business
機械学習ビジネス研究会(未踏研究会)
機械学習ビジネス研究会(未踏研究会)
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷
失敗から学ぶデータ分析グループのチームマネジメント変遷
プロダクション環境でオンラインで機械学習を動かすにあたってツライ話 #MLCT
プロダクション環境でオンラインで機械学習を動かすにあたってツライ話 #MLCT
特徴ベクトル変換器を作った話 #dogenzakalt
特徴ベクトル変換器を作った話 #dogenzakalt
特徴ベクトル変換器を作った話
特徴ベクトル変換器を作った話
jubatusのECサイトへの適応 #jubatus_hackathon
jubatusのECサイトへの適応 #jubatus_hackathon
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
DAUを評価指標から捨てた会社の話 #tokyowebmining
DAUを評価指標から捨てた会社の話 #tokyowebmining
Dernier
2024 04 minnanoito
2024 04 minnanoito
arts yokohama
2024 03 CTEA
2024 03 CTEA
arts yokohama
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
Industrial Technology Research Institute (ITRI)(工業技術研究院, 工研院)
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
ssuser370dd7
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
arts yokohama
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
Shumpei Kishi
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
Tetsuya Nihonmatsu
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
Matsushita Laboratory
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
arts yokohama
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
Ayachika Kitazaki
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
ssuser539845
Dernier
(11)
2024 04 minnanoito
2024 04 minnanoito
2024 03 CTEA
2024 03 CTEA
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
機械学習の精度と売上の関係
1.
データ分析精度と売上曲線 中山ところてん
2.
今日の話 データサイエンティスト協会の資料より引用 http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
3.
ビジネスモデルを考える 売上 精度 ①:リニア型 ②:早期飽和型 ③:ロジスティック型 ④:Winnar Takes All型 ⑤:バイアス型
4.
ビジネス面の制約条件を考える • 「人工知能で何とかしてください」 • この案件はどのタイプの利益モデルか? •
人間のリプレイスが目的なので、人間より精度が高ければよい? • 今の人間の精度は95%位なので、それよりも精度が高くなければ使えない • 今の人間の精度は60%位なので、それよりも精度が高くなければ使えない • 60%であれば、簡単なルールベースや画像処理で到達できる可能性が高い • 機械学習を使わなくても改善が出来る • 要求される精度次第で、使う技術が異なる • 自らの立ち位置によって、精度売上曲線の意味が変わってくる • 内製と下請け
5.
YahooとGoogle • Yahooは自社の検索ビジネスをロジスティック型だと思い込んでいた • これ以上投資しても売上が増えないと思っていた •
http://blog.livedoor.jp/lionfan/archives/52682119.html • GoogleはYahoo以上の投資を行い、市場を全部奪い取った • 情報検索市場は、Googleによってロジスティック型からWTA型へ 売上 精度 Yahoo Google
6.
NetflixとAmazon • NetflixやAmazonはバイアス型のビジネスモデル • 既存ビジネスが利益を生む状態 •
機械学習により追加の売上が得られる • 少しの改善が大きな利益を生む状態になっている • 既存ビジネスの余剰利益が、機械学習への投資を可能にする 売上 精度
7.
外注と内製 • 外注の場合ロジスティック型になってしまう • 精度が一定以上超えたら検収 •
精度をより高めても、外注の場合売上が増えない 売上 精度 内製 外注
8.
ハイリスクハイリターン、Winnter Takes Allモデル •
情報検索や翻訳などは、この領域に突入 • 医療や自動運転などの安全が要求されるものもこのタイプ • このような案件を1から始めるのは危険すぎる • スモールスタートが出来ない • 外注の場合、精度が出なかったときのリスクがデカすぎる 売上 精度
9.
問題を変換して、スモールスタート可能にする • 自動運転車の例 • 自動運転技術を段階化することで、マーケットが受容可能にする •
レベル1:運転支援 自動ブレーキ、アダプティブクルーズコントロール(ACC) • レベル2:部分運転自動化 ハンドル操作、加減速の支援、ACCの拡張 • レベル3:条件付き自動運転 天候や交通量などの条件が整った環境での自動運転 • レベル4:高度自動運転 条件が整った環境では乗員が不要になる • レベル5:完全自動運転 どんな条件でも自律的に走行してくれる 価値 精度 価値 精度
10.
超危険な案件 • データ分析の精度が高いことを前提にした新規ビジネス • これが設定されるとヤバい •
精度が上がらないと死 • ユーザがいないので精度も上がらない • 精度が上がらないとユーザが付かない • こういう案件からは今すぐ逃げろ!!! 価値 精度
11.
問題を変換して、スモールスタート可能にする • BIの導入から行う • 「人工知能で何とかしてください」系の雑案件にはBI投入で応える •
BIを導入して、基礎KPIから会社の改善を行い、ベースラインを提供 • ベースラインを提供している間に、機械学習で改善できるものを見出す 価値 精度 価値 精度
12.
データ分析のコストと売上の関係性 • 単価がでかくてボリュームが大きいものほど改善幅は大きくなる • 単価が安くてボリュームが小さいものに対するデータ分析は、コストメリットが出ない •
データ分析のコストと、売上の関係性を考える • より多くのデータを取れば、それだけ精度は上がるがコストも上がる • 必要以上のデータを取りすぎて赤字になることもある • ムーアの法則を考慮する • ストレージとCPUは年々値下がりする • ただし、クラウドの値下がりは、それよりも遅い • 場合によっては自前でDCを構築することもある Ex) Dropboxの上場目論見書 • 将来コストが下がることを前提に多めにデータをとっても良い • 感覚値 • 機械学習で性能改善できるのは30%(というのが私の感覚値) • それ以上の改善を要求された場合は、企画からやったほうがいい
13.
ビジネスの握りで、課題の成否は決まる • アルゴリズムだけを学んでいても問題解決できない データサイエンティスト協会の資料より引用 http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
14.
まとめ • 機械学習の精度と売上の曲線を意識する • 精度と売上の曲線を変形できないか考える •
ビジネスの握り次第で、曲線の形は変わる • 機械学習とビジネスモデルをセットで考える • 機械学習をスモールスタート可能な状態を作り出す • スモールスタート可能にすることで、ローリスクハイリターンの環境を 作り出し、持続可能なビジネスを形成する
Télécharger maintenant