はじめに Deep Learningを使った距離学習（Metric Learning）では、Contrastive LossやTriplet Lossなどを用いて、画像間の類似性（や非類似性）を直接学習していく方法が広く利用されていますが、学習データの組み合わせや選び方が難しく、学習自体が難航するケースが多い事も知られています。それだけに、これまで様々な改良と工夫が提案されています。 しかし、最近はこのような学習データ選びに難航することなく、一般的なクラス分類タスクの感覚で、Softmax関数をベースに学習できるMetric Learningが注目を浴びています。ArcFaceなどはその代表的手法でこちらで詳しく説明されています。 Softmax関数をベースにしたMetric Learningがうまくいく理由、またさらなる改良の余地はあるのか？これらに関して少し紹介しようと思います。 Ce
昨日TwitterでPMF(プロダクトマーケットフィット)に大切さについて書いたので、それについて、PMFがあるとどういう状況になるかという具体例、PMFのはかり方と見つけ方、を加えてNoteにします。この記事を書く理由は、PMFの大切さを伝えたい、多くの起業家にPMFを見つけてほしい(すなわち成功してほしい)からです。 1) 米国ではシリーズAの絶対条件がPMFでPMFがないとどんなにピカピカ優秀な経営陣でも無理。なぜならPMFが事業成功の唯一の必要条件で会社が潰れる最大の理由もPMF. PMFがあるかどうかは人に説明するものではなく、数値を見れば誰の目にも明らかなもの。Y conの教えを一言で言うとPMF見つけろ、です https://t.co/FsKxk7242d — Kenichiro Hara| DCM Ventures (原健一郎) (@kenichiro_hara) Janu
こんにちは、@chikathreesixです。エンジニア起業家としてAutifyというAIを用いたソフトウェアテストの自動化製品を開発するスタートアップのCEOをやっています。 この記事では、BtoBスタートアップがProduct Market Fitするために必須である「顧客のBurning needsを解決する」ことについて、アメリカのアクセラレーターAlchemist Acceleratorにて学んだ経験を元に書きました。 僕らがどのように顧客のBurning needsを見つけ、Autifyという製品にたどり着いたのか、その過程と失敗について共有することで、エンジニア起業家やBtoB SaaS起業家の方々の参考となれば幸いです。 ※BtoCには当てはまらないケースもあるかもしれませんが、僕はBtoCの事は全くわからないのでご容赦ください。 弊社は2019年の1月にアメリカのトップス
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
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
