機械学習で負荷を予測し備えるPredictive Scaling（予測スケーリング）機能がAWSのAuto Scalingに追加 AWSは負荷に対応してサーバ数を自動的に増減させるAmazon EC2 Auto Scaling（以下、Auto Scaling）と呼ばれる機能を提供しています。 Auto ScalingはサーバのCPUの使用率やネットワークのトラフィックなどのメトリクスをつねにチェックし、それが一定数を超えた場合にはサーバ数、すなわちAmazon EC2のインスタンス数を増加させ、一方で一定数を下回るとインスタンス数を減少させるといった操作を自動的に行ってくれます。 このおかげでアプリケーションは負荷が高いときでも適切な性能を実現できるだけでなく、負荷が小さいときには無駄なインスタンスを終わらせることで適切な使用コストも実現できるのです。 Auto Scalingは便利な機能
4. 4 現在急速に進化している２つの技術 • 統計的機械学習 – 過去データの統計的パターンを用いて将来を予測する技術 • 例１．Google: 大量の猫画像で訓練し、「これは猫か」を判別させる • 例２．Amazon:「これを買った人はあれも買っています」 – 基本的に統計 • 未来が過去の繰り返しでないと無力 • 異常事態には対応できない、臨機応変な対応はできない • 数理最適化 – 所与のルールの下で、所与の目的関数を最大化する打ち手を探索する技術 • 例１．カーナビ： 「最短時間で目的地に着く」 • 例２．AlphaGo Zero ：「ゲームに勝つ」 – ルール・目的関数が不完全だと、不適切な解が見つかることもある • 人：「コーヒーをとってきて」 • ロボット： スタバへ行き、列に並んでいる他の客を殺してコーヒーをとってくる – 目的達成の意味では正しいが… 「やって欲しくない
はじめに 東大松尾研のデータサイエンティスト養成講座を受けてみて、アウトプットしないのももったないので、今後データサイエンティストを目指そうという方に向けて自分がためになったと思ったことをつらつらと書いていきます。 データサイエンティストとは（定義） ビジネスの課題に対して、統計や機械学習（数学）とプログラミング（IT）スキルを使って解決する人 次のうちどれかが欠けてもデータサイエンティストとは言えない 数学や統計の知識 実装できるエンジニアリング能力 ビジネス課題を解決していくコンサルティング能力 参考URL: https://www.zs.com/services/technology/technology-services/big-data-and-data-scientist-services.aspx これを聞くとデータサイエンティストになるにはすごい難しいと自分は感じました。
前置き 自然言語処理分野の博士課程の学生です。言語理解みたいなものが興味の対象です 自然言語処理の研究に悩む の続きのつもりです（あらすじ参照） まだ悩んでいる あらすじ 自分の研究的なトピックは「機械による読解 machine reading comprehension 」です。雑に言うと、言語理解のモデル化のひとつの手段として「国語の文章題が解けるようなシステムを作る」のがこのトピックの目標です。ここ2,3年でそれなりな流行を見せており、大規模（問いが数万個、の単位）なデータセットが数多く出てきて、それを解くようなニューラルなシステムがたくさん提案されています。中には人間の精度に匹敵する性能を出せたものもあります。 しかしこのような進展を見ても、システムに人間と同等の文章読解力があるとは到底思えない感じがします。システムを評価する側のデータセットが簡単そうに見える、というのが大きな理由
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
