著者情報
-
米国ハワイ州出身。2014年に米国マサチューセッツ州の Williams College を物理学と日本語学の二重専攻で卒業後来日。株式会社ロンウイットでランキング学習など機械学習を中心に、製品開発や顧客コンサルティングの業務に従事。米国の Georgia Institute of Technology のコンピュータ科学修士課程に在学中。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
執筆記事
-
2019/09/06【SIGIR 2019 レポート】情報検索の重要カンファレンスで発表された、ランキング学習や評価手法の研究
2019年7月21日～25日に開催されたSIGIR 2019に参加してきました。SIGIRは「Special Interest Group on Information Retrieval」の略で、毎年開催されるカンファレンスは情報検索の分野において最も重要なカンファレンスといわれています。今年のカンファレンスでは、LTR（Learning to Rank、ランキング学習）、リコメンデーション、評価、クエリパフォーマンスなど、多様な研究テーマについての発表がありました。
-
2018/12/17話題の「ランキング学習」とは？ 回帰法・分類法との違いからモデル構築まで
近年、「AI」という言葉をよく見かける背景には、機械学習を使った多様な手法による飛躍的進歩があります。この機械学習の主な手法の1つに「教師あり学習」があります。 教師あり学習には大きく分けて2つのタイプがあります。1つは、ある画像を「犬か否か」推定、あるいは「犬、猫、鳥」のどれに分類されるか推定する「分類」です。もう1つは、ある出来事が起こる確率を推定する「回帰」です。どちらのタイプも教師あり学習ではよく用いられますが、本記事で紹介する「ランキング学習」は一般的な「分類」や「回帰」とは 少し異...
2件中1～2件を表示
