2019-01-31の統計ニュース

×176

• 強化学習の基礎的な考え方と問題の分類

×54

• AI開発を円滑に進めるための契約・法務・知財

×41

• 汎用言語表現モデルBERTの内部動作を解明してみる - Qiita

×39

• [タイトルが取得できませんでした]

×36

• タウンワークにおける機械学習API@GKEの導入 - Speaker Deck

×28

• 英語版「ランダウ＝リフシッツの理論物理学教程」がオンラインで無料公開された。 - とね日記

×21

• Unity、AIをテストするゲーム「障害物タワー」を発表。ゲームAIの新たなベンチマークへ | Ledge.ai
• Optuna+LightGBMでハイパーパラメータチューニングしながらモデルを保存し、読み込む方法 - Qiita

×20

• CNN.co.jp : 南極より寒いシカゴ、氷点下５６度のミネソタ 米北部に猛烈な寒波

×18

• AI化して甦ったダリが来館者を出迎える「Dali Lives」フロリダのダリ美術館で開催。本人が作品解説 - Engadget 日本版

×16

• Jupyter Notebookの拡張機能を使ってみる - はしくれエンジニアもどきのメモ
• リブセンスにおける 機械学習システムの信頼性エンジニアリング - Speaker Deck

×11

• 近況を綴る。二足のわらじ生活-フリーランス/起業 - プログラミング・スタートアップについて綴るやつ

×10

• はてなブックマーク - 海外と日本の就職活動の歴然とした差を実感。海外大博士から見た就職活動 – はじめのすすめ
• D3 in Depth
• Machine Learning Casual Talks #8 LT - Speaker Deck

×8

• Most Popular Machine Learning Frameworks and Products Used |
• daskperiment · PyPI

×7

• Latest Episodes – backspace.fm
• Rebuild - Podcast by Tatsuhiko Miyagawa
• GitHub - koba-e964/rust-schreier-sims: An implementation of Schreier-Sims algorithm in group theory
• どうすれば脳を「理解」できるのか：「コンピュータチップの神経科学」から考える - researchmap

×6

• [1901.09749] Fairwashing: the risk of rationalization
• NVIDIA Container Runtime and Orchestrators | NVIDIA Developer
• bfloat16について - Google スライド
• [タイトルが取得できませんでした]

×5

• オデンボクム(오뎅볶음) －－ 韓国人が好きな韓国さつま揚げの炒め物 | 韓国料理店に負けない韓国家庭料理レシピ「眞味」
• MLCT 8で発表してきました - NSK’s diary
• タウンワークにおける機械学習API@GKEの導入 - Speaker Deck
• 18年の実質賃金は大半でマイナス 厚労省見解 :日本経済新聞

×4

• [1707.07012] Learning Transferable Architectures for Scalable Image Recognition
• Kubernetes on NVIDIA GPUsとは - Qiita

×3

• [1511.02296] The Sample Complexity of Auctions with Side Information
• TensorFlow モデルでの bfloat16 の使用  |  Cloud TPU  |  Google Cloud
• bfloat16について - Google スライド
• エムスリーにおける 機械学習活用事例と開発の効率化 - Speaker Deck
• Timescale raises $15 million for time-series data management tools | VentureBeat