Created
June 3, 2015 04:13
-
-
Save snj/6e2cee8165b3f5e6bf79 to your computer and use it in GitHub Desktop.
AWS Summit 2015 Day2
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
機械学習の導入を容易にする。 | |
例:スパム判定。送信者ドメインやIP,時刻、言語といったファクト(教師データ)をもとにモデルをトレーニングし、未来予測対象のデータのスパム判定を行う。二項分類。 | |
例2:ECサイトの商品のカテゴライズ。商品名、価格、メーカーなどの教師データをもとに、日用品なのか、食品、本なのかなどを予測対象データにたいして判定する。 | |
例3:明日の売上はどのくらいか。過去の売上データ群から、一番もっともらしい範囲で。曜日、天気、気温などの要素。数値を元に。線形回帰分析。 | |
スマートアプリケーションを作るには | |
1.機械学習への理解 | |
2.R,Pythonなどの知識 | |
3.特定のビジネス分野への知見(金融、広告など) | |
AMLはこれらを容易にする。 | |
提供するもの: | |
・アルゴリズム | |
・パッケージサービスとしての提供 | |
・スケーラビリティ | |
扱える予測モデルとアルゴリズム | |
1.二項分類 | |
2.他クラス分類 | |
3.回帰分析 | |
モデルの品質評価 | |
料金 | |
分析、評価、モデルトレーニング $0.42/インスタンス時 | |
バッチ予測 $0.10/1000 | |
リアルタイム $0.10/1000 | |
リージョンはus-east-1のみだが、他のリージョンのS3も利用可能 | |
機械学習を活用するために’解決したい問題を落としこむ必要がある。 | |
広告の不正クリック選出:クリックログ。不正かどうかを別の手法で判断してフラグがついたもの。問題の分類:二項分類。出力:ログ一行ごとに不正クリックかそうでないか。 | |
デモグラ推定:でもグラがわかっているユーザーの行動ログ。他クラス分類。ユーザーのかとごライズされたデモグラ。 | |
顔写真から特定の人物かどうか判定する。 | |
教師データの例:教師データの形式、入力値、 | |
・顔写真から特定の人物を判定するデモ | |
教師データ:画像情報のビットマップのCSV。末尾に 1 or 0 (Binary) | |
予測方法にはバッチ処理とリアルタイムAPIの二種類がある。 |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment