👋
気になった記事 230822~
本
時系列分析と状態空間モデルの勉強
- Amazon.co.jp: 時系列分析と状態空間モデルの基礎: RとStanで学ぶ理論と実装 : 真哉, 馬場: 本
- この本。非常に読みやすく、斜め読みだが、全部読んだ。コードの部分は飛ばした
- 一部自分でpython版を実装してみたので、これは復習がてらまとめようかなと思う
シフト表の最適化の手法の勉強
- ナース・スケジューリング：問題把握とモデリング シリーズ：最適化モデリング | 池上 敦子, 室田 一雄, 池上 敦子, 土谷 隆, 日本オペレーションズ・リサーチ学会 | 数学 | Kindleストア | Amazon
- 数理科学による業務支援：シフトの自動生成｜homie株式会社｜住宅・不動産営業DX支援
- 仕事で高確率で使うことになるので基礎的な部分から勉強
- 非常に身近な題材なのに、知らなかった。
- 数理モデルとしては古くから良く研究されていたらしい
記事
Streamlitの調査
- 色々自分でもコード書いてみながら試していた。独自ドメインにdeployもした
- streamlitの調査をupdateした
開発生産性 Four Keys を簡単に可視化する
DORAというチームが研究した成果らしい
Four Keys
- (リリース)
- デプロイの頻度
- 変更のリードタイム
- (バグ対応)
- 変更障害率
- サービス復元時間
GCPでインスタンスを立てて、Githubのデータを取り込むことで簡易に計測できるとのこと
しかし米国はなんでもかんでも科学だなぁ
llama2のfine-tuningの具体例youtube
DoctorGPT: Offline & Passes Medical Exams! - YouTube
- llama2の中でも、最も小さい7billionパラメターのモデルを採用
- これを Medical データで fine-tuning
- 通常、人海戦術で行うreinforcement learning from human feedback (RLHF)を、GPTで代用
- Quantizationによりデータを圧縮
- これをApache TVM（Tensor Virtual Machine）使うことにより、iPhone上で動かすことに成功
- 作ったLLMは、医師免許試験に合格するレベル
出典:
週刊Life is beautiful ２０２３年８月２２日号：花火大会、徒歩で移動、GraphQ
https://www.mag2.com/m/0001323030
- まだ見れていない。でも気になっている
- Andrew Ng先生のfine-tuningの続編も出たし、合わせて見てみたい
分析のTips集
【随時更新】Kaggleテーブルデータコンペできっと役立つTipsまとめ - ML_BearのKaggleな日常
- EDAするとき、何するんやっけなとなりがちなのでこれ見返すと良さそう
sentence transformers
- finetuneが可能
- 文章検索ならこちらの方がいいのではないか?という説がある
- AI で文章をかしこく比較！ Sentence-Transformers のご紹介 | SBテクノロジー (SBT)
異常検知の手段
知らないの結構ある。あとで調べてみる
1. LOF
2. iForest
3. MSPC
4. AE
5. One-Class SVM
6. k近傍法
7. 混合ガウス
沖縄の人少なめ離島、黒島
中小企業120社で良い
- ポイントは月額20万の商品な気がした
- 中小企業にとっては結構な値段だけど、中小企業が払いたい課題を捉えているということ。そんなにある？
シンプルなKPIによる正しい時間の使い方
- 時間の使い方むずかしい
- 本当に重要な仕事にどれくらい時間が使えているのかは定点観測したほうがよさそう
- 上記を実行するための手段として、シンプルな定量目標を設定するのが重要ということかもしれない
- クリアになっていない場合は、施策の数というKPIを設定するのも良いのかもしれない
- 人を儲かっている会社と読み変えても成り立ちそう
みんな同じことを言っているように見えてくる
自分の顧客を持つ方法仮説
自分の顧客を持つためのプロセスは以下じゃないかという仮説のツイート
- ①"将来の決裁者"と深い関係を築く
- ②顧客内部の意思決定の流れを理解する
- ③常に競合に先駆けて情報を入手する
- ④自分にしかできない提案を作る
- ⑤最高品質でのデリバリし続ける
生成AI系のサービス
- 全部自前で扱えるようになりたいな
Discussion