ざっくり3行で言うと、 Claude Code を作った Boris Cherny 本人が「もうプロンプトは書いてない」と言い出した レバレッジが「いいプロンプト」から「いいループ設計」に移っている、らしい ただ、これを自動運転と勘違いするとたぶん事故る はじめに：あの人がもうプロンプトを書いていない ある日、X のタイムラインを眺めていたら、こんな引用が流れてきました。 Boris Cherny（Claude Code 責任者） "I don't prompt Claude anymore. I have loops running that prompt Claude. My job is to write loops." （もう Claude にプロンプトは出していない。Claude にプロンプトを出す「ループ」を走らせている。私の仕事はループを書くことになった） …ちょっと待ってほ
はじめに こんにちは。ぐぐりら(guglilac)です。 今回は最近興味を持って調べているField-awareなFactorization Machinesの近年の動向をまとめてみようと思います。 Factorization Machinesが提案された2010年から、Factorization Machines関連の研究はいくつかの方向に進んできました。 例えば、Factorization MachinesをDeep Learningと組み合わせた研究はその主流の一つで、xDeepFM [Lian+, KDD2018]までの流れが以下の記事でまとめられています。 DeepなFactorization Machinesの最新動向 (2018) 今回紹介するFieldという概念に関わるFactorization Machinesは、Deep + Factorization Machines
Deceptive patterns (also known as “dark patterns”) are tricks used in websites and apps that make you do things that you didn't mean to, like buying or signing up for something. For example:
Click on nodes to expand. Expand all Collapse all mechanisms modifiers Netblock Occurrences Domain Record DNS lookups needed to validate the record This SPF record exceeds the maximum of 10 DNS lookups. Often, unnecessary entries can be safely removed after evaluating DMARC data. To learn how to address the "Too many lookups" issue, read our guide here: This record has a high lookup count. Review
友人とのおしゃべりの中で、仕事に向き合うスタンスについて話が及びました。いい振り返る機会あったので、特に組織での意思決定と実行のプロセスにおける自分のスタンスを言語化してみました。 わたしの仕事への向き合い方 ステートメントとしては、「よりよい未来を模索するための全力の議論、ノーサイドの精神、決定への120%コミットメントとして誰よりもその決定を体現する」です。 よりよい方向に皆でむかえるように、場の雰囲気の忖度をせず、権威勾配に流されることなく、ひとりのプロフェッショナルとして気骨を持って、議論の場では率直に意見を述べ、健全な疑義や代替案を提示する。しかし一度決定がなされたら、感情的しこりを残さないノーサイドの精神で、決定に全力でコミットし実行することを心がけています。 この背景には、「Problem vs Us」「disagree and commit」「ノーサイド」といった原則があり
今回は、何も知らないところからバンディットアルゴリズムを学びました。 シンプルなバンディットアルゴリズムから、各ユーザーごとに最適化するContextual Bandit、順序を最適化するCascading Banditまで解説します。 学んでいて疑問に思ったことを解消しつつ記載しています。 ソースコード https://github.com/birdwatcherYT/bandit 対象読者 バンディットアルゴリズムを理解して実装したい人 ユーザーごとにカスタマイズしたバンディットを理解して実装したい人（Contextual Bandit） 順序を最適化するバンディットを使いたい人（Cascading Bandit） バンディットアルゴリズム バンディットの問題設定を説明します。 スロットマシンN台がある スロットマシンの腕を引くと報酬がもらえる 累積報酬を最大化したい バンディットアル
はじめに 先日, TwitterでArtwork Personalization at Netflixという記事が話題になっていました. 実は, この記事が元になったセッションもRecsys18という推薦システムにおいて世界最大の国際会議で催されていたようです（資料）. この記事の主題は, Netflixが配信しているコンテンツのArtwork（いわゆるサムネ）をユーザーごとに最適化することで, より良いユーザー体験を届けたいというものです. 以下の画像のように一つの作品をとってもたくさんのArtworkの候補が考えられます. その作品の中でどの場面を切り取るかによって, 個々がその作品に興味を抱く度合いは変わってくると思われます. ロマンスが好きな人にはカップルが映るシーンを, コメディが好きな人には有名なコメディアンが映るシーンを用いたArtworkがいいんじゃないかみたいなことです（
By Ashok Chandrashekar, Fernando Amat, Justin Basilico and Tony Jebara For many years, the main goal of the Netflix personalized recommendation system has been to get the right titles in front each of our members at the right time. With a catalog spanning thousands of titles and a diverse member base spanning over a hundred million accounts, recommending the titles that are just right for each mem
What’s Hurl? Hurl is a command line tool that runs HTTP requests defined in a simple plain text format. It can chain requests, capture values and evaluate queries on headers and body response. Hurl is very versatile: it can be used for both fetching data and testing HTTP sessions. Hurl makes it easy to work with HTML content, REST / SOAP / GraphQL APIs, or any other XML / JSON based APIs. # Go hom
さて，今回からモデリングのお話へとうつっていきます． 最終目標は「機械学習の生存時間分析モデルの紹介」ですので，まだまだ先は長そうです．こんなシリーズでもお付き合いいただける方がいましたら嬉しく思います． 本記事の項目は以下となります． 1. セミノンパラメトリックモデル前回の記事では，2 群（介入群・対照群）における Kaplan - Meier 生存曲線（KM 生存曲線）に差があるかないかを検定するログランク検定をみてきました． 生存時間分析は大別すると，以下の 3 種類に分けることができます． ノンパラメトリックモデル 確率分布を仮定せず，また共変量（説明変数）を使用しない． セミノンパラメトリックモデル 確率分布は仮定しないが，共変量は使用するモデル．確率分布を仮定しないことに伴う利点・欠点の両方がある． パラメトリックモデル 指数分布やワイブル分布といった確率分布を仮定し，共
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
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
