ひきつづきKaggle中 - ゆるいブログ

よみ返すと人に読ませる文章になってないですね。

Titanic問題で正答率80%くらいでした。

結局GridSearchCVでハイパーパラメータのチューニングをしようにも、どのパラメータをチューニングすれば結果に効いてくるのかがわからない状態です。

まあ適当なチューニングでもKaggleの上位10%には入りそうだから悪くはないんだけど、もう少し頑張りたい。

こちらもKerasネタ。

複数のモデルを組み合わせてより良い結果を出すという機械学習の手法です。

Kerasの最もメジャーな手法で、実装も単に複数のモデルを組み合わせるだけで良いので簡単。実行時間もモデル数倍増えるだけなので計算不能とかにはならない。

という便利な手法です。

タイタニック問題の例はこのあたり。

組合せれば性能が良くなるのはわかったけど、何と何を組み合わせればいいのかとかメタモデルは何にすればいいのかあたりがよくわからないので勉強中。やっぱりわからん

ググれば一杯資料は出てくるのでかたっぱしから読書中です。

面接官を2人でやったら、もう片方から評価が辛口だとドン引きされた話。

今の会社というかチームはみんな優秀かつおっさんエンジニアが多すぎてエンジニアを見る目がおかしくなっているような気がしています。

即興でそこそこ妥当性のある設計ができて当たり前とか、特定の技術を語る時に自分なりの観点を含めて長所短所を述べることができて当たり前とか。

直すべきかどうか悩むけど、やっぱりイケてないものをイケてないと判断できるのは専門家として大事なので特に反省はしない。

正確にはその会社の広報チームから宣伝メールがよく届きます。

どうみても上場直前にしか見えなくて、億くらいのストックオプションだろうなあ、いいなあと思いました。いや、まあ上手くいっている人の方を見ても仕方ないんですが。率直にぶちまけると羨しい(直球)。

投資でそのくらい稼げたらハッピーなんだけども、なかなか難しいですね。

社長は株をそう簡単に売れないし、事業も放り出せないのでIPO企業の幹部とか最高ですよね。まじで。いいなあ。

ベンチャーの社長とか、ベンチャー関係者の知り合いが多そうなのでこんな感じで周囲が大金稼いでいくのを指を咥えて眺めてるんでしょうね。

辛いなあ。

昨日Kindleで買ったので感想。

エンジニアは安くなるということでした。

簡単である、というのは同意できるんですが、現実に出来る人は意外と少ないので思った程安くはならないんだろうなあ。とは思いました。

論理的に部品を組み立てて一つの大きな部品を作るというのは意外とそんなに誰にでもできることではないのではないかな。と思ったのですが、そこが数人のエキスパートで良いと書かれているのか。うーん、言われた通りに組んで作るだけなら、まあ確かに安くなる気がしますね。

エンジニアリング能力はあって当たり前でプラスアルファが求められる世界になるんだろうな、と思います。