Tatsuya

機械学習エンジニア @wantedly

[chimuichimu @chimuichimu1]

本日の勉強会では、Airbnbのインターリービングと反実仮想による検索ランキング評価の研究、推薦の公平性・
多様性のサーベイ、GCNの人気バイアス緩和の研究が紹介されました！#Wantedly機械学習輪講 https://t.co/AeLx2artXQ

[chimuichimu @chimuichimu1]

来週のJSAIに現地参加します！参加される方はぜひブースでお話しましょう！

ウォンテッドリーは JSAI2026 にプラチナスポンサーとして協賛し、インダストリアルセッションにて登壇します | Wantedly Engineer Blog by @chimuichimu1 #wantedly https://t.co/31MUN22fNK

[野川の側 @nogawanogawa]

書きました！
DCN V2を用いたオンライン推論モデルの検証 | Wantedly Engineer Blog
https://t.co/sPO5Gs03Sc

[自由人 @python_walker]

本日の勉強会では、検索リランキングを事業成果につなげるDMMの事例、HERPの推薦・LLM活用の技術課題、事前学習モデル向けベンチマーク構築、学習率減衰なしの事前学習LLMの研究などが紹介されました！ #Wantedly機械学習輪講
https://t.co/mBvoutrvi7

[Tatsuya @ghibney]

先日 DMM さんの Strategic Search & Recommendation Meetup #4 で発表してきました！

懇親会含めて多くの方とお話しでき、大変刺激になりました。

発表資料はこちら https://t.co/vwE2OLyUGF

#StrategicSearchRec

[O'Reilly Japan @oreilly_japan]

「オライリー学習プラットフォーム」からのお知らせです。
2026年5月22日発売の新刊『LLMOps ―本番環境における大規模言語モデル運用ガイド』が早くも「オライリー学習プラットフォーム」でお読みいただけるようになりました！
https://t.co/qwHatLOOCN

[redtea @Syuiro_2]

回帰分析に関する記事を書きました。

決して初心者向けの記事ではないです。
OLSの幾何学的理解から始まり、ガウスマルコフの定理の仮定からのズレ、因果推論、DMLまでつながっていきます。

回帰分析って知ってますか？
https://t.co/m2BaPeBRW9

[usaito @usait0]

Strategic Search & Recommendation Meetupという勉強会を5月25日(月) 夜に開催します。今回は検索レコメンドモデルの学習ではなく問題設計の工夫を行うことで、ABテストで事業貢献を実証した2つの事例に関する講演を予定しています。お時間ある方は是非ご参加ください。
https://t.co/iIcyo11tiD

[逆瀬川 @gyakuse]

Gemini 3.5 Flash, ﾒﾁｬ汚い手書き文字OCR界隈としては最強性能です。新規検証しました。
https://t.co/nvQjivZT0C

[Tatsuya @ghibney]

本日の勉強会では、シーケンシャル推薦で LLM をプラグイン的に使う手法、LightGBM の多目的最適化ライブラリ、GNN ベース推薦における自己教師あり学習のためのデータ拡張の自動化に関する研究が紹介されました！ #Wantedly機械学習輪講
https://t.co/CnuIebgCbd

[Kazuki Obata @donkomura_]

書きました！（記事リンクはリプライ参照）

論理レプリケーションを使ってリアルタイムデータ転送を実現する | Wantedly Engineer Blog

[野川の側 @nogawanogawa]

書きました！
相互推薦の集約をマルチタスク学習でパーソナライズする | Wantedly Engineer Blog https://t.co/iWVDjKLLPq

[O'Reilly Japan @oreilly_japan]

「オライリー学習プラットフォーム」からのお知らせです。
翔泳社さん刊行の書籍が大幅に追加され、現在170点以上をお読みいただけるようになりました！
詳細な書籍リストはコチラのリンクよりご確認ください！
https://t.co/e2ONAujtWH

[Tatsuya @ghibney]

直近に実験した結果を Blog にまとめました！

LLMでのリランキングを検証した話 | Wantedly Engineer Blog by @ghibney https://t.co/XFdRW206e0

[chimuichimu @chimuichimu1]

本日の勉強会では、文書を階層化しSkillの枠組みでAgentic searchする研究、LLMベース推薦を強化学習で柔軟化する研究、VAEベースの推薦でユーザ表現のブレを抑えた手法、マルチタスクランク学習のDNNフレームワークが紹介されました！#Wantedly機械学習輪講 https://t.co/lSFmQhzNiK

[Tatsuya @ghibney]

/genshijin 試してみました

[自由人 @python_walker]

本日の勉強会では、キーワード検索でRAG並み性能を達成する研究、多言語スケーリング則、ABEMAの広告効果検証、Embedding自動プロンプト最適化、DMM LambdaMARTリランキング事例などが紹介されました
#Wantedly機械学習輪講
https://t.co/aTVMgVgt8P

[Tatsuya @ghibney]

いろんなアプリでダークモードを使っているけど、文章の推敲とかはライトモードの方が楽にできる気がする

[Takato Honda, Ph.D. @t_honda]

㊗️時系列基盤モデルを凌駕する時系列予測モデル「FLAIR: Factored Level And Interleaved Ridge」をリリースしました㊗️

全ての設計判断に最小記述長（MDL）原理を貫いています。周期選択はSVDスペクトルのBIC、ShapeはDirichlet事後分布による縮約、Shape₂の事前分布もBICで選択、Ridgeの正則化はGCVソフト平均。ハイパーパラメータは0、SVDは1回、コードは約500行、依存はnumpyとscipyだけで、最高速度&最高精度を達成しました。

Chronos Benchmark（25データセット）ではMoirai-Large（1Bパラメータ）やChronos-T5-Large（710M）を含む全19手法中1位を達成しました。GIFT-Eval（97構成・53手法）でも統計手法として最高精度で、relMASE 0.864はGPU訓練のPatchTSTに迫る水準です。

本当に時系列基盤モデルって必要ですか？

pip install flaircast で3行から使えます。
GitHub: https://t.co/ptVh6tAasS

[自由人 @python_walker]

本日の勉強会では、LLMベースのretrieval刷新によるLinkedIn Feedの再設計、CLIPを活用したみてねの自然言語画像検索、ZOZOのEmbedding基盤による汎用推薦、MLプロジェクトをEnd-to-Endで自律実行するMetaのAIエージェントなどが紹介されました！#Wantedly機械学習輪講
https://t.co/v8btczPDcm