TwiScan
人気
コミュニティ
アカウントコレクション
ログイン
登録
English
日本語
한국의
简体中文
繁体中文
登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。
今すぐ登録
Haruki Sonehara / 🇺🇸シリコンバレー企業のプロダクト戦略
@Haruki_Sonehara
Product Lead
@SamsungUS
|ex
@LinkedIn
他|在🇺🇸20年目|プロダクト・AI・新規事業の重要な意思決定を支援。顧客理解・戦略・KPI・組織をつなぎ、実行から学べる組織へ|著書3冊|Udemy 5万人|ご相談はリンクから|フォローで、世界のプロダクト経営の一次情報と実践知を毎週お届け
参加 February 2009
905
フォロー中
14.1K
ファン
Haruki Sonehara / 🇺🇸シリコンバレー企業のプロダクト戦略
@Haruki_Sonehara
2026.06.20 22:00
テスラのAIエンジニアさん、めちゃくちゃいいこと言ってる。 多くの人が「機械学習のプロジェクト=モデルの学習がほとんど全部(99%)」だと思ってるが、実際は全然違う。 1. モデルの性能をちゃんとチェックする評価:50% 2. データのゴミを掃除したり整えたりするデータクリーニング:40% 3. システムに組み込む作業:8% 4. 実際にモデルを訓練する作業:わずか2% 大事なのは最初の2つ。 評価とデータ整備で「学習できる限界」が決まる。どんなにすごいモデルでも、与えられたデータの質を超えて賢くはなれない。 データが汚かったり、ラベル(正解の付け方)が曖昧だと、モデルはそれ以上のことは学べない。 だからオントロジー(データにちゃんと意味やルールを付ける作業)を毎日考える必要があるし、古いラベルも見直し続ける必要がある。 ラベルが間違ってると、モデルが根本から勘違いしたまま学習してしまうから。 要するに、モデルを強くするより、データと評価をちゃんと整える方がよっぽど大事ということ。
もっと見る
0
0
10
1.3K
201
コミュニティへ転送
人気のあるユーザー
オリコンニュース
@oricon
2M ファン
New York Post
@nypost
4.3M ファン
ツイッター速報〜BreakingNews
@tweetsoku1
259.8K ファン
TVer新着
@TVer_info
101.8K ファン
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K ファン
Bloomberg
@business
10.5M ファン
Reuters
@Reuters
26.5M ファン
モデルプレス
@modelpress
2.1M ファン
First Squawk
@FirstSquawk
579.5K ファン
billboard
@billboard
16.8M ファン
MANTANWEB/毎日キレイ
@mantanweb
68.6K ファン
吴说区块链
@wublockchain12
183K ファン
ファミ通.com
@famitsu
1.4M ファン
cv usk
@cv_usk
470 ファン
Yahoo!ニュース
@YahooNewsTopics
2.1M ファン