企画太郎@製薬データサイエンティスト
5.9K posts
@Tarou_PH
製薬会社で勤務をしているデータサイエンス職 あくまで設定 実在の人物とは異なります。 本社目線から見たMR活動とか本社活動の問題点とかをだらだらつぶやく。 製薬会社はそれ以外の業界からするとおかしな所だらけ
【悲報】売れっ子キャバ嬢・ゆいぴすから年収マウントを取られた44歳参加者「お金だけが人の価値じゃないんで」と強がり反論するも… 溝口「君たちの年収は、ゆいぴすが一晩で稼いじゃったりする。どう思う？」 眞本「それに比べることに価値があるんですか？僕にとってお金とは重要なものではなく、自分がやった仕事の結果として出てくるものであるので。何の感想もない」 ゆいぴす「どうこう言われても私はあなたの年収を１日で稼ぎます」 １日vs１年…稼ぎの格差が恐ろしい… #REALVALUE @takapon_jp @yuipis18 @moto_shingo 動画の続きやREALVALUE公式チャンネルはリプ欄から！
If you want Japan to become Catholic you don’t want Japan to remain Japanese.
この論文面白いです！ 階層型トランスフォーマーといった感じでしょうか。 通常の Self-Attention は全トークン間の類似度計算みたいなものですけど、言語の構造を考えたらトークン間で全部やらなくてもいいのではということで、あえてトークンをいくつかまとめてチャンクにして、またそれをまとめた大きなチャンクにして、長距離のAttention は、大きなチャンク間で計算....で計算量削減とメモリ効率の向上を実現しているイメージですね。これからが楽しみなアーキテクチャです！ PHOTON: Hierarchical Autoregressive Modeling for Lightspeed and Memory-Efficient Language Generation arxiv.org/abs/2512.20687
㊗️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: github.com/TakatoHonda/FL…
㊗️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: github.com/TakatoHonda/FL…
㊗️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: github.com/TakatoHonda/FL…
I built a new plugin! You can now trigger Codex from Claude Code! Use the Codex plugin for Claude Code to delegate tasks to Codex or have Codex review your changes using your ChatGPT subscription. Start by installing the plugin: github.com/openai/codex-p…
Veevaの訪問記録、実態との乖離どのくらいある?🧚(MRの方のみ)
