Un site pour voir quand vous voulez lire un article de machine learning mais cela semble difficile
Je pense que de nombreuses personnes souhaitent apprendre les bases de l'apprentissage automatique tel quel, lire le document comme prochaine étape et contester la mise en œuvre.
Cependant, nous avons créé un site portail pour ceux qui ont du mal à consulter le résumé en anglais même s'ils trouvent un article qui les intéresse, où lire l'article sur l'apprentissage automatique. C'était.
Auparavant, j'ai créé le GitHub Repository et Bot pour partager des résumés d'articles liés à l'apprentissage automatique. Cependant, vous pouvez voir tous les contenus publiés ici.
En plus de pouvoir faire référence à chaque genre,
Si vous utilisez Pocket, vous pouvez également vous inscrire à Pocket.
arXivTimes vise à former des connaissances collectives sur les tendances de la recherche en apprentissage automatique (disponible en japonais). Pour cette raison, nous leur avons demandé de publier plus de messages lors de la création de ce portail et nous avons réfléchi à la manière d'améliorer la qualité du résumé. Nous présenterons également l'appareil.
Solliciter des messages
Si vous publiez au moins un résumé dans arXivTimes GitHub Repository, vous pouvez vous référer à votre page personnelle à partir de ce site portail.
Sur cette page personnelle, vous pouvez voir le nombre de publications à ce jour et le score total (le score sera décrit plus tard). Dans le graphique circulaire à gauche, vous pouvez voir le pourcentage des articles soumis par domaine, et vous pouvez voir les domaines qui intéressent la personne et avec lesquels elle est familière. Le graphique de droite montre le nombre de publications par mois, et si vous dépassez la "ligne 200 / an" tracée par la ligne horizontale chaque mois, vous lirez 200 livres par an. J'espère que vous pourrez l'utiliser pour gérer la progression de la lecture des articles.
Au fait, si vous n'avez pas encore posté, cela ressemblera à ce qui suit. Dans le but d'acquérir une page personnelle, veuillez d'abord en publier une! Je pense.
La publication est possible à partir du bouton dans l'en-tête.
Puisque nous partageons le résumé en tant que problème sur GitHub, nous publierons le résumé sous la forme de publication d'un problème. Puisqu'il y a un modèle de problème, j'écrirai un résumé avec lui (Le format est une version simplifiée basée sur ici) .. Cependant, au moins «en un mot», «lien d'article» et «auteur / institution affiliée» sont tout ce qui est requis.
Pour améliorer la qualité des messages
Cependant, je souhaite également m'assurer de l'exactitude des messages. Par conséquent, je voudrais évaluer s'il s'agit d'un bon résumé ... mais il est très difficile d'évaluer l'exactitude et la compréhensibilité du contenu (puisque la quantité de texte n'est pas si grande, [méthode précédente](http: http: Il était difficile d'utiliser //qiita.com/icoxfog417/items/64ed466afee6682936c3) tel quel).
Pour cette raison, nous affichons actuellement l'évaluation des personnes qui peuvent le prendre mécaniquement, en particulier ** la valeur de l'écart calculée en utilisant le nombre de likes + 2 * retweets attachés au tweet posté. La raison du doublement des retweets est de donner plus de poids au fait qu'on juge qu'il n'y a pas de problème à le diffuser auprès des gens (bien que la valeur du doublement soit appropriée ...). C'est la valeur affichée comme "score".
Bien qu'il soit affiché dans une position assez proéminente dans le message, il s'agit d'une manifestation de la volonté de garantir l'exactitude du contenu. Au fait, il y a pas mal de mes messages, mais comme vous pouvez le voir, certains d'entre eux ont de mauvais scores. J'essaie de m'assurer qu'il n'y a pas d'erreurs lors de la publication, mais je pense que des erreurs se produisent souvent.
Les problèmes actuellement publiés comportent peu de commentaires, mais si vous pouvez signaler le message et discuter du contenu, vous pouvez l'utiliser pour évaluer le résumé. Par conséquent, ** je vous serais reconnaissant si vous pouviez commenter activement le message **.
Welcome Contribution
Le code source du site portail créé cette fois-ci, arXivTimes Indicator, est disponible sur GitHub.
(Ce sera encourageant si vous me donnez une étoile m (_ _) m)
Si vous avez des demandes, n'hésitez pas à nous contacter via Issue. Bien sûr, nous accueillons également les demandes d'extraction de correction. Nous ne l'avons pas encore pris en charge, mais si vous souhaitez gérer les articles que vous lisez de la même manière dans un laboratoire ou une entreprise, vous pouvez créer un fork du référentiel GitHub d'arXivTimes et réécrire l'url du contenu pour le faire fonctionner comme votre propre site portail. Je pense (bien que la partie calcul du score ait tendance à être un problème).
Nous espérons que cela vous aidera à passer à l'étape «à côté du didacticiel» de l'apprentissage automatique. De plus, si vous avez déjà franchi l'étape suivante, nous nous réjouissons de votre contribution!
Recommended Posts