Why does deep and cheap learning work so well?
We show how the success of deep learning could depend not only on mathematics but also on physics: although well-known mathematical theorems guarantee that neural networks can approximate arbitrary functions well, the class of functions of practical interest can frequently be approximated through "cheap learning" with exponentially fewer parameters than generic ones. We explore how properties freq
【200文字/200円】Rubykaigi 2016に参加した人のレポ募集！のお仕事(レビュー・口コミ)【クラウドワークス】
このたびは当方の募集にご興味を持っていただき、ありがとうございます。 【お仕事の概要】 2016年9月8−10日に京都で開催されたRubyカンファレンス「RubyKaigi 2016」 に参加された方のレポートを募集します！ 必ず最後の注意事項までお読みいただいた上でご回答いただきますよう、お願いいたします。 【記事のメインターゲット】 ・RubyKaigi2016に行きたかったが参加できなかったRubyエンジニア ・RubyKaigi2016に参加しており、他の人のレポートが見てみたい人 ・その他、Rubyの最新動向に興味があるエンジニア 【記事の文体・テイスト】 語りかけるような「ですます調」を希望します。 （ライター様のキャラクターによって、多少フランクになっても結構です） 【注意事項】 ・専門性、具体性があまりにも低く、RubyKaigiへの参加が疑われるレポートに関しては非承認と
サンプルコードでわかる！Ruby 2.4の新機能と変更点 - Qiita
はじめに 2016年9月にRuby 2.4のpreview2が、11月にpreview3が、12月11日にrc1がリリースされました（参考1、参考2、参考3）。 僕は早速インストールして新機能を試してみましたが、みなさんはいかがでしょうか？ というわけで、この記事では僕が実際に動かして確認したRuby 2.4の変更点や新機能をサンプルコード付きでまとめます。 この記事は大きく分けて次のセクションに分かれています。 文法上の変更点 後方互換性が失われる変更点 パフォーマンス改善 オブジェクト全般の新機能 主に数値に関連する新機能 主に文字列・正規表現に関連する新機能 主に配列・ハッシュに関連する新機能 ディレクトリやファイルに関連する新機能 その他の標準ライブラリに関連する新機能 スレッドに関連する新機能 なお、Ruby 2.4は2016年12月25日にリリースされる予定です。 本記事はrc
Budou - 機械学習を用いた日本語改行問題へのソリューション - ウェブ雑記
こんにちは！ 日本語のウェブサイトを作っていると、日本語特有の問題にぶちあたることがありますよね。 その中でも今回着目したいのは、日本語改行問題。最近、この問題を解決するためのライブラリを公開したので、紹介します。 github.com そもそも日本語改行問題とは何か ウェブブラウザで日本語で書かれたウェブサイトを見ていると、ときどき文章が変なところで改行されているのを目にすることがありますよね。 たとえば、こんなかんじ。 「ソリューション」が「ソリューショ」と「ン」に分かれてしまっています。読みにくいですね。 英語では単語がスペースによって区切られますが、日本語や中国語などのアジア圏の言語では単語がスペースで区切られないことが多いです。 そのため、英語では単語の途中で改行されることは通常ありませんが、日本語では単語の途中で改行されることがよくあります。 本文ならともかく、見出しやキャッチ
KerasとskoptでのBayesian Optimization - xiangze's sparse blog
使ったアルゴリズム(random forest, neural net, Bayesian Optimization)とデータ(OnlineNewsPopularity)はTJOさんのブログ記事 と全く同じでPythonのライブラリscikit-learnのrandom forestとKeras, bayesianを使っているところが異なります。 gist.github.com 平均二乗誤差の値はRの結果とかなり異なり、random forestはRのものより値が小さく、Kerasでは逆にMXnetよりも誤差が大きくなってしまっています。原因としてはtrain,testに分離したデータが異なるという点も考えられますが、random forestの初期値に起因するところが大きいように思われます。 実際に動かしてみるとnanが出てくることが多く、ニューラルネットの学習にかかる時間の長さもあって
PDFの表をpandasのDataFrameにできる tabula-py 作った - once upon a time,
RubyKaigiに参加するとコード書きたいという気持ちが高まって良いのですが、今回はPDFの表を読み込んで pandas の DataFrame に変換できる tabula-pyを作りました。 これをもってRubyKaigiの参加報告とさせていただければと思います。 tabula-pyとは tabula というJavaで書かれたPDFから表を抽出するライブラリをPythonでうすーくラップしたものです。実装を見てもらえばわかると思いますが、本当にsubprocessでJavaのプログラムを叩いて標準出力で受け取るというだけしかやっていません。 もともとは、Rのtabula実装がかなり色々できるのを知ってPythonがないらしいというので作りました。Rの実装はマジでJavaをごりごり書いていて尊敬の念を抱いています。 tabulizerパッケージによるPDF表データからのデータ取得 git
Machine Learning in a Year
Getting into machine learning (ml) can seem like an unachievable task from the outside. After this highly effective introduction, I continued learning on my spare time and almost exactly one year later I did my first ml project at work, which involved using various ml and natural language processing (nlp) techniques to qualify sales leads at Xeneta. This felt like a blessing: getting paid to do so
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Introduction to HBase - NoSqlNow2015