サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
GPT-4o
www.slideshare.net/matsukenbook
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)Deep Learning JP3.1K views•24 slides
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 発表資料 (2016/3/19[sat]) 確率・統計を学んだことがある方向けに、ベータ分布とは何かを解説してみた記事です。特にベイズ統計学を学んでいるとベータ分布が出現しますが、いまいちどんな事象が対応している分布かわかりにくいので、その辺りに迫ります。
The document describes various probability distributions that can arise from combining Bernoulli random variables. It shows how a binomial distribution emerges from summing Bernoulli random variables, and how Poisson, normal, chi-squared, exponential, gamma, and inverse gamma distributions can approximate the binomial as the number of Bernoulli trials increases. Code examples in R are provided to
DS LT祭り 2016/9/7(水) 発表資料 「AUCが0.01改善したって どういうことですか?」
通称カステラ本読書会こと、統計的学習の基礎読書会 第5回 第4章前半の発表スライドです。2016/7/12 スライド中で使われているPythonコードはこちら https://github.com/matsuken92/Qiita_Contents/blob/master/Castella-book/Castella-chapter-4-first_half.ipynb
016/01/31(日) 第十回 数学カフェ 「数学史」発表資料 誤って削除してしまいましたので再アップロードします。日本語のpdfがアップロードできないので、pptファイル仮アップロードします。 訂正情報: p14 分母の p(B_1|A_1)の説明 誤:病気でない人が陽性になる確率 正:病気である人が陽性になる確率
www.slideshare.net
15分でわかる(範囲の)ベイズ統計学 1. 15分でわかる(範囲の)ベイズ統計学 数学カフェ 第10回発表資料 2016/1/31 @kenmatsu4 2. MASAKARI Come On! щ(゜ロ゜щ) みんなで勉強しましょう https://twitter.com/_inundata/status/616658949761302528 3. 自己紹介: @kenmatsu4 ・Facebookページ https://www.facebook.com/matsukenbook ・Twitterアカウント @kenmatsu4 ・Qiitaでブログを書いています(統計、機械学習、Python等) http://qiita.com/kenmatsu4 (5400 contributionを超えました!) ・趣味 - バンドでベースを弾いたりしています。 - 主に東南アジアへバックパック
基礎からのベイズ統計学 輪読会 #2 (2015/12/10)発表資料 「第4章 メトロポリス・ヘイスティングス法」 Pythonデモンストレーションコード@GitHub → https://github.com/matsuken92/Qiita_Contents/blob/master/Bayes_chap_04/Bayes-stat_chapter04.ipynb
「全ての確率はコイン投げに通ず」 2015/12/5 Japan.R 発表資料 様々な確率分布をベルヌーイ分布(コイン投げ)との関係性で説明をしてみるというスライドです。 Pythonバージョンのコード: https://github.com/matsuken92/Qiita_Contents/blob/master/random_variables/random_variables.ipynb
I'm interested in Data Science, Machine Learning, Statistics, Information Technology. statistics data science deep learning machine learning python analytics 統計学 kaggle bayes statistics bert mathematics 機械学習 probability theory music big data nlp sports signate satellite competition random forest mcmc education 内積 数学 異常検知 lecture visualization image processing technology computer vision programing
「第5回 プログラマのための数学勉強会 発表資料 (2015/11/21[sat])」 内容は統計学の素養がある方には基本的な事項ですが、ベクトルと内積で見方を変えてみたという点と、あまり統計学に親しみがない方にも理解してもらえるようなまとめになっている、というところに本スライドの独自性があると考えていますので、その辺り良ければご覧ください^^Read less
Kaggle Google Quest Q&A Labeling 反省会 LT資料 47th place solutionKen'ichi Matsui
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement LearningPreferred Networks
統計学レクチャー資料です。 全くの初心者が統計学の概要を理解できることをターゲットとした内容となっています。
Practical recommendations for gradient-based training of deep architecturesKoji Matsuda
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion ModelsDeep Learning JP
このページを最初にブックマークしてみませんか?
『Ken'ichi Matsui』の新着エントリーを見る
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