機械学習による実用アプリケーション構築
機械学習は翻訳、推薦システム、異常および不正検出など、さまざまなアプリケーションで利用されており、今後も機能強化のために、機械学習を組み入れるサービスはますます増えていくと考えられています。しかし機械学習はモデルの学習や評価など、これまでのアプリケーションにはない処理が必要となるだけでなく、正常に動作しているかを単純なテストだけでは検証できないなど、特別な配慮が必要となります。本書は機械学習を利用するアプリケーションを設計、構築、デプロイするために注意すべき点をまとめました。繰り返しによりデータやモデルを漸進的に改善する方法、モデル性能の監視やモデルのデバッグを行う方法など、アプリケーションを構築、運用する上で、その品質を左右する一連のプロセスを詳しく解説します。 訳者まえがき まえがき 第Ⅰ部 適切な機械学習アプローチの特定 1章 製品目標からML の枠組みへ 1.1 何が可能であるかを
過去最大級の膨大な自動運転データセットを無償でWaymoが公開
自動運転技術の発展のために、Googleの兄弟会社として知られる自動運転車開発メーカーのWaymoが自動運転のデータセットを研究用に無償公開しました。その内容は「研究用に公開されたものとしては過去最大級かつもっとも多様な自動運転データセット」だとのことです。 Open Dataset Waymo https://waymo.com/open Waymo releases a self-driving open data set for free use by the research community | TechCrunch https://techcrunch.com/2019/08/21/waymo-releases-a-self-driving-open-data-set-for-free-use-by-the-research-community/ 自動運転の技術開発・発展に向
「満員電車で快適に過ごすための動き方」を物理シミュレーションで解き明かす
はじめに：満員電車では、とるべき“動き方”が存在する 新年度が始まって1カ月がたった。この4月に新しい職場、新しい部署、新しい環境で生活を始めた人も多いだろう。 特に新社会人は早速「満員電車」の洗礼に遭ったのではないだろうか。朝の特定時間帯における通勤電車は常軌を逸した乗車率となりがちで、4月はTwitterで「満員電車」がトレンド入りする日もあった。 熟練の社会人たちは、長年の経験から混雑した電車内において、瞬時に人の流れを察知し、うまく乗降者のラインコントロールを行い、不用意に人とぶつかることを避けることができるだろう。 しかし、満員電車に慣れていない人たちが多いとポジショニングが難しかったり、動き出しのタイミングをつかめなかったりするため、乗客同士の衝突が生じ、“お客さま同士のトラブル”による電車遅延が発生することになりかねない。 そこで、本記事ではデータサイエンティストである筆者が
『機械学習のエッセンス』はゼロからガチで機械学習を生業にしたい人が「いの一番に」読むべき一冊 - 六本木で働くデータサイエンティストのブログ
機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning) 作者: 加藤公一出版社/メーカー: SBクリエイティブ発売日: 2018/09/21メディア: 単行本この商品を含むブログを見る発売されてからだいぶ経ちますが、構想段階の頃より著者の「はむかず」さんこと加藤公一さんからお話を伺っていて注目していたこちらの一冊をようやく一通り読みましたので、サクッと書評めいた何かを書いてみようかと思います。 各章の概要 言うまでもなく実際の内容は皆様ご自身でお読みいただきたいのですが、これまでの書評記事同様に概要を簡単にまとめておきます。 第01章 学習を始める前に Python環境やAnacondaのインストールについての説明もなされているんですが、重要なのは後述する「本書は何を含まないか」という節。ここに本書の狙いの全てが書かれていると言って
敵対的生成ネットワーク_GAN (Vol.19)
クーポン取得者をX、ピザ購入者をZとしましょう（XとZは確率変数）。XとZが相互に与える影響を無視して、それぞれ独立の確率分布（周辺確率）を求めると、クーポンを取得した人の周辺確率p(X)は0.45、ピザを購入した人の周辺確率p(Z)は0.35となります。 お互いに影響を及ぼすことも考慮した場合（同時確率分布）は、2つの確率変数を使ってp(X,Z)と表します。2つの変数が両方動くと計算しにくいので、1つを固定してもう1つの変化で見ていきます（条件付き確率分布）。 確率の加法定理と乗法定理 統計はどうしても数式っぽいのが出てきてしまうので、ここで用語と記号をおさらいします。 XやZ：確率変数 周辺確率：p(X) 同時確率分布：p(X,Z) 条件付き確率分布：p(Z|X)…Xが起こる条件下でのZの確率 ついでに次の2つの定理も覚えておきましょうか。 確率の加法定理：p(X)=ΣZp(X,Z)
読んで良かった基礎知識の入門書
とあるエンジニアの技術勉強法 (インターン学生向け) というスライドを先日 @iwashi86 が書かれていました。 インターン学生向けとありますが、新人プログラマ向けとしても素晴らしい資料だと思います。 ここでは「即、役立つわけではないが後から効いてくる」という「基礎知識」に絞って教材を紹介します。 目の前の仕事のために必要なことと並行して基礎知識を学ぶのは、長期的には良いと思います。 なお「基礎」==「簡単」というわけではなく、無理せず自分のペースで付き合うのがおすすめです。 自分で読んで、かつ、とても良いと思ったもののみを紹介するので、全分野をカバーしてはいません。 基礎にどのような分野があるかは新卒準備カレンダー2011や情報科学科カリキュラムが参考になります。 以下はどれも有名な本なので、ググれば感想なども見つかるでしょう。 気になった本、読もうと思う本については、ググるのも良い
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
1
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
MongoDBを始めた頃に知っていたら、と思う14のこと