ビル・ゲイツもAI分野の必読書と推した『マスターアルゴリズム』邦訳が原著刊行から5年以上の時を経て出る - YAMDAS現更新履歴
www.kamishima.net ペドロ・ドミンゴスの『The Master Algorithm』は、ビル・ゲイツが AI 分野の必読書に挙げていたので注目し、ワタシも何度か文章の中で引き合いに出している。 ユートピアのキモさと人工知能がもたらす不気味の谷 - WirelessWire News（ワイヤレスワイヤーニュース） 我々は信頼に足るアルゴリズムを見極められるのか？ - WirelessWire News（ワイヤレスワイヤーニュース） そして、邦訳の刊行が期待される洋書を紹介しまくることにする（2017年版）でも取り上げているが、この原著が刊行されたのは2015年である。それから5年以上経ち、もうこれは邦訳の話は流れてしまったかと半ば諦めていたところ、『マスターアルゴリズム 世界を再構築する「究極の機械学習」』の邦題で刊行される。ワオ！ マスターアルゴリズム 世界を再構築する「究
「プログラミング言語Go完全入門」の期間限定公開のお知らせ | メルカリエンジニアリング
メルペイ エキスパートチームの@tenntennです。 メルペイでは、社外の方向けにGopher道場という体系的にGoを学べる場を無償で提供してきました。Goの普及を目的にこれまでに7回開催し100人以上の方に参加していただきました。 自社でもGoを基幹技術として使っている背景があり、今後もGoコミュニティへの貢献は継続していきます。しかしながら、新型コロナウイルス感染症の状況を踏まえて直近のGopher道場開催を見合わせています。 Goを学ぶ場を提供することでGoに触れる方を増やしたいと考えている筆者にとっては、 開催できないことが非常に残念です。そこでエキスパートチームでは違う形で学ぶ場を提供できないかと考え、Gopher道場で使用している資料のベースになっている「プログラミング言語Go完全入門」を期間限定で公開することにしました。 bit.ly bit.ly 追記 3/18：PDF版
プログラミング言語はひとつマスターすれば他もできる？ - t-hom’s diary
プログラミングでは、ひとつの言語をマスターすれば、どんな言語でも使えると言われている。 この言説には賛否あるけど、ある意味正しくて、ある意味間違いだと思う。 より正確に言えば、新しく学ぶ言語と既にマスターしている言語に共通する概念についてはスムーズに移行できるということだ。 たとえば変数・分岐・繰り返し・比較演算なんかは、大半の言語が備えている共通概念である。言語によって作法やスタイルが異なるだけで考え方は同じなので、新しく学習する言語でこれらを使いこなすのは難しくない。 仮にVBAを100%マスターしているなら、Pythonの学習範囲はPython特有の部分だけで済む。 まあそうは言ってもなかなか一つの言語をマスターするのは難しい。 VBAの学習割合が少なければ、Pythonをマスターするための学習範囲はより広くなる。 じゃあまずはVBAを極めよう！と考えるかもしれないがそれも早計である
『わけがわかる機械学習』中谷秀洋（著）の書評 - StatModeling Memorandum
僕が中谷さんと初めて会ったのはみどりぼんの読書会で、初めて話したのは岩波DSの打ち合わせだったと思います。今でもそんなに親しくはないと思います。しかし、中谷さんのブログは10年ぐらい前から読んでいました。自然言語処理を中心とする機械学習に関連する理論（の解釈）・論文レビュー・数値実験の記事が多く、他のブログでは見られない独特かつ理解の深い内容で、毎日勉強させてもらっていました。今でも何度も読むべきブログです。その中谷さんが機械学習についてまるごと一冊書いたものが本書になります。もともと買うつもりでしたが、献本いただいたので簡単にご紹介いたします。 わけがわかる機械学習 ── 現実の問題を解くために、しくみを理解する 作者: 中谷秀洋出版社/メーカー: 技術評論社発売日: 2019/08/28メディア: 単行本（ソフトカバー）この商品を含むブログを見る 目次は以下になります。 0章： はじめ
英語が本気で出来ない人がアメリカで過ごした2年間の記録｜灰色ハイジ
📢 デザイナーの英語帳という本が出版されました。この記事の内容も書き直してコラムとして掲載し、ここでは書けなかったアメリカでの就職活動の様子も書いています。もしご興味あればこちらもぜひよろしくお願いします。 灰色ハイジ 2020/05/22 ----- 結婚してアメリカと日本を行ったり来たりする生活を2年弱過ごし（この間で合計半年くらいの滞在期間になるだろうか）、サンフランシスコへと移住をしたのが2017年の後半。全部で合計すると2年ほどアメリカに住んでいることになる。 本気でHelloくらいしか言えなかった私が、今アメリカで働いているのが不思議に思うことが多々ある。時間が経ったら当初の気持ちを忘れてしまうかもしれないと思ったので、この2年どのように過ごしてきたのかまとめることにした。 尚、1年前に1年間の記録と題して書いて下書きに放置したままもう1年経ってしまったので多く加筆修正してこ
機械学習/ディープラーニング初心者が2018年にやったこと、読んだ論文 - Qiita
2018年もいよいよ本日が最後となりました。皆さんいかがお過ごしでしょうか。この記事では機械学習/ディープラーニング初心者だった自分が2018年にやったことをまとめていきたいと思います。ポエムじみた記事になってしまいましたが、何らかの参考になれば幸いです。 2018年のBefore-After Before 今年（4月）ぐらいまで機械学習の「き」の字も知らなかった。k-Nearest Neighbor？Support Vector Machine？なにそれ美味しいのってレベル 昔統計をやっていたので、ロジスティクス回帰ぐらいは知っていた。オーバーフィッティングの概念ぐらいは知っていたが、厳密な定義は知らなかった。 Pythonも触ったことなかった After 機械学習とディープラーニングの基礎はだいたいわかった Pythonがだいたい使いこなせるようになった 物によってはディープラーニング
B'zの歌詞をPythonと機械学習で分析してみた 〜LDA編〜 - 下町データサイエンティストの日常
1. 本Part概要 前PartではB'zの歌詞を「TF-IDF」を用いた分析を行いました。 本Partではトピックモデルの一つである「LDA」を用いた分析についてお話しします。 pira-nino.hatenablog.com 2. LDAとは 2.1 LDAのイメージ 先に簡単な説明をしてしまいます。 LDAは「たくさんの文書データから単語のグルーピングを行う」モデルです。 このグループ1つ1つを「トピック」と呼びます。 例えば、大量のニュース記事にLDAを適用する例を考えます。 ニュース記事データにLDAを適用した例 LDAでは「各トピック（トピック数は予め指定）における各単語の所属確率」が算出されます。 理論的なことはさておき、文書データから単語をいくつかのグループに自動で分けてくれる手法 との理解で大丈夫です。 よく勘違いされることとして以下の2点を示します。 トピック数（いくつ
初心者でも機械学習の基本的なアルゴリズムを学べる11のスライド - paiza times
Photo by fdecomite こんにちは。谷口です。 最近、機械学習の勉強をしている人や、機械学習関連の求人が増えてきましたね。弊社のエンジニアにも、機械学習を勉強中の人達が何人かいます。 ただ、初心者だと「機械学習を勉強したいけど、難しいし何から手を付けたらいいのかよくわからない」という人も多いかと思います。 そこで今回は、機械学習の勉強を始めたばかりという初心者の方向けに、機械学習でよく使われるアルゴリズムがわかるスライドをいくつかご紹介します。 ■機械学習以前 そもそも「機械学習で何ができるのか・どんなものなのか知りたい」という段階の人が機械学習の概要をつかむには、このあたりのスライドが参考になるかと思います。 If文から機械学習への道 from nishio www.slideshare.net 機械学習入門以前 from mrtc0 www.slideshare.net
[Kaggle]0から本当に機械学習を理解するために学ぶべきこと～一流のデータサイエンティストを例に～ - Qiita
「機械学習が出来るようになりたい」そう思いつつも、中々身についた感じがしない。 そんな方々に向けて、Kaggleで公開されているデータ分析の手順を追いかけながら、そこで必要とされている知識を解説したいと思います。全体像を把握することで、より理解が進むはずです。 1. データを分析するために必要な統計的知識 機械学習の目的は未知の事柄を推定することです。そのために既にあるデータから何らかの法則性を見つけ出す為に様々な手法が考えられてきました。 統計学はご存知でしょうか？ 機械学習はデータを扱うという点で統計学と深い関係があります。平均値や標準偏差などは聞いたことがあると思います。統計学はそれらの情報をこねくり回すことによって、限られたデータから本当の全体像を推定します。例えば、選挙の結果を開示前に知りたいときに、投票者全員に聞ければ良いですが、そうもいきません。そこで、統計学は様々な方法を使
![[Kaggle]0から本当に機械学習を理解するために学ぶべきこと～一流のデータサイエンティストを例に～ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/5d1a76a58eee1163a4fcc972ca11e4b975089503/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB6ZW5vbm5wJnR4dC1jb2xvcj0lMjMxRTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1mZGE5MjQxZmM0MTFiNTcyYWI4Yzk4NWYxMDQxYmU1ZA%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D5787942b2ea3723d4eb35b278223dc6b)
経験値だけで飯を食べている人は人工知能によって出番がなくなる 新春対談：安宅和人×伊賀泰代【第1回】 | 戦略｜DIAMOND ハーバード・ビジネス・レビュー
昨年『生産性』が発行され、働き方改革の議論で注目されるようになった生産性について、著者の伊賀泰代氏が、マッキンゼーで同期入社だった現ヤフーCSOの安宅和人氏と対談。 マッキンゼーで生産性の概念を身につけた2人が、その問題の核心を語り合う。1回目は人工知能が生産性に与える影響について（構成・新田匡央、写真・鈴木愛子）。 人工知能ができること、できないこと 伊賀泰代（以下、伊賀）：お久しぶりです。安宅さん、人工知能（ＡＩ）やビッグデータ絡みであちこちから引っ張りだこでしょ。いつもすごいなあと思いつつ、勉強させていただいてます。 安宅和人（以下、安宅）：いえいえ、なんだか不思議な経緯でこうなっています（笑）。伊賀さんこそ、出す本がどれもベストセラーじゃないですか。お会いするのも久しぶりですが、こうやってじっくりお話しするのはもう何年ぶりかというくらい覚えていない。 伊賀泰代（いが・やすよ） キャ
思考を言語化する | gen-uine
ベースが国語教師だからか、私は数学や理科の指導でも「言葉にする」 ことにかなりこだわる。 勉強ができる・できない、成績がよい・悪いは、小中学生のうちはほとんどが「思考の深度」で決まると思う。同じ問題を解き、解説を聞き、やり直し、それでも成績に大きな差が出るのはなぜか。それは解くとき、聞くとき、やり直すときの「頭の使い方、考えの深さ」が違うからだ。 成績が中々伸びない生徒というのは、我々基準から見ると「考えているふり」でしかないことがよくある。いや、彼ら・彼女らなりに一所懸命やっているのだ。でも、その「考える」は非常に浅いレベルでしかない。「考えているカンジ」「分かったカンジ」で勉強をこなしている（繰り返すが皆一所懸命なのは分かっている）。 私は、そうした思考の深度を左右するのは言語化の力だと思っている。問題の解答プロセスを、設問意図の理解を、言語化という形で表現できること。これが小中学生に
ダイエットは食生活の見直しから！低カロリーな食材＆レシピを知ろう - はてなニュース
だんだんと夏が近づき、肌の露出が増えると気になるのが“ダイエット”。ビールダイエットやリンゴダイエットなど、世の中にはさまざまなダイエット法がありますが、きちんと食事を食べ、栄養バランスを崩すことなく痩せることがベストですよね。そこで今回は、ダイエットの第一歩「摂取カロリー」に焦点を当て、ダイエットに適した食材や低カロリーな食事のレシピなどを紹介したいと思います。 ■低カロリーダイエットのコツ ▽http://cgi2.nhk.or.jp/gatten/archive/program.cgi?p_id=P20090121 まずは低カロリーダイエットのコツを紹介した、NHK「ためしてガッテン」のエントリーを見てみましょう。低カロリーダイエットは「たんぱく質：脂質：糖質」の割合がポイントとなります。特に、脳のエネルギー源である糖質のカロリーは、全体の約6割になるように気をつけましょう。低カロリ
Twitter創業者が語る、アイデアを成功に導く3つの秘訣 | ライフハッカー・ジャパン
「いまどうしてる？（What is happening?）」 たったひとつの、この問いかけに、世界中の人々が「つぶやく」という、人気ソーシャルメディア「Twitter」。そんなTwitterの生みの親のひとり、Jack Dorseyさんは「The 99% Conference」において、自身の経験を踏まえ、成功へのポイントについて講演しました。 このスピーチの中で、Dorseyさんは、「成功の秘訣」として、以下の3点を挙げています。 1. アイデアを絵に描こう アイデアを思いついたら、まず絵に表そう。こうすれば、自分の頭の中を可視化することができる。また、絵に描けたら、他の人にも共有しよう。自分以外の視点で、そのアイデアを客観的に見てもらうことができる。 2. 「好機」を自分で感じとろう アイデアを実現するためには、この実行に適した環境も不可欠。「自分にとっての好機がいつなのか？」を敏感に
今からでも間に合う！本気で勉強したい人のための英語学習ページまとめ！ | nanapi[ナナピ]
今からでも間に合う！本気で勉強したい人のための英語学習ページまとめ！ に関するライフレシピをご紹介します。nanapi [ナナピ]は、みんなで作る暮らしのレシピサイトです。nanapiでライフレシピ生活！ あなたのライフレシピを待っている人たちがいます あなたが生活でちょっとうまくやっていること、 それを知りたがっている人たちがいます！ あなたの投稿で、 みんなの生活をハッピーにしてみませんか？ nanapiに参加する（無料） はじめに 英語というとなかなか難しいものです 新しい語学への挑戦という難しさもあると思いますが 勉強方法がわからないという方もいらっしゃると思います そんな方のために英語勉強のための良ページをまとめました 勉強法 急がばまわれ式・堅実で一番効率的な英語の勉強法 http://anond.hatelabo.jp/20091026215137 まず始めに何を使って
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
情報検索のためのランキング学習
Loading...
トヨタが気前よくカイゼンを教える本当の理由（1/3） ― ＠IT MONOist