Reducing the Dimensionality of Data with Neural Networks
The setup for measuring the SHG is described in the supporting online material (22). We expect that the SHG strongly depends on the resonance that is excited. Obviously, the incident polariza- tion and the detuning of the laser wavelength from the resonance are of particular interest. One possibility for controlling the detuning is to change the laser wavelength for a given sample, which is diffic
”仕事で始める機械学習”の要点をまとめてみたらとても良い入門書だった
最近、販売された仕事で始める機械学習を買ったので、購入を考えられている方や機械学習を始めたいと思っている方に読んで、参考になればと思います。 この記事の目的と全体の流れただ読むのと、アウトプット（ブログに書く）前提で読むのとはインプットの質が違うということがわかったので、ブログに書きながら理解していく形を取ります。 全体の流れとしては、章の要約。あぁこの内容知ってるなって人は買わずに済むし、わからないこと多いという人は購入を検討して頂ければ。（出版関係者でもなければ、アフィリエイトなどの営利目的でもなく、いち消費者としての個人的意見になります。 ご了承ください。） 結論から言うと（書評）いままでのオライリーのデータサイエンス本だと英語から翻訳したのでわかりにくい日本語が非常にうっとうしいのですが、 この本は、日本の方が書かれており、日本語スムーズに理解できます。 また、非常に論理立てられて
Deep Learning以外の手法でユニクロコンに参戦してみた (Kaggle Meetup #3)
Transcript Deep Learning以外の⼿法で ユニクロコンに参戦してみた @mamas16k Kaggle Tokyo Meetup #3 Outline 0.はじめに 1.ユニクロコンペとは？ 2.結果 3.⼿法 4.上位の⼈の⼿法まとめ 0.はじめに • Twitter ID: mamas16k • 物理系の学部2年⽣ • 機械学習暦・プログラミング暦共に1年ぐらいの初⼼者 • データ分析系の企業でインターンしてました • ユニクロコンは初の機械学習コンペ 今回のKaggle Meetupの初⼼者枠なので、あまり真に受けずにた くさんマサカリを投げてくれると有り難いです＞＜ 1.ユニクロコンペとは？ • Kaggleではなく、オプトDSLで2017年4⽉ ~ 7⽉に開催 • スポンサー：Fast Retailing (ユニクロの親会社) • 服、靴下、ベルト等の画像を2
Macでも高速に機械学習できるかもしれないPlaidMLを試してみた - Qiita
Kerasの作者のfcholletさんがTwitterで紹介していた、PlaidMLという新しい機械学習用のライブラリを試してみた。Early Alpha Qualityとのことであるが、試してみたらとても速いしKerasで書いてたコードが(ほぼ)そのまま使えて感激した。これは機械学習が捗る…かも? 短くまとめると PlaidMLという新しいフレームワークを使うと、nVidia積んでないMacでもGPU使って高速に機械学習できるかも Kerasのバックエンドとして使えるので、今まで書いてきたKerasのコードを(ほぼ)そのまま使える 動かしてみたら、確かに速い。 10月に試した段階では不具合があったが、アップデートで修正された! PlaidML PlaidML is an open-source Keras backend that runs on OpenCL, with good pe
AlphaGo Zeroの論文の要約 : ブログ
AlphaGo Zeroが自己学習のみで過去最強になったというニュースが出たのでその元論文を読み、要約をしました。 まず感想を述べると、過去数千年にわたって蓄積してきた知識をAIが数時間で発見することに対する気持ち良さがありました。人間などクソ食らえと思っておりますので、こう言うニュースはとてもスッキリします。そして人間の発見していない打ち筋の発見にも感動しました。これこそがAIの真髄だと信じています。人間が見えていないものをAIが見つける、僕もいつかそんなことをしてみたいと思いながら生きています。 あともう一つ重要だと思ったのは、とてもネットワーク構造および学習過程が簡素化されたことです。マシンパワーも過去に比べて非常に少なく済み、個人でもすぐに再現実験ができそうなくらいです。AIが強くなることと、構造および学習のsimplerが同時に達成できていることが本質的だと思います。 一応、下記
MXNet 入門 - Qiita
DeepLearning Advent Calendar 2016 4 日目です。 3 日目は @tereka114 さんの「グレーの画像に色をつけるネットワークについて発表しました。」でした。 最近 AWS が公式にサポートを表明した深層学習フレームワーク MXNet に、彼らの記事や各種チュートリアルを通して入門してみようと思います。 MXNet とは 概要 MXNet はワシントン大学とカーネギーメロン大学によって、CNN と LSTM をサポートするために開発されはじめました。効率的で柔軟な深層学習フレームワークとなるよう設計されています。 特徴 AWS が MXNet を支援すると決めた理由に、以下の 3 つをあげています。 スケーラビリティ 豊富な対応言語 軽量かつ高い可搬性 その他にも MXNet には以下のような特徴があります。 命令的 / 宣言的プログラムの混合 豊富な深
Deep Learning
We’re getting things ready Loading your experience… This won’t take long.
pytorch超入門 - Qiita
どうも。GIBの宮本です。 公式ドキュメントベースで調べました。 chainerにかなり近い構文になってますが、少し違いがある関数もあるので注意が必要です。 facebookやニューヨーク大学が主導してるイメージの深層学習フレームワーク。 chainerからforkされたらしい。torch7もfacebookやニューヨーク大学が主導してるイメージ。 torch7はluaで且つ抽象化があまりされてないので関数がむき出し。 pytorchはかなり抽象化されておりコーディング量が減る。 2017年３月時点のデベロッパー コミッターさんのブログ Adam Paszkeさん http://apaszke.github.io/posts.html Soumith Chintala http://soumith.ch/ 盛り上がり具合 2017年３月時点。一概にgitのグラフで盛り上がり具合が測れるかは
Macで深層学習の環境をさくっと作る手順 with TensorFlow and OpenCV - Qiita
はじめに 新しくMacBook Airを購入したので、これまで使っていたMacBook Airと同じ環境を構築するために必要な手順を整理します。 再セットアップをする時に困らないため自分用にメモしている感じですが、共有すると誰か他の人のためにもなるかもしれないと期待するところです。 主な手順 以下の順番でインストールします。 Xcode pyenv anaconda autoconf、automake、libtool、CMake OpenCV TensorFlow Xcode App Storeを起動してXcodeをインストール。 pyenvとanaconda 以下のスクリプトを作成して実行。 ※ ここでは2017年5月6日現在の最新版4.3.1のanacondaをインストールします。 git clone https://github.com/yyuu/pyenv.git ~/.pyenv
新規アプリケーションへの深層学習適用のベストプラクティス - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? どのようにサービスにディープラーニングを適用すればいいか、ベストプラクティスがまとまっていた論文があったので、訳してみました。 元論文 Best Practices for Applying Deep Learning to Novel Applications Leslie N. Smith https://arxiv.org/ftp/arxiv/papers/1704/1704.01568.pdf アブスト このレポートは、特定のドメインのエキスパートだがディープラーニングに詳しくない人向け ディープラーニングを試してみたいと思って
Facebook、ディープラーニングフレームワーク「Caffe2」をオープンソースに
米Facebookは4月18日（現地時間）、カリフォルニア州サンノゼで開催の年次開発者会議「F8」で、モバイル上でAIアルゴリズムを構築し、実行できるオープンソースのフレームワーク「Caffe2」を発表した。GitHubで公開されている。 ディープラーニングを使っての人工知能の構築と実行には通常、スパコンやデータセンターが必要だが、Caffe2を使えばそうしたインフラなしにディープラーニングを使えるという。 現在、NVIDIA、Qualcomm、Intel、Amazon、Microsoftと密に協力し、Caffe2をクラウドおよびモバイル環境に最適化しているという。 NVIDIAによると、同社のディープラーニング専用システム「NVIDIA DGX-1 AI」でCaffe2を稼働させると他のシステムでよりも7倍高速という。 PythonとC++のAPIが用意されており、簡単にプロトタイプを構
Neural networks and deep learning (日本語訳)
ニューラルネットワークと深層学習 What this book is about On the exercises and problems ニューラルネットワークを用いた手書き文字認識 逆伝播の仕組み ニューラルネットワークの学習の改善 ニューラルネットワークが任意の関数を表現できることの視覚的証明 ニューラルネットワークを訓練するのはなぜ難しいのか 深層学習 Appendix: 知性のある シンプルな アルゴリズムはあるか? Acknowledgements Frequently Asked Questions Sponsors Resources 「ニューラルネットワークと深層学習」は無料のオンライン書籍です。 この本では、次のような内容を扱います。 ニューラルネットワーク：コンピュータに、観測データにもとづいて学習する能力を与える、生物学にヒントを得たプログラミングパラダイム。 深
「勉強会に行ってみた！」第17回「Deep Learning ハンズオン勉強会」
今回はディープラーニングの勉強会です。ディープラーニングといえば、人工知能についてのブレークスルーと言われている技術ですよね。たとえば、画像共有サービスでユーザーがアップロードした画像を認識して「猫」とか「建物」とかに自動でカテゴリー分けするような仕組みなんかにすでに応用されています。 すごい技術だなぁと思うんですが、調べてみると「特徴量」とか「コンボリューション層」とかの聞き慣れない言葉が出てきて、難しそうだな…と思っていました。でも、ハンズオンということなら、具体的に手を動かしながら雰囲気だけでも分かるんじゃないかな？と思って、行ってきました。 （三土たつお） 会場は、東京・銀座にある「メディアテクノロジーラボ」というところでした。中はこんなふうになってます。 主催は、Mashup Awardsと先端IT活用推進コンソーシアム（AITC）による共催でした。講師は株式会社イーグルの菅井さ
数学の苦手なバイオの学生がCourseraの機械学習コースを修了して気づいたこと - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 機械学習を学ぶのに最も適した教材と言われる、Machine Learning | Coursera を受講し終わりました！ 「機械学習に興味はあるけど、何から始めたらいいかわからない」 「Courseraはいいって聞くけど、難くて挫折する気がする」 「機械学習やるなら、PRMLがいいって聞いたけど」 という人は多いと思います。私も同じように思っていました。Courseraの機械学習コースを始めたのはなんとなくですが、修了してみて、やって本当に良かったと思います。機械学習は面白いし夢があるので、ちょっとでも興味がある人の背中を押したいと思
Scikit learnより SVMで手書き数字の認識 - Qiita
Scikit learnのチュートリアルを参考にしながら、SVMを使った手書き文字の認識と結果の可視化をPythonで実装してみた。 使用するデータ Scikit learn のライブラリに含まれているdigitsデータを使う。中身を見ると、64(=8x8)ピクセル、グレイスケールの手書き数字の画像データ、1797個分が行列形式で準備されている。これをSVMを使って多クラス分類する。 # Load example data from sklearn import datasets digits = datasets.load_digits() # データフォーマットの確認 print(digits.data) print(digits.data.shape) n_samples = len(digits.data) # データ数 print(n_samples) # 画像にして出力 imp
chainerでニューラルネットを学んでみるよ(chainerでニューラルネット2) - 人工言語処理入門
前回の記事ではchainerのインストールからサンプルコードを使って画像識別問題を解くところまでやりました。 hi-king.hatenablog.com 今回の記事では回帰・分類問題用のシンプルなニューラルネットの作り方をやろうと思います。andとxorの論理式を学習させます。chainerでの実装の学習と、あとニューラルネットの教育目的に使いやすいなーと思ったので。2層のニューラルネットまで段階をふんで解説してるんですが、プログラム読むほうが得意、って方は一番最後のコードを先に読んだほうがわかりやすいかもしれません。 追記(7/13)型チェック chainer1.1.0から型チェックが入ったので(https://github.com/pfnet/chainer/pull/95)、識別にはfloat32を入力してint32を出力、回帰にはfloat32を入力してfloat32を出力、とい
初心者でも今すぐ機械学習・ディープラーニングの勉強を始められるスライド11 - paiza開発日誌
Photo by PROTim Regan こんにちは。谷口です。 最近「人工知能」や「機械学習」に関する話をよく耳にします。実際に機械学習の勉強をしている人や、機械学習に関連した研究開発の求人を探す人も増えてきたなーと感じます。弊社のITエンジニアにも機械学習を勉強中という人がいますが、特に最初の頃は難しすぎて何から手を付けたらいいのかよく分からず、とても悩んだと言っていました。 というわけで今回は 実は機械学習とディープラーニングの違いがわかってない 機械学習勉強したいけど仕事してると体系的に学ぶ時間がない 仕事や研究で「機械学習やって」って言われそうな気配がする 過去に機械学習の勉強にチャレンジしたことがあるけど難解すぎて挫折した という方々のために、機械学習を勉強している弊社のエンジニアに、機械学習に入門した頃に役立ったスライドを聞いてきたのでご紹介します。 ■機械学習とディープラ
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
物理サーバを選定する際のポイント – Eureka Engineering – Medium
Mayonez [マヨネーズ]｜エンジニアの毎日をハッピーに。![Mayonez [マヨネーズ]｜エンジニアの毎日をハッピーに。](https://cdn-ak-scissors.b.st-hatena.com/image/square/154917c003eba4362ab281b85f085dd78441207a/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fmayonez.jp%2Fwp-content%2Fthemes%2Fmayonez-test%2Fpublic%2Fimages%2Fcommon%2Fog_mayonez.png)
Deep Learningで始める文書解析入門
