電子情報通信学会総合大会2016 企画セッション 「パターン認識・メディア理解」必須ソフトウェアライブラリ 手とり足とりガイドRead less
![Pythonによる機械学習入門〜基礎からDeep Learningまで〜](https://cdn-ak-scissors.b.st-hatena.com/image/square/bdb79689ddfe9fe0cfef93b9f256dffcce201728/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Ftutorialpython-160406065226-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
便利なツールを作成したら、ぜひみんなにも使ってもらいたいものです。PythonではPyPIというパッケージを登録するサイトがあり、ここに登録することでpip installなどでインストールすることができるようになります。 本文書では、その手順を紹介したいと思います。 注意: 古い方法について ・・・と思ってGoogleで検索すると、現在では推奨されない古い方法がたくさん引っかかります。以下は古い方法の代表例なので、注意をしてください。 setup.pyでdistutilsを使っている 現在はsetuptoolsを使うのが推奨です .pypircにdistutilsの記載がある 現在は必要ありません python setup.py registerやpython setup.py sdist uploadを使っている これらは平文のHTTP/認証されていないHTTPSの通信を利用するため、
Pythonの機械学習用ライブラリの定番、scikit-learnのリリースマネージャを務めるなど開発に深く関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。 関連ファイル サポートページ 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷した月です。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷版、刷り年月日
GTC2017でトヨタとの提携が発表された瞬間。取材中、会場から投稿したツイートは瞬く間に数万インプレッションになった(画像の右上の数字)。 いまアメリカの半導体メーカーNVIDIAがノリに乗っている。トヨタ自動車(以下トヨタ)に、同社がAI自動運転のプラットフォーム(※)を提供することを公表したからだ。この発表はNVIDIAのプライベートイベント「GPU Technology Conference 2017」(GTC2017)の基調講演の中で、同社の共同創業者兼CEOのジェンスン・フアン氏によって明らかにされた。発表を受け、株価は5月9日〜11日にかけて22%上昇し、市場からはその契約が大きく評価されている状況だ。( ※AIコンピューターが運転する自動運転のシステムのこと) NVIDIAがトヨタにAI自動運転プラットフォームを供給することは、自動車業界に、そして開発競争が激化する自動運転
今回は以下の本の紹介をいたします。 加嵜 長門 田宮 直人 丸山 弘詩 マイナビ出版 2017-03-27 「ビッグデータ分析・活用のための」と描かれている通り、文中は大規模データを想定したSQL文が並びます。このビッグデータな時代、色んなSQL本が出版されていますが、ここまで実用的で、かつサンプル例が揃った本に初めて出会いました。 著者はDMM.comラボに勤められているエンジニアの方だそうですが、この書籍の元ネタは現場で実際に使っているSQL文か著者の個人的なメモなのではないでしょうか。それくらい「痒い所に手が届く」「困った時に知っておきたい」サンプル例ばかりです。 今回は、この本で着目すべき3つの注目点を簡単に纏めてみました。 その1:非エンジニア向けの易しい解説書スタンス そもそもビッグデータと一口に申しても、データを管理しているエンジニア、データを分析するデータサイエンティスト、
はじめに Python の学習を始めるにあたり、手頃なお題を探していました。 Docker Engine API を利用すると、各種コードからコンテナが起動出来るということを docker docs - SDKs for Docker Engine API で知り 試しに動かしてみようと思いました。 なお、筆者は Python 初心者であるため 記述内容に不備などあれば、ご指摘頂けますと幸いです。 事前作業 Docker SDK for Python は、Python Package Index (PyPI) で パッケージとして提供されているため、pip でインストール出来ます。 以下のコマンドにて、予めインストールしておいてください。 なお、筆者の環境は macOS Sierra(10.12.4) です。 $ sudo pip install docker はじめてみよう 以下のドキュ
ホーム ブログ 人工知能(AI)、ビッグデータ法務 AIが偶然に「アナゴさん」を生み出した場合、サザエさんの著作権者に怒られるのか?(キャラクター生成A… AIを利用して結果的に第三者に何らかの損害を与えてしまった場合、その責任を誰がどの範囲で負うのかというのは、AIの利活用にとって非常にシビアな問題です。 たとえば、 ・ AIを利用した自動運転車を運転していたが、何らかの理由により交通事故を起こしてしまった場合 ・ 医師が医療用AIを利用して診断を行ったが、医療用AIが示した診療方針が医療水準に満たないものだっため患者が死傷した場合 などです。 このような問題領域の中に、「ある学習用データを利用して適法に学習済みモデルを生成したのに、当該学習済みモデルに何らかの指示を行ったところ、元の学習用データの一部又は全部と同一又は類似する結果が出て来てしまった場合著作権侵害になるのか」という問題が
Lambda × SQS ってよく使う SQSってよく使うので送受信のサンプルを書いておきます。 自分の備忘録的な意味合いも大きい記事です。 前提 LambdaからSQSを操作できるロールがひっついていることを前提とします。 SQSキューは作成済でキューのURLは取得済みとします SQSからのメッセージ受信 Pythonを用いてSQSからメッセージを取得します 固有の設定値は./config.iniに記述しているものとします。詳しくはこちら # -*- coding: utf-8 -*- from __future__ import print_function import ConfigParser import boto3 import json # configファイルの読み込み ini = ConfigParser.SafeConfigParser() ini.read("./co
こんにちは。菊池です。 先のブログで紹介した通り、Amazon SQSでサーバーサイド暗号化(SSE)が可能になりました。 [新機能] SQSでサーバサイド暗号化(SSE)がサポートされました この暗号化を有効化・無効化した際の挙動について調べてみました。 はじめに サーバーサイド暗号化の挙動については公式ドキュメントに記載がありますが、その中で以下のような記述があります。 Encrypting a message makes its contents unavailable to unauthorized or anonymous users. This doesn't affect the normal functioning of Amazon SQS: A message is encrypted only if it is sent after the encryption of
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