「ゼロから作るDeep Learning ２自然言語処理編」読書会に参加する前に読んで置くとよい資料とプログラム, python(8) - Qiita
目的(pupose) 「ゼロから作るDeep Learning」読書会に必要な資料を整理する。 <この項は書きかけです。順次追記します。> This article is not completed. I will add some words in order. 成果(outcome) 「ゼロから作るDeep Learning」読書会参加者が、必要な予備知識、演習のための基礎技術が身につく。 M.S.WindowsにPython3を導入する（7つの罠）2024年版 https://qiita.com/kaizen_nagoya/items/2b6e7643fb164c287f4e 前書き(preface) 今日(2018年04月13日)がReview最終日 「ゼロから作るDeep Learning ２自然言語処理編」を読む前に読んで置くとよい資料とプログラム 「『ゼロから作るDeep L
深層学習の今のところの限界「何ができて、何ができないか？」
深層学習の今のところの限界「何ができて、何ができないか？」 2018.01.08 Updated by Ryo Shimizu on January 8, 2018, 08:29 am JST あけましておめでとうございます。 先日、MIT Technology Reviewにこのような記事が掲載されていました。 深層学習の過大評価は危険、ウーバーAI研究所の前所長が指摘 この論文を発表したのはニューヨーク大学の心理学者のゲイリー・マーカス教授。心理学者ということで、我々情報工学の立場とはまた違う立場で深層学習にできることとできないことを分離しています。 筆者はこのニュースを見て最初は反発したのですが、原文を読んでみると現状のディープラーニングの課題についてよくまとまっているのではないかと思いましたので紹介します。原文はこちら ■ディープラーニングの限界 マーカス教授によると、ディープラー
亀のフィギュアに「これは銃です」 AIに誤認識させる手法をMIT学生が開発
AIによる画像認識は、今や人間と同等かそれ以上の精度まで進化している。そんなAIが、どう見ても亀のフィギュアにしか見えないものを「銃だ」と間違って認識してしまったら――。 米マサチューセッツ工科大学の学生研究チームがこのほど、ニューラルネットワークによる画像認識を“だます”3Dオブジェクトを作製する手法を開発したと発表した。この手法では、物体を見る方向を変えたり、拡大・縮小したり、カメラのノイズが乗っていたりしても安定して別の物体に誤認識させられるという。 2次元の画像を加工してAIをだます技術は以前からあったが、その画像をプリントして現実の光やノイズなどの要素が加わったり、回転したりすると正しい認識に戻ることから、現実世界で画像認識システムを使う際のリスクにはならないと考えられていた。
ディープラーニングの応用のための具体的方針まとめ - HELLO CYBERNETICS
はじめに 目標の設定と指標の決定 目標の設定 指標の決定 評価指標に対する最低限の知識 機械学習における知識（補足） ニューラルネットワークの学習 最初に使うニューラルネットワーク 時間的にも空間的にも独立である複数の特徴量を持つデータ 空間の局所的な構造に意味のある多次元配列データ（例えば画像） 時間的な変動に意味のあるデータ（例えば音声、自然言語） ニューラルネットワークの細かい設定 ユニットの数と層の数 正則化 活性化関数 ドロップアウト バッチ正規化 学習の早期終了 性能が出ない場合 データの追加収集 ニューラルネットの設定をいじる 用いるニューラルネット自体を変更する 新たなニューラルネットワークの考案 コードを書くにあたって データ成形 結果を記録するコード フレームワークの利用 フレームワークの選択 ChainerとPyTorch TensorFlow Keras 最後に は
ディープラーニングの判断根拠を理解する手法 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在してお
認識系API活用入門（2）：翻訳系API「Translator API」の使い方と2017年2月現在のWatson、Google翻訳との違い (1/3) - ＠IT
翻訳系API「Translator API」の使い方と2017年2月現在のWatson、Google翻訳との違い：認識系API活用入門（2）（1/3 ページ） コグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していく連載。今回は、Translator APIの概要と使い方を解説し、他のサービスとの違いを5パターンで検証する。 ※本稿は2017年2月14日の情報を基に作成しています。この記事内で使用している画面やコグニティブサービスの仕様、精度は変更になっている場合があります。 本連載「認識系API活用入門」では、マイクロソフトのコグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検
これからのモバイルアプリは「深層学習付き」になる？
Googleの「AutoDraw」は、手書きから描きたいものを推測してイラストを提案する。モバイルデバイスのアプリは、今後は深層学習技術を利用し、複雑で細かい操作をしなくても高度な作業ができるようにできるようになるだろう。 どうも世間では、7月22日に放送されたNHKのAI（人工知能）についての番組が話題になっているようです。 恐らく、AIについて誤解があるのではないでしょうか。多くの人がAIに対して抱くイメージは、鉄腕アトムのようなものです。ちょっと古いですかね。スターウォーズの「R2-D2」や「C-3PO」というと、多少は分かりやすいでしょうか。 自立していて、人の話を理解して、何でも答えてくれるというものです。これは「汎用AI」と呼ばれるもので、AI技術の究極の目標ともいえますが、いまだ実現されていません。 今、世の中に出回っているAIの多くは、「ディープラーニング（Deep Lea
Lua版 ゼロから作るDeep Learning まとめ - Qiita
はじめに この記事は斎藤康毅先生著のゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装で掲載されているスクリプトをLuaの機械学習計算ライブラリTorchで実装した記事のリンクを掲載しています。 定期的に参照したい方はこちらをストックしていただけたら便利かと思われます。 記事一覧（更新中） Lua版 ゼロから作るDeep Learning その１[パーセプトロンの実装] Lua版 ゼロから作るDeep Learning その２［活性化関数］ Lua版 ゼロから作るDeep Learning その３［３層ニューラルネットワークの実装］ Lua版 ゼロから作るDeep Learning その４［ソフトマックス関数の実装］ Lua版 ゼロから作るDeep Learning その５［MNIST画像の表示］ Lua版 ゼロから作るDeep Learning
ディープラーニング（Deep Learning）とは？【入門編】
＃はじめに 最近、ニュースや記事でよく目にする“ ディープラーニング（Deep Learning） ” 。 ビジネスや社会にどのように影響を与え、活用されていくのかに興味ある方が多方面に増えてきている一方で、Deep Learningについて知りたいけれども、実際よくわからない…と感じている方も多く見受けられます。 実際にMM総研の「人工知能技術のビジネス活用概況」の調査結果によると、人工知能のビジネスへの導入率は、日本は他２カ国に比べかなり遅れをとっていることが読み取れます。 引用：https://www.m2ri.jp/news/detail.html?id=238 今回は、その基本的な疑問や実際どうビジネス活用できそうなのか皆さまが想像できるようになるよう、Deep Learningとは一体どういう技術なのか、俗にいう「人工知能(AI)」や「機械学習(ML)」との違いなど基本的な情報
Deep Learning
An MIT Press book Ian Goodfellow and Yoshua Bengio and Aaron Courville The Deep Learning textbook is a resource intended to help students and practitioners enter the field of machine learning in general and deep learning in particular. The online version of the book is now complete and will remain available online for free. The deep learning textbook can now be ordered on Amazon. For up to date an
ディープラーニングのための線形代数入門：一般的演算の初学者向けガイド | POSTD
Jeremy Howardによる ディープラーニングの素晴らしいコース を受講している間、自分の前提知識がさびついてきているせいで、誤差逆伝播法のような概念が理解しにくくなっていることを認識しました。そこで、理解度を上げるべく、そうした概念に関するいくつかのWikiページをまとめてみることにしました。本記事では、ディープラーニングでよく使われる線形代数演算のいくつかについて、ごく基本的な事項をざっとご紹介します。 線形代数とは？ ディープラーニングの文脈での線形代数とは、数の集合を同時に操作するための便利な手法を提供してくれる、数学的ツールボックスです。これらの数値を保持するためのベクトルや行列（スプレッドシート）のような構造体と、それらを加算、減算、乗算、および除算するための新しい規則を提供します。 線形代数が便利な理由 線形代数は、複雑な問題を単純で直感的に理解できる、計算効率の良い問
「機械学習とは？」から始めるDeep Learning入門ハンズオンをやってみたよの巻 | いきあたりばったり
世の中の流れは早いっすね。早くて早くてアップアップですよ。 私はハンズオンズという名前の会を主催しています。 無視できないくらい世の中に広まってきたけど、仕事では使わないし、全くわからない。世の中についていけない・・・ というものをとりあえず触ってみる会です。 その第2弾(1回目はDockerでした)Deep Learningの入門編をやってみましたので、ブログに書いておきます。 1回目のDockerに関してはこちらの記事をどうぞ。 何を目的にハンズオンをやっているかも書いてあります。 毎回講師を呼ぶと決めているのですが、以前からもくもく寺Slackで仲良くしてくれている @hidetomasuoka さんがスッと名乗り出てくださったので特に何も苦労せず実現できました( ˘ω˘)人 DeepLearning編やりましょうか？ — Hideto Masuoka (@hidetomasuoka
なぜ機械学習にPythonが選ばれるのか - Qiita
教育言語として Pythonは「同じインデントレベルの文は同じ塊」というルールを採用しており、見掛け上のPythonプログラムの最大の特徴となっています。 Python作者のGuido van Rossum氏(オランダ人でアムステルダム大学卒)はPythonを開発する以前に、オランダで教育向けの「ABC言語」の開発に関わっており、Python自体はRAD(迅速なアプリケーション開発)がメインで教育用を念頭に開発してはいなかったものの、ルーツとなったABC言語では文法に関してさまざまな研究が行われ、インデントを使うのが初心者にとってもっとも間違いにくいブロックの表現として採用していたのです。(Donald Knuth氏が推進していた。) Rubyist のための他言語探訪 【第 1 回】 Python Pythonがプログラミングの学習に向いているたった一つの理由 From ABC to P
「新春座談会 このコンピュータ書がすごい！ 2017年版に参加してきた - プログラマでありたい
ジュンク堂書店池袋本店で開催された「このコンピュータ書がすごい」に参加してきました。 gihyo.jp www.youtube.com Youtubeで当日の動画が公開されていますが、２時間半の長丁場です。 総合ランキング まずはジュンク堂書店池袋本店の2016年売上総合ランキングから。上位陣の殆どは、2015年と変わらず。その中で上位に食い込んで来ているのが、機械学習系とPython本。確かに勢いありましたよねぇ 総合順位 書名 書影リンク 1 人工知能は人間を超えるか 2 たった1日で即戦力になるExcelの教科書 3 スッキリわかるJava入門 第2版 4 ゼロから作るDeep Learning 5 リーダブルコード 6 イラストで学ぶ ディープラーニング 7 暗号技術入門 第3版 8 入門Python3 9 いちばんやさしいWordPressの教本 4x対応 第2版 10 マスタリ
OSSと人工知能の関係--なぜオープンソース化なのか
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます こんにちは、日立ソリューションズの吉田です。今回は、最近話題の「人工知能」とOSSとの関連について、紹介したいと思います。 現在、さまざまなところで人工知能が話題になっています。米国Google社によって買収された英国DeepMind社が開発した「AlphaGo」が韓国のプロ囲碁棋士のイ・セドル氏に勝利したことが、人工知能の進化を人々に印象づけたようにように思います。 第3次人工知能ブーム 今回の人工知能への期待の高まりは、一般的に「第3次人工知能ブーム」と呼ばれています。1950年代に「第1次人工知能ブーム」が起こりました。1956年のダートマス会議の研究発表会で、ジョン・マッカーシー氏によって、「人工知能（Artificial In
【みんな】Caffeより手軽かつ高速! Cで書かれた必要十分な深層学習フレームワーク darknetを試す【意外と知らない】:電脳ヒッチハイクガイド:電脳空間カウボーイズZZ(電脳空間カウボーイズ) - ニコニコチャンネル:生活
チャオ! オレだ。 深層学習を手軽に使いたいというニーズは日に日に高まっているはずなのに、ガクシャ先生どもと来たら、やれMatlabだ、やれPythonだのと軟弱言語の話しかしやしねえ。どこかに気骨溢れたナイスガイはおらんのか! と思ったら、居た。 それが今回紹介するdarknetだ。 darknetという名前から想像する異常にダークである。 バーン どうよこのダークネス感 いまどき黒いページというのは珍しい。 そして無駄に凝った魔法陣のようなロゴ。ダークだ。 しかしダークネット、厨二満開とせせら笑っていられるのもいまのうちだ。 このダークネット、実に必要十分な機能を最短で試せる超絶優れたツールなのである。 CaffeやTensorFlowほどの知名度はないが、実用性皆無なTensorFlowに比べてdarknetはものすごく実用的。Cが分かる人ならばこれほど使いやすいものもちょっと他にな
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
Deep Learning基礎講座演習コンテンツ 公開ページ
日本ディープラーニング協会が発足、資格試験で技術者3万人育成
Python vs Ruby 『ゼロから作るDeep Learning』 まとめ - Qiita