自然言語処理研究会 (NL研) での発表資料です。対話エージェントに個性 (方言・熱さ等) を追加する技術で、深層学習を用いた対話返答文生成で元の個性を保持しつつ 個性を追加反映した返答文生成を行います。Read less
![対話返答生成における個性の追加反映](https://cdn-ak-scissors.b.st-hatena.com/image/square/0f58b1723396710fe6368c1499c971dd86c6b10f/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fv1-170721054716-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
自然言語処理研究会 (NL研) での発表資料です。対話エージェントに個性 (方言・熱さ等) を追加する技術で、深層学習を用いた対話返答文生成で元の個性を保持しつつ 個性を追加反映した返答文生成を行います。Read less
Gradient Boostingは近年Kaggleなどのコンペティションで注目を集めている分類や回帰問題に対するアルゴリズムの一つである。XGBoost, LightGBM, CatBoostなどが有名ではあるが、それらを土台にして近年はDeepGBMやNGBoostといった新規アルゴリズムの登場、汎化理論解析の進展、モデル解釈性の付与方法の多様化など、理論から応用まで多岐にわたる研究が行われている。本チュートリアルでは、Gradient Boostingに関する近年の研究動向やテクニックを、それらの社会実装までを見据えながら紹介していく。 第20回ステアラボ人工知能セミナー https://stair.connpass.com/event/109983/ 【講演動画】 https://youtu.be/Fgza_C6KphU 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要
Here is a slide material which was not shown, but was the basis of what I talked at the Japanese meeting for "ORCID consoritium" feasibility, Tokyo 29 September 2016. Sharing this file is to help visually confirming the vision that I talked orally at the meeting. If the PowerPoint file in Japanese language looked corrupted, please download it to view.
「ITエンジニアのための機械学習理論入門」で提供しているサンプルコードに含まれるデータ分析ライブラリ(NumPy/pandasなど)を解説した資料です。 下記の書籍のサンプルコードが理解できるようになることが目標です。 - ITエンジニアのための機械学習理論入門(技術評論社) - http://www.amazon.co.jp/dp/4774176982/ 2015/10/25 ver1.0 公開 2015/10/26 ver1.1 微修正 2016/05/25 ver1.4 subplotの順番を修正 2016/11/15 ver2.0 改訂版公開 2016/11/16 ver2.1 改行幅修正 2017/01/10 ver2.2 微修正 2017/01/12 ver2.3 微修正Read less
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
2015年7月期 AITCオープンラボ Deep Learningハンズオン勉強会~Caffeで画像分類を試してみようの会~Read less
※ブラウザでうまく表示されませんのでDLして御覧ください※ ※以下のリンクからもご覧いただけます※ https://speakerdeck.com/tam07pb915/nagoyar15 ロジスティック回帰や多項ロジスティック回帰などの一般化線形モデルを用いた分析の結果を図示するためのeffectsパッケージの紹介をします。
全脳アーキテクチャ勉強会では,毎回脳の機能の一部に注目し,神経科学,機械学習などの関連分野の専門家をお呼びし,脳の機能の実現方法の何がわかっていて何がわかっていないかを明らかにしていきます. 今回のテーマは「実世界に接地する言語と記号」です. まず背景として,言語を扱いうる知能を実現するためには,高次の概念やその関係を抽出し,それを記号と結びつけた上で,文法等に従った記号操作を行う能力が求められると思われます.しかし,こうした能力を工学的に実現するのは容易ではなく,現状の人工知能や機械学習における現実世界のデータと記号や言語とのつながりは,人間に比べて極めて貧弱なものです. しかし近年においては,神経科学の知見が急速に蓄積され,深層学習からは基本的な概念の獲得に成功するだけでなく,文法を扱う試みなども始まっています.そこで,今回の勉強会では,こうした背景を踏まえ,「実世界に接地する言語と記
ABテストにおける統計の重要性が語られ始めてきております。データアーティスト社内教育用に使っている資料でございます。 少しでも皆様のお役にたちますと幸いです。Read less
第4回サイバーエージェントMarketing & Analytics勉強会 http://atnd.org/event/camark04 の講演スライドです。未だにslideshareの使い方が分からなくて、アップロードしたら勝手にフォントが明朝体に変わってしまったり位置がずれてしまったり右側が切れてしまったり。。。表示がおかしかったりダサかったりするのはそのせいです。ごめんなさい。
The document describes various probability distributions that can arise from combining Bernoulli random variables. It shows how a binomial distribution emerges from summing Bernoulli random variables, and how Poisson, normal, chi-squared, exponential, gamma, and inverse gamma distributions can approximate the binomial as the number of Bernoulli trials increases. Code examples in R are provided to
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
処理を実行中です
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