タグ

関連タグで絞り込む (1)

タグの絞り込みを解除

machinelearningに関するamberjack115のブックマーク (6)

  • Amazon Machine Learningについて調べてみよう - Qiita

    これもリンク集です。 クラウド上の機械学習では、いろんな種類のものがあります。 ・機械学習の結果を利用するだけのもの ・機械学習をクラウド上で実現できるもの ・指定された入出力形式だけのもの ・指定された入出力だけではなく、プログラム言語で多くの処理が記述可能なもの そういった部分に何があって、どのくらいの負担で利用できるのか理解していきたいと思っています。 Amazon Machine Learningのサンプルをちょっとチューニングしてみる Amazon Machine Learningを理解するために3つの方法で天気予測をしてみた（二項分類編） Amazon Machine Learning ［チュートリアル］Amazon Machine Learningの使い方 【AWS】Amazon Machine Learningチュートリアルやってみました AWSの機械学習サービスAmazo

    Amazon Machine Learningについて調べてみよう - Qiita

  • はじめてのAzure Machine Learning - Qiita

    概要 Azure Machine Learningの入門記事です。Azure Machine Learning Studioを使って、おなじみTitanic生存予測モデルの学習を行い、学習したモデルをWebサービスとしてデプロイするところまでを実施します。 前提条件 Azureのアカウントを所持していること。 リソースグループ、およびMachine Learningリソースが作成されていること。（作成の手順についてはこちら） 機械学習スタジオが起動されていること。 データセットの作成 KaggleよりTitanicデータセットの "train.csv" をダウンロードし、これをデータセットとして使用します。 [データセット] メニューより、「+データセットの作成」ボタンを押下し、ローカルファイルからデータセットを作成します。 作成後は以下のようなデータセットが作成されています。 ノートブッ

    はじめてのAzure Machine Learning - Qiita

  • Azure Machine Learningのいろは - Qiita

    はじめに Azure Machine Learning とはAzureのサービスの一つで、Azureで機械学習モデルを構築、運用できるプラットフォームです。 Azure上でノートブック（Python）を用いたモデル構築だけでなく、データを投入するだけで自動的に最適なモデル・パラメータ探索を行ってくれるAutoMLやGUIベースでパイプラインを構築できるデザイナー機能もあり、幅広いユーザにとって活用場面のあるサービスなのですが、その幅広さ故に初めて触る人にはちょっとわかりにくい部分もあるなあと思い、構造的に理解をするために記事にすることにしました。 これからAzure Machine Learningを触ろうと考えている方、また少し触ってみたが深くは理解できていない方の一助になれればと思います。 なお、本記事の内容は私の独自の理解に基づいた記述となっており、また日々提供サービスも更新されてい

    Azure Machine Learningのいろは - Qiita

  • 多分もっともわかりやすいTensorFlow 入門 (Introduction) - Qiita

    TensorFlow を試してみた まず、Get started を読んでみます。 Introduction | TensorFlow いきなりTensorFlow のサンプルコードがでてきますが、ここではサンプルデータを使って、どれだけシンプルにモデルを構築できるかを見せてくれているわけです。ここはそもそも機械学習の知識が皆無だと、逆に意味がわからないと思います。 いろいろなTensorFlow の記事を見ると「機械学習知識ゼロでもいける」というのもみかけますが、TensorFlow はあくまでもツールにすぎないので、最低限の知識はあったほうが今後のためにも良いと思います。 次に、伝統的なMNIST(手書き文字認識)に取り組むということでデータのダウンロードを勧められます。MNIST 未経験なら「青いクスリ」を、ある程度機械学習に慣れた方は「赤いクスリ」をと勧められますので、ここは迷わず

    多分もっともわかりやすいTensorFlow 入門 (Introduction) - Qiita

  • はじめに — 機械学習帳

    import torch x = torch.tensor([1., -1.]) w = torch.tensor([1.0, 0.5], requires_grad=True) loss = -torch.dot(x, w).sigmoid().log() loss.backward() print(loss.item()) print(w.grad)

    はじめに — 機械学習帳

  • 機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説 - Qiita

    はじめに 私はこれまで機械学習のパラメータチューニングに関し、様々な書籍やサイトで学習を進めてきました。 しかしどれもテクニックの解説が主体のものが多く、 「なぜチューニングが必要なのか？」 という目的に関する記載が非常に少なかったため、体系的な理解に苦労しました。 この経験を後世に役立てられるよう、「初心者でも体系的に理解できる丁寧さ！」をモットーに記事にまとめたいと思います。 具体的には、 1. パラメータチューニングの目的 2. チューニングの手順とアルゴリズム一覧 3. Pythonでの実装手順 (SVMでの分類を例に) の手順で解説を進めます。 独自解釈も含まれるため、間違っている点等ございましたら指摘頂けると有難いです。 なお、文中のコードはこちらのGitHubにもアップロードしております。 2021/9/6追記：LightGBMのチューニング実行例追加 以下の記事に、Ligh

    機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説 - Qiita
  • 1

お知らせ

もっと読む

公式Twitter

  • @HatenaBookmark

    リリース、障害情報などのサービスのお知らせ

  • @hatebu

    最新の人気エントリーの配信

はてなブックマーク

公式Twitter

はてなのサービス

  • App Storeからダウンロード
  • Google Playで手に入れよう
Copyright © 2005-2024 Hatena. All Rights Reserved.