データ分析コンテストの技術と最近の進展第14回ステアラボ人工知能セミナー https://stair.connpass.com/event/68515/ の発表資料です． 共有用のショートカットURL: https://goo.gl/MgFmJk
異常検知と変化検知 第4章 近傍法による異常検知
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ：現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
CTRオンライン予測システムのアーキテクチャ
「Ameba広告システムの裏側見せます - オレシカナイトvol3」発表資料です。 https://cyberagent.connpass.com/event/64176/
機械学習の情報収集に役立つ14のメルマガ - Qiita
機械学習は日進月歩の世界であり、情報収集が欠かせません。みなさんもブログやニュース記事を読む、Twitter で機械学習に関するつぶやきをしている人をフォローする、毎日 arXiv の論文をチェックする、といった方法で情報収集しているのではないかと思います。 情報収集の際に課題となるのが、情報が多すぎて重要な情報が埋もれてしまう点があげられます。通常、この問題の解決策として、いいね数やブックマーク数の多い記事を読む、フォローする人を絞り込む、何らかのキュレーションツールを使う、といった手段が取られます。 重要な情報を効率的にチェックしたい方におすすめできる方法の一つとして、メルマガを購読する方法があります。機械学習に関するメルマガを購読する利点として、以下の点をあげられます: 識者が配信する情報を選んでいるので、重要な情報を効率的にチェックできる ほとんどの場合、週一で配信されるので、毎日
機械学習はじめの一歩に役立つ記事のまとめ - Qiita
「機械学習」というワードになんとなく惹かれつつも、具体的にやりたいことがあるわけでもないので、手を動かすことなくただひたすら**「いつかやる」**ために解説記事やチュートリアル記事を集める日々を過ごしていたのですが、このままじゃイカン！と Machine Learning Advent Calendar に参加登録してみました。 が、やはり何もしないまま当日を迎えてしまったので、お茶濁しではありますが、せめて「機械学習ってどんな手法やライブラリがあって、どんな応用先があるのか？」というあたりをざっくり把握して最初に何をやるのか方向付けをするためにも、たまりにたまった機械学習系の記事をいったん整理してみようと思います。 機械学習の概要 特定のライブラリや手法の話ではなく、機械学習全般に関する解説。 機械学習チュートリアル@Jubatus Casual Talks 冒頭に、 初めて機械学習を聞
Twitter感情分析で株価予測の論文を検証したら約70%の精度で上下予測できた - Qiita
どうも、オリィ研究所 (http://orylab.com/) のryo_gridこと神林です。 今回はTwitter感情分析で株価予測の論文「Twitter mood predicts the stock market」を検証してみました。 追記: コメント欄にテクニカルによる予測とアンサンブルして約70%の精度で予測できたことについて記述しています。 追記２: コメント欄に始値で予測した場合について記述しています 検証対象 "Twitter mood predicts the stock market" https://arxiv.org/pdf/1010.3003.pdf 上記論文を日本語で解説した記事は以下。 [第三回論文速報会] Twitterの感情分析から株価の予報は可能か？ http://networkpaper.blogspot.jp/2012/04/twitter.htm
Googleにおける機械学習の活用とクラウドサービス
[OCPJ PoCWG Engineering Workshop] Zabbixを用いたOCPベアメタル監視環境の自動構築
Scikit-Learn Cheat Sheet: Python Machine Learning
This post originally appeared on the DataCamp blog. Big thanks to Karlijn and all the fine folks at DataCamp for letting us share with the Yhat audience! And be sure to check out DataCamp's other cheat sheets, as well. Scikit-Learn library Most of you who are learning data science with Python will have definitely heard already about scikit-learn, the open source Python library that implements a wi
TensorFlowによるDCGANでアイドルの顔画像生成 その後の実験など - すぎゃーんメモ
memo.sugyan.com の続編。 あれから色々な変更しつつ実験してみたりしたのでその記録。 結論を先に書くと、これくらい改善した。 DCGAN ざっくりおさらい Generator: 乱数の入力から画像を生成する Discriminator: 入力した画像がGeneratorが生成したものか学習データのものかを判別する という2種類のネットワークを用意し、お互いを騙す・見破るように学習を行うことで Generatorが学習データそっくりの画像を生成できるようになる、というもの 学習用画像の増加 前回の記事では90人の顔画像データから生成していたけど、あれから収集を続けて もう少し多く集まったので、今回は260人から集めた顔画像100点ずつ、計26,000件を学習に使用した。 Feature matching openai.com の記事で紹介されている "Improved Tech
機械学習に挑んだ一年間 – 機械学習について一から学び、仕事に活用するまでの道のり | POSTD
この記事は、去年私が書いた「Machine Learning in a Week（機械学習に挑んだ一週間）」という記事の続編です。その記事では、私が5日間集中的に機械学習を学び、のめり込んでいった経緯について説明しています。 機械学習に挑んだ一週間 一般の人にとって機械学習の分野に足を踏み入れるのは、無謀なことに思えるでしょう。medium.com 私は順調なスタートを切った後も、時間を見つけて勉強を続け、およそ一年後には、仕事で機械学習を活用した初プロジェクトを立ち上げることができました。そのプロジェクトでは、さまざまなタイプの機械学習や自然言語処理（NLP）の技術を駆使して、 Xeneta の 潜在顧客の特定 を行っています。 趣味でやっていたことが仕事になって、とても嬉しかったです。 同時に、仕事として機械学習を利用するのは博士号を持つ限られた人だけだ、という思い込みも払拭されました
ランダムフォレストの基礎と最新動向
• – • – • • • – – • – • – – – • • • – • – • – • • • – – – • – – – – • • • • • • • • – – – • – – – – • • • • – – • ∗ , ∗ • ∗ • – • • • – – • ∗ , ∗ • ∗ • – • • – – • • • • – – • ∗ , ∗ • ∗ • – • ∗ ∗ ∗ ∗ arg max • ∈ • ∈ , • • ∗ ∗ ∗ ∗ arg max • • – – • ∗ , ∗ • ∗ • – • • – – – • – – – – • • • • • • • – – • – • – • ∗ – – • – – • • – • – – – • – – – – • • • – – • • • • – – , ∈ 1, … , • • – – • Input depth
実際に効果を出せてきた！ ECナビのレコメンデーションシステムのご紹介 - CARTA TECH BLOG
こんにちは、システム本部データプラットフォームグループ(DPG)エンジニアのEthan Huです。 今回はECナビ（http://ecnavi.jp/）で使用しているレコメンデーションシステムについてご紹介します。 ECナビでのレコメンデーションシステムの利用方法は、ユーザ1人1人に合わせた情報配信を行う事を目的としています。この様なシステムの導入時、社内でも話題に上がるのが「そもそもレコメンデーションシステムって効果あるの？」の声です。 また、レコメンデーションシステムは様々な手法(アルゴリズム)があり、正直どれが良いか検証しないとわからない所が大きいです。 今回は各アルゴリズムの評価、効果検証も考慮したレコメンデーションシステムの構成について紹介します。 レコメンデーションアルゴリズムについて その前に、レコメンデーションの手法を簡単に説明します。 レコメンデーションアルゴリズムとして
勾配降下法の最適化アルゴリズムを概観する | POSTD
(編注：2020/10/01、2016/07/29、いただいたフィードバックをもとに記事を修正いたしました。) 目次： さまざまな勾配降下法 バッチ勾配降下法 確率的勾配降下法 ミニバッチ勾配降下法 課題 勾配降下法を最適化するアルゴリズム Momentum(慣性) Nesterovの加速勾配降下法 Adagrad Adadelta RMSprop Adam アルゴリズムの可視化 どのオプティマイザを選ぶべき？ SGDの並列化と分散化 Hogwild! Downpour SGD SGDのための遅延耐性アルゴリズム TensorFlow Elastic Averaging SGD 最適化されたSGDに対する更なる戦略 シャッフル学習とカリキュラム学習 バッチ正規化 早期終了 勾配ノイズ 結論 参考文献 勾配降下法は、最適化のための最も知られたアルゴリズムの1つです。これまではニューラルネット
機械学習アルゴリズムのボトルネックをCythonで改善する話 - Qiita
class MFbpr(Recommender): ''' コンストラクタとか他の処理 ''' def buildModel(self): loss_pre = sys.float_info.max nonzeros = self.trainMatrix.nnz hr_prev = 0.0 sys.stderr.write("Run for BPR. \n") for itr in xrange(self.maxIter): start = time.time() # Each training epoch for s in xrange(nonzeros): # sample a user u = np.random.randint(self.userCount) itemList = self.trainMatrix.getrowview(u).rows[0] if len(itemL
Deep Learning のトレンドについて喋ってきた
Convolutional Neural NetworksのトレンドについてCasualじゃない話をしてきました． 全脳アーキテクチャ若手の会カジュアルトーク 全脳アーキテクチャ若手の会カジュアルトーク というところでお話をしてきました． ちょっと層がわからなかったのですが，IT系のエンジニアの方が多かったみたいです． （学生は4人くらい…？しかもほぼ身内） 僕のスライドはSlide Shareの方にアップロードされています． しかも，映像もアップロードされていた… 発表後記 実際はConvolutional Neural Networks(CNN)系論文128本ノックにするつもりだったとはいえない空気でしたね… 個人的には画像生成やキャプション生成系の研究速度はとても速く進んでいると感じています． Visual Turing Test の話はもう少し掘り下げたかったですね． Deep M
機械学習・Computer Scienceを勉強する。 リソース一覧 - Qiita
オンライン・オフラインのリソースで勉強に使ってるもの一覧。 多少プログラミングしていて少々の知識があるといいかも。 人工知能・機械学習に必要な教材やTipsを載せていくブログはこちら 努力1mmブログ Coursera Machine Learning 言わずと知れた機械学習の動画。Andrew Ngさんが丁寧に教えてくれる。日本語字幕あり。 Coursera : Machine Learning Coursera Natural Language Processing Courseraの自然言語処理講座。英語。 Coursera : Natural Language Processing 言語処理100本ノック こちらも言わずと知れたリソースかも。自然言語処理をプログラミングするために必要なプログラミングテクニックとかが学べる。 自然言語処理100本ノック Udacity Design
トトくじ予想 ２０１６シーズン 予測方法と考え方について | clew
Jリーグも開幕戦が始まってしまいました。機械学習を使っての予想も もう何シーズンになるか、ずーっと結果が出てないです。同じことを繰り返しても意味がありませんので、なんとか新しい試みを考えています。 以下に現状で考えてるヒントらしきものを整理しておきます。 ただの傾向分類ではダメ 時系列での変化を捉える工夫が必要だデータの質が高ければ、それだけで予測精度も高くなります。当然のことなのですが、これをもっと考えてみます。 時系列で変化がないデータには、たとえば 写真、画像 の分類があります。これらは 静的データ分類です。数多くのデータを集めれば おのずと特徴が現れてきて分類精度が高まるタイプです。一般的なディープラーニングは これです。 動的データの代表は 株価、為替 などや、私がやってるスポーツの勝敗予想 など。これらは 名義属性の特徴といったものが時系列で変化する。常に一定の量的尺度で測るこ
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
機械学習のためのベイズ最適化入門
機械学習ゴリゴリ派のための数学とPython
The AI workspace that works for you. | Notion
