作りながら学ぶ強化学習 -初歩からPyTorchによる深層強化学習まで|Tech Book Zone Manatee
株式会社電通国際情報サービス ⼩川雄太郎 株式会社電通国際情報サービス（ISID）、技術本部 開発技術部に所属。ディープラーニングをはじめとした機械学習関連技術の研究開発・技術支援、およびHR techに関するデータ解析を業務とする。明石高専、東京大学工学部を経て、東京大学大学院新領域創成科学研究科、神保・小谷研究室にて、脳機能計測および計算論的神経科学の研究に従事し、2016年博士号（科学）を取得。東京大学特任研究員を経て、2017年4月より現職。JDLA DeepLearning for GENERAL 2017。 2018.04.03 作りながら学ぶ強化学習 -初歩からPyTorchによる深層強化学習まで 第15回 CartPole課題で深層強化学習DQNを実装 SEやプログラマ、エンジニア、一般の方を対象に、少しずつ実際にプログラムを作りながら、強化学習および深層強化学習について解
第11回 Cloud ML Engine上でTensorFlowを動かしてみよう|Tech Book Zone Manatee
第8回では○×ゲームを題材にTensorFlowのサンプルコードを動かしてみました。せっかくなので引き続き同じ題材を用いて、Cloud Machine Learning Engine (Cloud ML Engine)を使ってみましょう。 1. Cloud ML Engineとは Cloud ML EngineはGCP (Google Cloud Platform)のサービスのひとつで、TensorFlowの実行環境を提供してくれるというものです。大きく以下の2つの機能を持っています。 1. TensorFlowで書いた学習用コードを実行するためのリソースを提供する 2. TensorFlowの学習済みモデルをデプロイしてWeb APIを生成する まず初めに、それぞれの機能についていったい何が便利なのかというところを簡単に説明しておきましょう。 学習アルゴリズム実行のためのマシンリソース
詳解 ディープラーニング|Tech Book Zone Manatee
書籍 『詳解 ディープラーニング』は、「ディープラーニングについて何となくわかっているけれど、もう少し理解を深めたい」「画像認識だけでなく、時系列データを分析するためのモデルについて学びたい」という方に向けて、ディープラーニング、ニューラルネットワークについて解説した書籍です。実装にはPythonのディープラーニング向けのライブラリ、TensorFlow (1.0) およびKeras (2.0) を用いています。本連載では『詳解 ディープラーニング』の内容の一部を紹介していきます。 巣籠悠輔 Gunosy、READYFOR創業メンバー、電通・Google NY支社に勤務後、株式会社情報医療の創業に参加。医療分野での人工知能活用を目指す。著書に『Deep Learning Javaプログラミング 深層学習の理論と実装』（インプレス刊、Packet Publishing：Java Deep L
機械学習で遊ぼう! APIサービスやTensorFlowを使ったサンプルレシピ集|Tech Book Zone Manatee
「機械学習に興味あるけど、なかなか自分でアプリを作るところまでできない…･･･」 本連載では、そんな方を対象に、気軽に機械学習を使ったアプリを作れるようなサンプルを紹介していきます。 興味があるけどなかなか着手できていなかった方、一度チャレンジしてみたけれど難しくて挫折してしまった方、またはすでに取り組んでいて、もっといろんなアプリを作ってみたい方は、ぜひ本連載で紹介するアプリを一緒に作ってみてください。 本連載では、前半ではAPIサービスを、後半ではライブラリを使って、機械学習を使ったアプリのサンプルを紹介していきます。APIサービスとしてはGoogleのGoogle Cloud Platformで提供されているAPIサービスを使い、ライブラリとしては、オープンソースとして提供されているTensorFlowを使います。 阿佐志保 TIS株式会社 戦略技術センター所属。金融系シンクタンクで
第3回 機械学習のためのベイズ最適化入門|Tech Book Zone Manatee
応用範囲が広く幅広い視点からの説明になりがちなベイズ最適化について、本記事では機械学習のハイパーパラメータ探索に利用することに限定して解説します。 1. はじめに 最近、ベイズ最適化という手法が注目を集めています。 ベイズ最適化 (Bayesian Optimization) とは、形状がわからない関数 (ブラックボックス関数) の最大値 (または最小値) を求めるための手法です。 ベイズ最適化についての入門記事は Web 上にすでにいくつかありますが、ベイズ最適化は応用範囲が広く、入門記事は様々な応用に向けた幅広い視点からの説明になりがちです。 本記事では、機械学習ユーザに向けて、ベイズ最適化を機械学習のハイパーパラメータ探索に利用することに限定して説明します。 これにより、機械学習に対して、ベイズ最適化がどのように利用できるのかを分かりやすく解説したいと思います。 2. ハイパーパラメ
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
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
