Meet Michelangelo: Uber’s Machine Learning Platform
Data / MLMeet Michelangelo: Uber’s Machine Learning PlatformSeptember 5, 2017 / Global Uber Engineering is committed to developing technologies that create seamless, impactful experiences for our customers. We are increasingly investing in artificial intelligence (AI) and machine learning (ML) to fulfill this vision. At Uber, our contribution to this space is Michelangelo, an internal ML-as-a-serv
Essential Cheat Sheets for Machine Learning and Deep Learning Engineers
Machine learning is complex. For newbies, starting to learn machine learning can be painful if they don’t have the right resources to learn from. Most of the machine learning libraries are difficult to understand and the learning curve can be a bit frustrating. I am creating a repository on GitHub (cheatsheets-ai) containing cheatsheets for different machine learning frameworks, gathered from diff
Applying deep learning to real-world problems
The rise of artificial intelligence in recent years is grounded in the success of deep learning. Three major drivers caused the breakthrough of (deep) neural networks: the availability of huge amounts of training data, powerful computational infrastructure, and advances in academia. Thereby deep learning systems start to outperform not only classical methods, but also human benchmarks in various t
Graham Neubig on Twitter: "ニューラルネットは使いたいけど、学習が遅い。ミニバッチ処理を書けば早くなるけど、複雑なモデルになると書くのが大変。 そのあなたに朗報：もう書かなくていいんです！DyNetのAutoBatch機能を使えば学習が楽々と3~9倍速。… https://t.co/tKeIoMkyeg"
ニューラルネットは使いたいけど、学習が遅い。ミニバッチ処理を書けば早くなるけど、複雑なモデルになると書くのが大変。 そのあなたに朗報：もう書かなくていいんです！DyNetのAutoBatch機能を使えば学習が楽々と3~9倍速。… https://t.co/tKeIoMkyeg
人口ピラミッドのAge Heapingを階層ベイズで補正する - StatModeling Memorandum
1週間ぐらい前に以下のツイートがバズっていました。togetterのまとめはこちら。 インドネシアの人口ピラミッド、どうしてこうなったのか 自分の年齢を気にしない文化なのか pic.twitter.com/yPcvUCkpD2— やなせ (@ynsitx) 2016年6月16日 このグラフのソースは恐らく以下の西文彦氏による文書です。 統計局ホームページ/統計に関する国際協力/国際協力・交流/インドネシア中央統計庁（BPS）に対する技術協力 Age Heapingの解説がありますので引用します。 Age Heaping（エイジ・ヒーピング）とは、図1に見られるように、人口ピラミッドなどの年齢各歳別の統計において、例えば50 歳、55歳など、0または5で終わる年齢において、人口が突出して多くなる現象のことである。 この現象が起こる原因は、その国において、自分の年齢を正確に知らない人が多いこと
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
ニューラルネットワークについて学んでみた。（その1） - いものやま。
ゲームのAIを強くするために、強化学習の関数近似で、深層学習（Deep Learning）を使えるようになりたいと思ってる。 なので、深層学習について、以下の本で勉強中。 深層学習 (機械学習プロフェッショナルシリーズ) 作者: 岡谷貴之出版社/メーカー: 講談社発売日: 2015/04/08メディア: 単行本（ソフトカバー）この商品を含むブログ (13件) を見る とりあえず、まずは基本となるニューラルネットワークについて学んでみた。 なお、強化学習については、以下の記事を参照。 ニューラルネットワークの構成 ユニットの出力 ニューラルネットワークでは、ユニット（あるいはニューロン）と呼ばれる部品を互いに接続することで、ネットワークを構成する。 各ユニットは、入力 （は入力の次元）を受け取り、出力 を返す。 各ユニットには、バイアス と、入力に対する重み 、そして活性化関数 があり、次の
ゼロからDeepまで学ぶ強化学習 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ロボットから自動運転車、はては囲碁・将棋といったゲームまで、昨今多くの「AI」が世間をにぎわせています。 その中のキーワードとして、「強化学習」というものがあります。そうした意味では、数ある機械学習の手法の中で最も注目されている(そして誇張されている・・・)手法ともいえるかもしれません。 今回はその強化学習という手法について、基礎から最近目覚ましい精度を出しているDeep Q-learning(いわゆるドキュン、DQNです)まで、その発展の流れと仕組みについて解説をしていきたいと思います。 本記事の内容をベースに、ハンズオンイベントを開
不均衡データに対するNaive BayesとComplement Naive Bayes, Negation Naive Bayesの比較 - Debug me
ちゃお・・・† 舞い降り・・・† 今回は、Naive BayesとComplement Naive Bayes, Negation Naive Bayesでの多クラス分類を比較したい思います。なお多クラス分類とは、文書 がどのクラス に属しているかを求めることです。 それぞれの手法 Naive Bayes Naive Bayesによる多クラス分類では、ベイズの定理を適用した事後確率 が最大となるクラス を求めます。ただ、 を直接推定するのは難しいので、文書 を文書に含まれる単語列 で近似します。また、計算を簡単にするために各クラスで単語が独立に生起すると仮定します。 そして、最終的に以下の式によって文書の属するクラスを求めます。 \begin{align} \tilde{c} = argmax_c P(c) \prod_{i=1}^{n} P(w_i|c) \end{align} Comp
深層学習でツイートの感情分析 - Qiita
はじめに 今回はラベル付きツイートデータの感情分析(Sentiment Analysis，or 感情分類 Sentiment Classification)をしました． 2015/10/19 追加実験を行いました． 2015/12/19 SCNNのソースコード公開しました．hogefugabar/CharSCNN-theano 2015/12/27 SCNNだけでなく，CharSCNNの実装も公開しました．hogefugabar/CharSCNN-theano アルゴリズム 今回はDeep Convolutional Neural Networks for Sentiment Analysis of Short Textsという論文に載っているCharSCNNというアルゴリズムを使おうとしたのですが，メモリの都合上SCNNというアルゴリズムを使いました．このアルゴリズムは入力として与える文
DeNAの機械学習・深層学習活用した�体験提供の挑戦
1. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. Experience Design 2016 SPRING - Data × Design - DeNAの 機械学習・深層学習活用した 体験提供の挑戦 株式会社ディー・エヌ・エー 濱田晃一 Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 2. Copyright (C) 2016 DeNA Co.,Ltd. All Rights Reserved. 2 AGENDA ◆DeNAのサービス ◆講師紹介 ◆最後に ◆深層学習の進展 ◆深層学習活用した体験提供 ◆機械学習活用した体験提供の挑戦 ◆機械学習活用したサービス開発 ◆はじめに ◆機械学習活用した体験提供
DeNAの大規模データマイニング活用したサービス開発
1. 1 Copyright (C) 2014 DeNA Co.,Ltd. All Rights Reserved. 慶應義塾大学大学院 理工学研究科 2014年度下期 ビックデータ実践論 特別講義 DeNAの 大規模データマイニング活用した サービス開発 株式会社ディー・エヌ・エー 濱田晃一 Copyright (C) 2014 DeNA Co.,Ltd. All Rights Reserved. 2. 2 Copyright (C) 2014 DeNA Co.,Ltd. All Rights Reserved. AGENDA ◆DeNAのサービス・データ規模 ◆講師紹介 ◆最後に ◆大規模データマイニング基盤構成 ◆楽しさのマイニング ◆データマイニング活用したサービス開発 ◆データマイニング活用によるサービス洗練 ◆提供価値 ◆事例：提供体験・アルゴリズム ◆活動 ◆はじめに
自然言語処理のための機械学習入門１章
2. 自己紹介 ステータス • @piroyoung a,k,a みずかみひろき • 数学(ゲーム理論） → SPA企業の総合職（物流・小売） → データナントカ（コンサル）Now! • 最近，渋谷が気になる スキル・興味・近況 • R, SQL, Python, Ruby, Jags/Stan • データマイニング屋 • NLPについては何も知らない • Scala修行中 • 新しいものが好き • Yo!! 始めました → PIROYOUNG • LINEも始めました→ piroyoung 2 5. • 1.2 最適化問題 • 1.2.1 凸集合と凸関数 • 1.2.2 凸計画問題 今日やること • 1.2.3 等式制約付き凸計画問題 • 1.2.4 不等式制約付き凸計画問題 • 1.3 確率 • 1.3.1 期待値 平均 分散 • 1.3.2 結合確率と条件付き確率 • 1.3.3 独
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
piqcy on Twitter: "TensorFlow.jsをラップし、より簡単な形で使えるようにしたml5.jsが登場。その名前の通りクリエイター向けのJSライブラリであるp5.jsを模して造られており、機械学習に詳しくない人でも簡単に扱えるよう考慮されている。 https://t.co/ilTDhmDUd7"
しゅんけー on Twitter: "MFのコールドスタート問題に対して、「アイテムに対するユーザの個人的な好み」と「あるアイテムとユーザがクリックしたアイテムとの関係」を考慮したNPEを提案している。よさそう / [1805.06563] NPE: Neural P… https://t.co/KzKMKiNU0E"
メルカリのマーケット健全化施策を支えるML基盤
Learn with Google AI: Making ML education available to everyone
Film recommendation engine
Using Machine Learning to Predict Parking Difficulty
GitHub - neubig/nmt-tips: A tutorial about neural machine translation including tips on building practical systems
