実務の専門家として機械学習や統計分析を手掛けたい人にオススメの書籍初級5冊＆中級8冊＋テーマ別11冊（2020年2月版） - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) この記事は以下のオススメ書籍リスト記事のアップデートです。 毎回の断り書きで恐縮ですが、この記事では「データサイエンティストや機械学習エンジニアなどデータ分析の実務の専門家として」*1機械学習や統計分析を手掛けていきたいという、主に初級ないし中級ぐらいのスキルレベルの人たちにお薦めしたい書籍を、初級向け5冊・中級向け8冊及び細かいテーマ別に11冊、それぞれ挙げていきます。スタンスとしては相変わらず「当座の最終到達点を『中級』に置いた時に最初に読んで内容をマスターしておくべき書籍」を初級に置いているので、世の中のこの手のお薦め書籍リストに比べると若干ハードな内容のものが初級向けに多いかもしれません。 後はちょっと気が早いかもしれませんが、機械学習パートに関しては「AutoML時代にあっても実務の専門家であれば知っておくべき知識」を収めた書籍を選んでおきま
How to Train Your Robot with Deep Reinforcement Learning; Lessons We've Learned
Deep reinforcement learning (RL) has emerged as a promising approach for autonomously acquiring complex behaviors from low level sensor observations. Although a large portion of deep RL research has focused on applications in video games and simulated control, which does not connect with the constraints of learning in real environments, deep RL has also demonstrated promise in enabling physical ro
強化学習の環境を作る！開発ツールキット「OpenAI Gym」の使い方
最近では機械学習を活用して大きな成果を上げるケースもちらほら出てきましたよね。中でも囲碁の世界チャンピオンが惨敗するというニュースは大きな衝撃を世間に与えましたが、これには強化学習という技術が大きく関わっているのです。 今回はこのような驚きを与えてくれた強化学習の開発に役立つ「OpenAI Gym」の使い方を説明していきましょう。 なお、強化学習とは機械学習のアプローチの1つです。簡単に説明すると環境を用意してその中で行動を起こさせ、報酬を与えることで効率的に学習を行わせるもの。イメージとしては私たちがテレビゲームで高得点をどうやってとれるのかを考えながら、プレイするように学んでいくのが特徴です。 そこでこの開発ツールキット「OpenAI Gym」についてやこれで何ができるのかや、また、実際にどのようにOpenAI Gymをインストールし、使っていくのかを分かりやすく説明していきます。 最
機械学習工学研究会（MLSE）
機械学習工学研究会（MLSE）は、機械学習システムの開発・運用にまつわる生産性や品質の向上を追求する研究者とエンジニアが、互いの研究やプラクティスを共有し合う会です。 2018年度より、日本ソフトウェア科学会の公式研究会となります。 何をするの？ 近年の機械学習、あるいは深層学習（ディープラーニング）の発展に伴って、機械学習を利用するソフトウェアは急速に社会に浸透しつつあります。しかしその一方で、これまでのソフトウェア工学は、機械学習を組み込んだシステム（機械学習システム）の前に全くと言っていいほど通用しなくなってしまっています。機械学習ソフトウェアの開発・テスト・運用の方法論は未だに確立できておらず、開発現場ではエンジニア達が試行錯誤でなんとか凌いでいる状況です。 このような現状を踏まえ、機械学習システムに対しては「機械学習工学」ともいうべき、新たなパラダイムの確立・体
Software 2.0
I sometimes see people refer to neural networks as just “another tool in your machine learning toolbox”. They have some pros and cons, they work here or there, and sometimes you can use them to win Kaggle competitions. Unfortunately, this interpretation completely misses the forest for the trees. Neural networks are not just another classifier, they represent the beginning of a fundamental shift i
iMLSE 2020
Keynote Speaker: Clark Barrett (Associate Professor at Computer Science of Stanford University, Co-Director of Center for AI Safety, USA) Title: Towards Rigorous Verification for Safe Artificial Intelligence Biography: Clark Barrett joined Stanford University as an Associate Professor (Research) of Computer Science in September 2016. Before that, he was an Associate Professor of Comput
機械学習工学研究会キックオフシンポジウムは「業界あるある」と「共感」に満ちていた 〜イベントレポート〜 | LeapMind inc.
5/17に開催された、機械学習工学研究会キックオフシンポジウムというイベントに参加してきました！ 機械学習特有の課題を見据えながら、既存のソフトウェア工学をベースにしながら今後の機械学習システムの開発・運用における品質や開発手法を一緒に考え議論する場であり、様々な立場の方々からの視点でかなり詳細に課題提起している会でした。 機械学習における課題は、機械学習関連の企業に勤めている人たちの間では、なんとなく解釈されていて、暗黙の了解のように皆共通で感じていることが多くあるのですが、一歩外に出ると、課題はもちろん理解されていないし、機械学習が魔法かのような扱いを受けることが多々あります。 （発注者と受注者の間で巻き起こる論争。。。。） Twitterなどで、課題提示している人もいますが、大抵は、文章量の少なさや背景知識の差が大きすぎて、マウントをとっているように聞こえることが多く、過去炎上してい
MLSE
機械学習工学研究会（MLSE）は、機械学習システムの開発・運用にまつわる生産性や品質の向上を追求する研究者とエンジニアが、互いの研究やプラクティスを共有し合う会です。 2018年度より、日本ソフトウェア科学会の公式研究会として正式に発足しました。 近年の機械学習、あるいは深層学習（ディープラーニング）の発展に伴って、機械学習を利用するシステムは急速に社会に浸透しつつあります。しかしその一方で、従来型のITシステムに用いられてきた様々なソフトウェア工学的手法は、機械学習を組み込んだシステム（機械学習システム）の前に全くと言っていいほど通用しなくなってしまっています。機械学習システムの開発・テスト・運用の方法論は未だに確立できておらず、開発現場ではエンジニア達が試行錯誤でなんとか凌いでいる状況です。 このような現状を踏まえ、機械学習システムに対しては「機械学習工学」ともいうべき、
Competitive self-play
We’ve found that self-play allows simulated AIs to discover physical skills like tackling, ducking, faking, kicking, catching, and diving for the ball, without explicitly designing an environment with these skills in mind. Self-play ensures that the environment is always the right difficulty for an AI to improve. Taken alongside our Dota 2 self-play results, we have increasing confidence that self
「AIきりたん」がすごい - すずしめにっき
ゆうべ、そろそろ寝ようかなと思っていたらものすごいものが投下され、興奮して結局3時半まで起きてしまいました。 ということで、昨晩公開された「AIきりたん」こと歌声合成エンジンNEUTRINO1について（今の興奮をあとで思い返すためにも）書いておきます。 AIきりたんとは とりあえずこれを聴いてみてください。 これが合成音声か！？と思ってしまうような仕上がりですが、これがAIきりたん……歌声合成エンジンNEUTRINOによって生成されたきりたんの歌声です。 NEUTRINOはSHACHIさん(@SHACHI_KRTN)によって製作されたフリーウェアで、昨晩公開されました。その標準の同梱ライブラリの1つが東北きりたんのものなので、そちらのことが「AIきりたん」または「AIシンガーきりたん」と呼ばれているというわけです。 ニューラルネットワークを用いた歌声シンセサイザー【NEUTRINO】を公開
東大松尾研、高度ディープラーニング技術者養成講座「DL4US」の演習コンテンツ無償公開
東京大学松尾研究室（松尾豊教授）は5月16日、高度なディープラーニング技術者育成を目的とした、エンジニア向けオンライン教育プログラム「DL4US」の演習パートのコンテンツをWebサイトで無償公開した。個人・非商用に限って無料で利用できる。 DL4USは、2カ月間にわたる無償のオンラインプログラムで、2018年から2期にわたって開講。さまざまな業種から、のべ3800人以上の参加申し込みがあり、累計500人が受講した人気講座という。 公開した演習コンテンツは、Jupyter Notebook形式。GPUを使って実際にモデルを学習させながら技術を習得できる。コードはTensorFlowと、Numpy、Scipy、Scikit-learnなど標準的なライブラリで構成した。演習に高度な数学的知識は不要という。 研究室は「無償公開により、人工知能分野における日本の競争力を向上することに貢献することを目
Publickey － Enterprise IT × Cloud Computing × Web Technology / Blog
2024-6-18 米Uber、1エクサバイト超のデータ量を持つ世界最大規模のHadoopシステムを、オンプレミスからGoogle Cloudへ移行すると発表 2024-6-18 2024年のソフトウェアエンジニアリングに関する戦略的テクノロジは「プラットフォームエンジニアリング」「クラウド開発環境」、AIを活用した「AI拡張型開発」など。ガートナー 2024-6-17 プログラミングのためのBGMや環境音など。仕事や勉強の邪魔にならない無料で使えそうな音源集。2024年版 2024-6-17 Amazon S3にマルウェアを発見したらアクセスをブロック「Malware Protection for Amazon S3」提供開始 2024-6-14 Fastly、生成AIのAPIをインテリジェントにキャッシュ、高速レスポンスとコール回数削減を実現する「AI Accelerator」発表 2
HoloClean - Home
A Machine Learning System for Data Repair and Predictions on Structured Data HoloClean is a statistical inference engine to impute, clean, and enrich data. As a weakly supervised machine learning system, HoloClean leverages available quality rules, value correlations, reference data, and multiple other signals to build a probabilistic model that accurately captures the data generation process, and
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
MLSE夏合宿2020（オンライン開催） (2020/07/02 10:00〜)
機械学習工学研究会（MLSE） - 資料一覧 - connpass
第1回 初めてのニューラルネットワーク実装、まずは準備をしよう ― 仕組み理解×初実装（前編）
深層学習 DS-GA 1008 · 2020年度春学期 · ニューヨーク大学データ・サイエンス・センター
AI Academy | あなたに最適化されたカリキュラムで、Python・機械学習を実践的に学べるAIプログラミング学習サービスです。
OpenAI
Hazy Research